YOLOv5拋棄Anchor-Base方法 | YOLOv5u正式加入Anchor-Free大家庭
點(diǎn)擊下方卡片，關(guān)注「集智書(shū)童」公眾號(hào)
點(diǎn)擊加入??「集智書(shū)童-YOLO算法」交流群
「YOLOv5本來(lái)的樣子還記得嘛」
話不多說(shuō)，先總結(jié)一下歷史上的YOLOv5吧：
「Backbone」：CSPDarkNet（沒(méi)有Fusion Last模塊） 「Neck」：PAFPN 「Head」：Coupled Head 「Assignment」：Line IOU Assignment 「Loss」：分類(lèi)==>BCE Loss，回歸==>CIoU Loss
這樣大家應(yīng)該比較清楚YOLOv5的大概知識(shí)脈絡(luò)了；
這里借用其他小伙伴繪制的YOLOv5的結(jié)構(gòu)圖，可以看到Y(jié)OLOv5的Backbone和Neck部分主要使用的是CBS模塊和C3模塊進(jìn)行網(wǎng)絡(luò)架構(gòu)的搭建，而Head部分則是使用的耦合在一起的Head，即Coupled-Head，我們都知道，這樣做可以進(jìn)一步提升模型的執(zhí)行效率，降低模型的推理時(shí)間和參數(shù)量：
「YOLOv5u是怎么回事呢」
我們先對(duì)比一下YOLOv8的YAML和YOLOv5u的YAML，你就全明白了?。?！
是的，所謂的Anchor-Free版本的YOLOv5u，就是原始版本的YOLOv5+YOLOv8的Detect Head，當(dāng)然肯定也繼承了YOLOv8的種除了基于梯度流的網(wǎng)絡(luò)聚合設(shè)計(jì)思想以外的所有優(yōu)點(diǎn)，比如DFL Loss、TAL匹配以及Decoupled Head等。
最后看看YOLOv8的Detect Head的樣子吧?。?！依舊是借用網(wǎng)絡(luò)小伙伴的一張圖：
是不是很時(shí)髦的樣子，是的，Decoupled Head+Anchor-Free就是潮流與時(shí)尚！所以YOLOv5就是繼承了YOLOv8的檢測(cè)頭（上圖中的紅色框內(nèi)的Head）和匹配方法以及損失函數(shù)。
記得一定去學(xué)習(xí)YOLOv5u哦！??！
參考
[1].https://github.com/ultralytics/ultralytics.
推薦閱讀
改進(jìn)YOLOX | Push-IOU+Dynamic Anchor進(jìn)一步提升YOLOX性能
即插即用 | CFNet提出全新多尺度融合方法！顯著提升檢測(cè)和分割精度！
一文全覽 | 自動(dòng)駕駛Cornor-Case檢測(cè)數(shù)據(jù)集
掃碼加入??「集智書(shū)童-YOLO算法」交流群
（備注：方向+學(xué)校/公司+昵稱(chēng)）
前沿AI視覺(jué)感知全棧知識(shí)??「分類(lèi)、檢測(cè)、分割、關(guān)鍵點(diǎn)、車(chē)道線檢測(cè)、3D視覺(jué)（分割、檢測(cè)）、多模態(tài)、目標(biāo)跟蹤、NerF」
歡迎掃描上方二維碼，加入「集智書(shū)童-知識(shí)星球」，日常分享論文、學(xué)習(xí)筆記、問(wèn)題解決方案、部署方案以及全棧式答疑，期待交流！