Yolov5 gitlab代码已经更新到V6.0，不同版本的模型结构都有所差异。比如Conv 模块各版本差异示例如下
| yolov5版本 | Conv模块激活函数 |
|---|---|
| 1.0 | LeakyRelu |
| 2.0 | LeakyRelu |
| 3.0 | LeakyRelu |
| 3.1 | hswish |
| 4.0 | SiLU |
| 5.0 | SiLU |
| 6.0 | SiLU |
Yolov5每个版本具有4个开源模型，具体包括：YOLOv5s、YOLOv5m、YOLOv5l、YOLOv5x四种，YOLOv5s模型最小，其它的模型都在此基础上对网络进行加深与加宽。
输出：255=(nc+5)*3
在模型训练阶段，做了一些改进操作，主要包括Mosaic数据增强、自适应锚框计算、自适应图片缩放；
融合其它检测算法中的一些新思路，主要包括：Focus结构，CSP结构；
目标检测网络在BackBone与最后的Head输出层之间往往会插入一些层，Yolov5中添加了FPN+PAN结构；
输出层的锚框机制与YOLOv3相同，主要改进的是训练时的损失函数GIOU_Loss。
Yolov5的输入端采用了和Yolov4一样的Mosaic数据增强的方式。
在Yolov3、Yolov4中，训练不同的数据集时，计算初始锚框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，自适应的计算不同训练集中的最佳锚框值。
当然，如果觉得计算的锚框效果不是很好，也可以在代码中将自动计算锚框功能关闭。
在项目实际使用时，很多图片的长宽比不同，因此缩放填充后，两端的黑边大小都不同，而如果填充的比较多，则存在信息冗余，影响推理速度。
因此在Yolov5的代码中datasets.py的letterbox函数中进行了修改，对原始图像自适应的添加最少的黑边。
2.0版本
比如右图的切片示意图。
以Yolov5s的结构为例，原始608×608×3的图像输入Focus结构，采用切片操作，先变成304×304×12的特征图，再经过一次32个卷积核的卷积操作，最终变成304×304×32的特征图。
2.0版本SPP，输出尺寸和输出尺寸保持一致
6.0版本SPPF
GIOU
加权nms的方式
NMS算法是略显粗暴，因为NMS直接将删除所有IoU大于阈值的框。soft-NMS吸取了NMS的教训，在算法执行过程中不是简单的对IoU大于阈值的检测框删除，而是降低得分。算法流程同NMS相同，但是对原置信度得分使用函数运算，目标是降低置信度得分。
silu(x)= x * sigmoid(x)
#yolo5s.yaml V2.0
# parameters
nc: 80 # number of classes 从1开始算起
depth_multiple: 0.33 # model depth multiple 模型深度
width_multiple: 0.50 # layer channel multiple 卷积核的个数,Bottleneck层使用
# anchors
anchors:
- [10,13, 16,30, 33,23] # P3/8
- [30,61, 62,45, 59,119] # P4/16
- [116,90, 156,198, 373,326] # P5/32
# YOLOv5 backbone
backbone:
# [from, number, module, args]
[[-1, 1, Focus, [64, 3]], # 0-P1/2
[-1, 1, Conv, [128, 3, 2]], # 1-P2/4，128个卷积核个数。根据 [128, 3, 2] 解析得到[32, 64, 3, 2] ，32是输入，64是输出（128*0.5=64），3表示3×3的卷积核，2表示步长为2。
[-1, 3, BottleneckCSP, [128]],
[-1, 1, Conv, [256, 3, 2]], # 3-P3/8[128, 3, 2] 这是固定的，
[-1, 9, BottleneckCSP, [256]],
[-1, 1, Conv, [512, 3, 2]], # 5-P4/16
[-1, 9, BottleneckCSP, [512]],
[-1, 1, Conv, [1024, 3, 2]], # 7-P5/32
[-1, 1, SPP, [1024, [5, 9, 13]]],
[-1, 3, BottleneckCSP, [1024, False]], # 9
]
# YOLOv5 head
head:
[[-1, 1, Conv, [512, 1, 1]],
[-1, 1, nn.Upsample, [None, 2, 'nearest']],
[[-1, 6], 1, Concat, [1]], # cat backbone P4
[-1, 3, BottleneckCSP, [512, False]], # 13
[-1, 1, Conv, [256, 1, 1]],
[-1, 1, nn.Upsample, [None, 2, 'nearest']],
[[-1, 4], 1, Concat, [1]], # cat backbone P3
[-1, 3, BottleneckCSP, [256, False]], # 17 false表示无残差结构
[-1, 1, Conv, [256, 3, 2]],
[[-1, 14], 1, Concat, [1]], # cat head P4
[-1, 3, BottleneckCSP, [512, False]], # 20
[-1, 1, Conv, [512, 3, 2]],
[[-1, 10], 1, Concat, [1]], # cat head P5
[-1, 3, BottleneckCSP, [1024, False]], # 23
[[17, 20, 23], 1, Detect, [nc, anchors]], # Detect(P3, P4, P5)
]