Yolov5 v6.1网络结构

最新推荐文章于 2025-10-06 13:45:00 发布
原创 最新推荐文章于 2025-10-06 13:45:00 发布 · 1w 阅读 · 98 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#目标检测 #深度学习 #计算机视觉 #yolo

本文概述了Yolov5 v6.1版本的网络结构变化，包括删除Focus层并采用卷积替代、切换为SiLU激活函数、SPPF模块的使用，以及输出尺寸调整。重点讨论了这些改动背后的理论和工程考量。

Yolov5 已经更新到v6.1版本了，与之前的版本有了不少区别，网络结构有了进一步优化。来整理一下。

本文主要参考 https://blog.youkuaiyun.com/qq_37541097/article/details/123594351，大佬真了不起。

借用大佬的模型图

在这里插入图片描述

删除Focus层

之前看的资料，网络的第一层都是Focus层，v6.0之后换成了一个kernel=6,stride=2,padding=2大小的卷积层，有人认为两者在理论上是等价的，可能是觉得两者的输出大小相同。

在这里插入图片描述

但是我个人认为从细节的角度Focus确实比卷积或者池化要精致一些，可以减少下采样带来的信息损失。作者改回使用卷积可能是出于工程上的考量，牺牲一点点精度带来速度上的提升，毕竟大多数芯片厂商不一定提供Focus层的优化或者自定义接口。

激活函数改用SiLU

几乎所有的激活函数都使用了SiLU，等同于Swish激活函数( β = 1 \beta=1 β=1)，具有无上界有下界、平滑、非单调的特性。可以看做是介于线性函数与ReLU函数之间的平滑函数。
请添加图片描述
请添加图片描述

SPPF

yolov5之前的版本的Neck结构采用了SPP模块。

在SPP模块中，使用 k = 1 ∗ 1 , 5 ∗ 5 , 9 ∗ 9 , 13 ∗ 13 k={1*1, 5*5, 9*9, 13*13} k=1∗1,5∗

最低0.47元/天 解锁文章
yolov5-v6.1-pytorch-master.zip
12-19
- `model.py`: 定义YOLOv5网络结构的代码。 - `train.py`: 训练模型的脚本。 - `infer.py`: 运行推理的脚本。 - `data/`: 存放数据集配置和预处理逻辑。 - `weights/`: 存储训练好的模型权重。 - `utils/`: ...
window系统下 利用netron将YOLOv5 v6.1 完整网络模型可视化（另附yolov5 v6.1中yolov5s.pt的网络结构图）
m0_46093829的博客
03-15 3199
前言： 学习一个新的算法，最好在脑海中对算法网络的整体架构有一个清晰的理解。而netron是一个比较方便的可视化网络结构的工具。 但比较尴尬的是，Yolov5代码中给出的网络文件是yaml格式，但netron对pt格式的文件兼容性并不好，直接使用netron工具打开，会发现，根本无法显示全部网络。 因此我们需要先将pt->onnx的折中方式，使用netron可是化yolov5的网络结构。 一、 下载netron GitHub - lutzroeder/netron: Visualizer f
YOLOv5网络结构图
clmm_的博客
10-15 3万+
CNN通过模拟人类视觉系统的工作原理，通过层层堆叠的卷积层、池化层和全连接层等组件来进行图像数据的特征提取和分类。Conv（卷积层）通常是由卷积(Convolution)、批标准化(Batch Normalization)和激活函数(Activation)这三个模块组成的C3模块图如上。C3之所以叫C3，是因为在这个模块中有三个卷积层（Conv）了解SPPF前，我们先要知道SPP（），中文为空间金字塔池化而SPPF（Spatial Pyramid Pooling Fusion）则是SPP的改进版。
YOLO算法原理详解系列 第006期-YOLOv6 算法原理详解
最新发布
深度学习算法工程师，专注于前沿算法研究与实战应用。在这里，我将分享深度学习领域的实战经验、优质数据集资源以及最新论文解读与精度分析，旨在与广大技术爱好者共同探索人工智能的奥秘，助力技术成长与创新。
10-06 847
YOLOv6 是“工业级目标检测”的标杆算法——它没有追求通用场景的极致精度，而是聚焦“端侧实时检测”的核心需求，通过“重参数化技术、硬件感知设计、动态标签分配”三大创新，解决了 YOLOv5 在工业场景中的部署痛点。其核心价值在于“用更低的硬件成本，实现更快的推理速度和更高的场景适配精度”，尤其适合外卖配送、门店质检、无人配送等美团系业务场景，也为其他工业级目标检测任务（如智能制造、智慧物流）提供了参考。
详解yolov5的网络结构
m0_71124168的博客
07-05 1万+
YOLOv5是一种基于轻量级卷积神经网络（CNN）的目标检测算法，整体可以分为三个部分，如上图所示，我们需要先理解三个模块：Conv，C3，SPPF，以便理解网络结构图。关于这三个模块的解释放在文章末尾。其他我觉得有用的前置知识也会放在文章末尾。YOLOv5是一种基于轻量级卷积神经网络（CNN）的目标检测算法，整体可以分为三个部分，，以便理解网络结构图。关于这三个模块的解释放在文章末尾。其他我觉得有用的前置知识也会放在文章末尾。
初学YOLOv5，v6.1版
Orange_sparkle的博客
07-09 1976
1.backbone换为New CSPDarknet-532.SPP-->SPPF3.PAN-->CSP-PAN4.将Focus模块换成6x6大小的卷积层5.一系列数据增强方式：Mosaic，copy paste，Random affine（仿射变换），Mixup，Albumentations（一个第三方包），Augment HSV，Random horizontal flip6.一系列训练策略：Multi-scale training(0.5~1.5x) AutoAnchor(For training c
yolov5-5.0版本（目前最新）网络结构图
～勿据散客～的博客
07-26 3万+
新入坑CV，看到大白老师去年做的图https://blog.csdn.net/nan355655600/article/details/107852353不知道是那个版本的yolov5了，自己在读代码时发现有些许不一样的地方，因此针对yolov5-5.0版本对他的图进行了调整 先上原图： 然后是我根据yolov5-5.0的代码做了修改： 由于是新入坑，难免有理解不当导致谬误的地方，如果各位大佬发现后能告知，定当感激不尽！ ...
yolov5s-5.0网络模型结构图
热门推荐
qianxun
01-04 4万+
看了很多yolov5方面的东西，最近需要yolov5得模型结构图，但是网上的最多的是大白老师的，但是大白老师的yolov5得模型结构图不知道是哪个版本得，肯定不是5.0和6.0版本得。参考了大白老师得模型结构图和其他大佬的模型结构图，以及参考了yolov5得onnx。画出了以下得结构图，初次画不知道有些地方是否对不对，如果有错误，请大家指出。。。 这个模型结构图是用思维导图画出来得。这里面有几个点可能与其他人画的不一样。 1、5.0采用的激活函数是SiLU(),不再是LeaKyReLU()，所以这里
Yolov5 网络结构
钟鸣的博客
03-17 8470
yolov5 的网络结构 yolov5 的网络结构的配置文件在models文件夹下，有yolov5n.yaml, yolov5s.yaml, yolov5m.yaml等等。几个网络结构其实都一样，通过depth_multiple和width_multiple参数来控制网络结构的深度和宽度。 主要理解 head和backbone部分，根据需求对模型做修改时主要也是改动backbone部分。 # YOLOv5 v6.0 backbone backbone: # [from, number, module,
Yolov5 4.0版 网络结构图
wenroudebaozi的博客
12-30 1604
前段时间下载的yolov5代码，本人最近想要学习一下，发现网上博主江大白的网络结构图和我下载的程序不太匹配，因此模仿大佬的结构 重新画了一个yolov5s的4.0版本的网络结构图。如果图式内容有问题还请各位不吝指教。 原图： yolov5s 4.0修改版： ...
yolov5模型原理及代码流程讲解（v6.0）
liuandy6612的博客
05-31 1万+
目标检测，yolov5
YOLOV3,YOLOV4,YOLOV5网络架构图片
succ_horse的博客
02-19 1459
Yolov5l可视化网络结构图
江南研习社
07-29 3万+
Yolov5共有四种网络结构，每种网络深度和宽度上都不相同。 (1) Yolov5s可视化网络结构图：点击查看 (2) Yolov5m可视化网络结构图：点击查看 (3) Yolov5l可视化网络结构图：点击查看 (4) Yolov5x可视化网络结构图：点击查看 ...
YOLO系列网络结构图（YOLOv5，YOLOv4，PPYOLO，YOLOv3等）
wuzhihao7788的博客
11-03 7952
YOLODet-PyTorch是端到端基于pytorch框架复现yolo最新算法的目标检测开发套件，旨在帮助开发者更快更好地完成检测模型的训练、精度速度优化到部署全流程。YOLODet-PyTorch以模块化的设计实现了多种主流YOLO目标检测算法，并且提供了丰富的数据增强、网络组件、损失函数等模块。 模型丰富： YOLODet提供了丰富的模型，涵盖最新YOLO检测算法的复现，包含YOLOv5、YOLOv4、PP-YOLO、YOLOv3等YOLO系列目标检测算法。 高灵活度： YOL
【YOLO系列】YOLO v5（网络结构图+代码）
陶将的博客
06-09 1万+
YOLO v5提供了五个不同大小的预训练模型，分别是YOLOv5n、YOLOv5s、YOLOv5m、YOLOv5l和YOLOv5x。这五个模型的网络架构一样，不同的是每层通道数和宽度不一样。
YOLOv5s网络图（详细）
铁头同学的博客
05-12 3833
YOLOv5s网络图 如有错误 欢迎指点
YOLOv5网络结构学习
qq_40356092的博客
05-09 1万+
最近在学习yolov5的代码（因为项目需要），其实陆陆续续接触yolov5已经半年左右了，用yolov5也跑过了自己的数据集，但是一直没有上手对代码进行修改，主要还是因为用到了很多工程性的技术和代码，之前做科研的时候没有接触到，改代码方式如果不正确会引发很多BUG。 我们就先从yolov5的网络结构开始讲起吧~ 一、Focus层 Focus层的代码如下： class Focus(nn.Module): # Focus wh information into c-space def __ini
YOLO V5详解(一)：网络结构
走在深度学习前沿的小宋
05-12 2029
YOLOv5介绍（一）：网络结构
YOLOv5（v6.1）学习历险记
weixin_62835844的博客
11-02 1046
yolov5s网络结构初解读
评论 5
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值