YOLO — YOLOv5模型以及项目详解

---

---

一，开源地址

• YOLOV5并没有学术论文，是一个开源项目，是 Ultralytics 公司于 2020 年6月9 日发布的

• 项目可以在 github 搜到：https://github.com/ultralytics/yolov5

二，改进点

• 主干网络是修改后的 CSPDarknet53，后面跟了 SPPF 模块
• 网络最开始增加 Focus 结构
• 颈部网络采用 PANet、FPN
• 激活函数换成了 SiLU、Swish
• 采用 CloU 损失

Focus 模块

• YOLOv5 刚推出时，为了提升模型效率，采用了 Focus 模块 作为网络的初始特征提取层，传统卷积下采样会丢失部分空间信息，Focus 模块旨在在不丢失信息的前提下进行高效下采样

• **核心目标：**将高分辨率图像的空间信息通过切片操作转换为通道信息，从而实现高效、无信息损失的下采样

• Focus 模块是一种用于特征提取的卷积神经网络层，用于将输入特征图中的信息进行压缩和组合，从而提取出更高层次的特征表示，它被用作网络中的第一个卷积层，用于对输入特征图进行下采样，以减少计算量和参数量

• Focus 层在 YOLOv5 中是图片进入主干网络前，对图片进行切片操作，原理与 Yolov2 的 passthrough 层类似，采用切片操作把高分辨率的图片（特征图）拆分成多个低分辨率的图片（特征图），即隔列采样+拼接

• 具体操作是在一张图片中每隔一个像素拿到一个值，类似于邻近下采样，这样就拿到了 4 张图片，4 张图片互补，但是没有信息丢失，这样一来，将空间信息就集中到了通道空间，输入通道扩充了 4 倍，即拼接起来的图片相对于原先的 RGB 3 通道模式变成了 12 个通道，最后将得到的新图片再经过卷积操作，最终得到了没有信息丢失情况下的二倍下采样特征图

• 案例：假设输入一张图像大小为 640x640x3

  • 第一步：640 x 640 x 3的图像输入Focus结构，采用切片操作

  • 第二步：然后进行一个连接（concat），变成 320 x 320 x 12 的特征图

  • 第三步：经过一次 32 个卷积核的卷积操作，最终输出 320 x 320 x 32 的特征图

• 在 YOLOv5 刚提出来的时候，有 Focus 结构，从 YOLOv5 第六版开始， 就舍弃了这个结构，改用 k=6×6，stride＝2 的常规卷积

三，网络结构

3.1 CSP1_X 与 CSP2_X

模块名称	CSP1_X	CSP2_X
定义	带 shortcut（残差连接）的 CSP 模块	不带 shortcut 的 CSP 模块
结构特点	内部包含带有 shortcut 的 Bottleneck 结构	内部没有 shortcut 连接，仅通过卷积操作进行特征提取
应用场景	主要用于 backbone 部分，如 CSPDarknet53，增强特征提取能力	主要用于 neck 部分，如 PANet（Path Aggregation Network），进行特征聚合
X 的含义	表示 bottleneck 的数量	表示 bottleneck 或其他卷积模块的数量

3.2 自适应Anchor的计算

• 在 YOLOv3、YOLOv4 中，训练不同的数据集时，计算初始 Anchor 的值是通过单独的程序运行的。但 YOLOv5 中将此功能嵌入到代码中，每次训练时会自适应的计算不同训练集中的最佳 Anchor 值
• 实现方式：
  • 在训练开始前，YOLOv5 会自动加载训练集中的标注框
  • 使用 K-Means 聚类算法计算 Anchor
  • 将结果作为初始 Anchor 值用于模型初始化

3.3 激活函数

激活函数：使用了 SiLU 激活函数、Swish 激活函数两种激活函数

3.3.1 SiLU

• YOLOv5 的 Backbone 和 Neck 模块和 YOLOv4 中大致一样，都采用 CSPDarkNet 和 FPN+PAN 的结构，但是网络中其他部分进行了调整，其中 YOLOv5 使用的激活函数是 SiLU
• $SiLU(x)=x\cdot \sigma (x)$，具备无上界有下届、平滑、非单调的特性
  

3.3.2 Swish

Swish 激活函数是一个近似于 SiLU 函数的非线性激活函数

3.4 Bottleneck

Bottleneck 是用于减少参数和计算量的结构，其设计灵感来自于ResNet，结构如下：

• 1x1卷积：用于减少特征图的通道数
• 3x3卷积：用于提取特征，后接一个 Batch Normalization 层和 ReLU 激活函数
• 1x1卷积：用于恢复特征图的通道数，后接一个BN层
• 跳跃连接（Shortcut）：将输入直接加到输出上，以形成残差连接

3.5 C3

• YOLOv5 中的 C3 模块在 CSP上进行了优化，非常相似但略有不同：
• YOLOv5 一共使用过两种 CSP 模块
  • v4.0 版本之前的 BottleneckCSP，用的 LeakyReLU 作为激活函数
  • v4.0 版本之后的 C3，用的 SiLU 作为激活函数

3.5.1 BottleneckCSP

• 结构特点：
  • 包含多个带 shortcut 的 Bottleneck
  • 输入通道被划分，一部分直接传递，一部分经过 Bottleneck 块
• 激活函数：LeakyReLU
• 用途：主要用于早期 YOLOv5 的 backbone
  

3.5.2 C3

• 结构特点：
  • 不再使用 shortcut（即 Bottleneck 不带残差连接）
  • 更加简洁，更适合部署
• 激活函数：SiLU
• 用途：广泛用于 backbone 和 neck（如 PANet）
  

3.6 SPPF

• 将卷积核大小变成相同，然后将并行变成了串行+并行，2个K5池化=1个K9池化，3个K5池化=1个K13池化，也就是结果相同的基础上，速度更快，计算量更小
• 对于连续堆叠 n 层，每层使用大小为 k 的核的操作（例如卷积或池化），其等效感受野大小可以通过以下公式计算：$K_{等效}=1+n(k-1)$

层数 n	卷积核大小 k	等效感受野
1	5	1+1×(5−1)=5
2	5	1+2×(5−1)=9
3	5	1+3×(5−1)=13

四，开源项目

4.1 项目构建

使用github或者gitee

• GitHub 官方仓库：
  https://github.com/ultralytics/yolov5

• Gitee 镜像地址：
  https://gitee.com/mirrors/YOLOv5

4.2 项目流程

4.2.1 下载源码

第一步：下载 yolov5 源码，前面的步骤已经完成

4.2.2 新建环境

第二步：新建环境，见
https://blog.csdn.net/m0_73338216/article/details/146123256

4.2.3 安装包

第三步：在 Python>=3.8.0 环境中安装 requirements.txt，且要求 PyTorch>=1.8，命令pip install -r requirements.txt，可以加上镜像地址提高下载速度，命令：pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

• 详细安装的内容信息可以打开 yolov5 源码中的 requirements.txt 文件查看
• **注意：**因为 pytorch 框架对应的内容，我们事先已经通过命令的方式安装好了，所以在安装 requirements.txt 内容之前，我们需要把安装 pytorch 框架相关的内容注释掉，如下：
  

4.2.4 下载推理文件

第四步：下载 yolov5 推理模型，地址https://github.com/ultralytics/yolov5/tree/master/models

• YOLOv5的一些主要模型变体：
  1. YOLOv5n：
     • 这是最小的变体，适用于嵌入式设备或资源受限的环境
     • 牺牲了一定的准确性以换取更快的速度
  2. YOLOv5s：选择
     • 较小的模型，适合在边缘设备上使用
     • 相比于更大的模型，它提供了更好的速度，但在精度上有所降低
  3. YOLOv5m：
     • 中等大小的模型，平衡了速度和精度
     • 适用于大多数常规硬件
  4. YOLOv5l：
     • 较大的模型，提供了更高的检测精度
     • 在高端硬件上可以运行良好，但速度较慢
  5. YOLOv5x：
     • 最大的模型，具有最高的精度
     • 需要高性能的硬件来保证实时处理速度
• 各个模型测试速度参数：
  下载好模型后将其复制在主目录下

4.2.5 常用命令

第五步：执行命令python detect.py --weights <weights_path> --source <source>，完成推理，结果默认保存到 runs/detect

参数	作用	示例与说明
detect.py	YOLOv5 提供的目标检测脚本	运行检测的主入口
--weights <weights_path>	指定模型权重文件路径	--weights yolov5s.pt 使用 YOLOv5-s 预训练权重
--source <source>	指定输入源，支持多种形式	见下表，按类型分列

输入源类型	示例	说明
默认摄像头	0	使用电脑默认摄像头（内置或外接）
单张图像	img.jpg	直接指定一张图片
单个视频	vid.mp4	直接指定一个视频文件
屏幕截图	screen	实时截取屏幕作为输入（部分版本需验证支持）
目录	path/	目录下所有支持的图像/视频文件均作为输入
文本列表	list.txt	每行一个图像/视频路径
流媒体列表	list.streams	每行一个流媒体链接
Glob 模式	'path/*.jpg'	匹配目录下所有 .jpg 图片
YouTube 视频	'https://youtu.be/LNwODJXcvt4'	直接从 YouTube URL 读取视频流
网络流	'rtsp://example.com/media.mp4'	通过 RTSP / RTMP / HTTP 协议读取实时或点播视频

4.2.6 数据集

第六步：数据集标注

• 模型训练的数据、验证的数据都是由专门的人标注制作的，常用的标注工具labelImg、labelme。 这里介绍 labelImg 的使用
  - 新建虚拟环境，略

• 激活环境，输入命令pip install labelimg -i https://pypi.tuna.tsinghua.edu.cn/simple安装 labelimg 库
  在激活环境下，执行命令labelimg打开 labelimg
  标注完成后的数据集，图示：

• images：存放需要被标注的图片信息

• labels：存放标注的图片的位置、类型信息
  

4.2.7 模型训练

执行以下命令训练模型，结果默认保存到 runs/train

python train.py --data .\data\coco.yaml --img 640 --epochs 25 --weights .\yolov5s.pt --cfg .\models\yolov5s.yaml --batch-size 2 --device 0

参数	说明	示例/取值解释
train.py	主训练脚本：负责加载数据、构建模型、设置优化器、定义损失函数并执行训练循环。	直接运行 python train.py …
--data	数据集配置文件路径（YAML），内含训练/验证集路径、类别数等信息。	--data coco.yaml 或自定义 --data mydata.yaml
--img	输入图像尺寸（正方形边长，像素）。	--img 640 表示 640×640
--epochs	训练总轮数（完整遍历数据集的次数）。	--epochs 25 表示训练 25 个 epoch
--weights	初始权重文件路径；空串 '' 表示从零开始训练。	--weights ./yolov5s.pt 加载预训练权重
--cfg	模型架构配置文件路径（YAML）。	--cfg yolov5s.yaml 使用 YOLOv5-small 结构
--batch-size	每轮迭代使用的样本数量；越大越稳定，但显存占用高。	--batch-size 2
--device	训练设备选择。 • 0：第 0 块 GPU • cpu：强制使用 CPU • -1：自动选择可用 GPU	--device 0

• 训练结果，这个文件夹中包含了很多文件，重要内容如下：

• weights 文件夹下，有两个后缀名为.pt的文件

  • best.pt：表示在整个训练过程中性能最佳的模型权重，用于推理
  • last.pt：表示训练结束时的最后一个模型权重，用于设置下次训练基于这个基础上继续训练，但是需要修改很多参数
    

4.2.8 恢复训练

如果训练过程中意外停止，在训练指令后面加上 --resume 参数可以恢复训练，并且不需要同时指定 --weights 参数。--resume 会自动加载最近一次保存的检查点（包括模型权重、优化器状态等）

python train.py --weights runs/train/exp/weights/last.pt --resume	

4.2.9 导出onnx

python export.py --weights yolov5s.pt --img 640 --batch 1 --device 0 --include onnx

4.2.10 推理

使用 detect.run 进行推理：

from yolov5 import detect
detect.run(weights='yolov5s.onnx',  # 权重文件路径source='data/images',  # 输入源路径img_size=640,  # 输入图像尺寸conf_thres=0.25,  # 置信度阈值iou_thres=0.45,  # IoU阈值max_det=1000,  # 最大检测数量device='0',  # 设备view_img=False,  # 显示检测结果save_txt=False,  # 保存检测结果为txt文件save_conf=False,  # 保存置信度到txt文件save_crop=False,  # 裁剪并保存检测到的对象nosave=False,  # 保存图像/视频classes=None,  # 检测所有类agnostic_nms=False,  # 类无关的非极大值抑制augment=False,  # 推理增强visualize=False,  # 可视化特征图update=False,  # 更新所有模型project='runs/detect',  # 结果保存目录name='exp',  # 结果保存子目录exist_ok=False,  # 允许现有目录line_thickness=3,  # 画框线条粗细hide_labels=False,  # 隐藏标签hide_conf=False,  # 隐藏置信度half=False,  # 半精度推理dnn=False  # 使用OpenCV DNN模块
)

4.2.11 onnx推理

import onnxruntime as ort
import numpy as np
import cv2# 创建ONNX Runtime推理会话
providers = ['CUDAExecutionProvider']  # ['CPUExecutionProvider'] 这是指定CPU
session = ort.InferenceSession('yolov5s.onnx', providers=providers)
# 读取输入图像
img = cv2.imread('data/images/bus.jpg')
img = cv2.resize(img, (640, 640))
img = img.transpose((2, 0, 1))  # HWC to CHW
img = np.expand_dims(img, axis=0).astype(np.float32) / 255.0
# 进行推理
outputs = session.run(None, {'images': img})
print(outputs[0].shape)

4.3 模型应用

4.3.1 实例分割

下载yolov5s-seg.pt文件

 python segment/predict.py --weights yolov5s-seg.pt --source data/images/bus.jpg  

4.3.2 图像分类

下载yolov5s-cls.pt文件

python classify/predict.py --weights yolov5s-cls.pt --source data/images/bus.jpg  

五，优缺点

维度	优点	缺点
速度	• 单阶段架构，推理极快，可达数百 FPS • 轻量级，适合实时应用与边缘部署	• 计算量仍高于 YOLOv8-nano 等轻量模型
精度	• COCO mAP≈56.8%，处于同期 SOTA 水平 • 数据增强 + 自适应锚框，泛化能力较强	• 小目标检测、密集重叠场景、旋转/倾斜目标易漏检 • 极端遮挡、低光照环境下精度下降
模型与训练	• 代码开源完整，社区生态丰富 • 支持多 scale 训练、断点续训、混合精度	• anchor-based，需预设锚框，对形状不规则目标不友好 • 在新数据集上往往需要额外微调
部署	• 支持 ONNX、TensorRT、OpenVINO、ncnn 等多种格式，跨平台方便	• 对显存/内存仍有要求，极低算力嵌入式设备需做剪枝或量化
易用性	• pip 一键安装，命令行/脚本接口简单	• 超参数较多，新手调参门槛高于 YOLOv8 的“零参”模式