YOLOv5 (You Only Look Once v5)论文概述：

虽然YOLOv5尚未发表正式的论文，但其在深度学习领域的贡献和影响力不容忽视。YOLOv5是YOLO系列算法的一个重要迭代版本，继承了YOLO系列算法的核心思想，即“你只看一次”（You Only Look Once）。其主要贡献包括：

1. 自适应锚框计算：在YOLOv5中，对于不同的数据集，网络在初始锚框的基础上输出预测框，进而和真实框进行比对，计算两者差距，再反向更新，迭代网络参数。这种自适应锚框计算的方式使得模型能够更好地适应不同的数据集，提高检测的准确性。
2. 自适应图片缩放：在目标检测算法中，原始图片的长宽比各不相同，因此需要对图片进行缩放以适应模型的输入要求。YOLOv5采用了一种自适应的图片缩放方式，可以在保证图片信息完整性的同时，避免由于填充过多而导致的信息冗余和推理速度下降。

影响力：

YOLOv5凭借其强大的性能表现和实时性，在学术界和工业界都产生了广泛的影响。它已经被广泛应用于自动驾驶、安全监控、视频分析等多个领域，为这些领域的发展提供了有力的技术支持。

作者：

YOLOv5的项目团队是Ultralytics LLC公司，这是一个专注于深度学习和人工智能（AI）领域的公司，特别是在计算机视觉和目标检测技术方面。虽然具体的作者名单可能因版本不同而有所差异，但Ultralytics LLC公司的研发团队无疑是YOLOv5得以成功开发的关键力量。