主干目录：
以下内容为本栏目的一部分，更多关注以上链接目录，查找YOLOV5的更多信息
祝福你朋友早日发表sci！
1.1 YOLOV6网络模型
1.1.1 V5.5模型图
1.1.2 V6.0模型图
1.2 V5.5与V6.0的对比
- 减少操作：使用SPPF()代替原本的SPP()
- 更好的导出性：将Focus()替换为一个等效的Conv(k=6,s=2,p=2)
- 提高速度：将backbone中的 P3 中的 C3() 从重复次数从9减少为6
- 更新超参数：增加了 mixup 和 copy-paste 的数据增强
- 在最后一个C3() 主干层重新引入 shortcut
- 数据增强部分：增加了混合和复制粘贴增强
1.3 名词解释
（1）输入端：这里指的创新主要是训练时对输入端的改进，主要包括Mosaic数据增强、cmBN、SAT自对抗训练。
（2）BackBone主干网络：将各种新的方式结合起来，包括：CSPDarknet53、Mish激活函数、Dropblock
（3）Neck：目标检测网络在BackBone和最后的输出层之间往往会插入一些层，比如Yolov4中的SPP模块、FPN+PAN结构
1.4 v6.0的更新内容
- v6.0 修复了 上一个版本yolov5 v5.0的错误，以及合并了许多新功能；
- 带来架构调整，还引入了新的模型 P5 和 P6 的纳米版模型：YOLOv5n 和 YOLOv5n6。
- Nano模型保持 YOLOv5s de 深度的0.33倍，将YOLOv5s 的宽度倍数从 0.50减少到0.25，从而减少了约75%的参数，从7.5M 到1.9M，非常适合移动端和CPU解决方案。
Original: https://blog.csdn.net/qq_39237205/article/details/125730815
Author: LiBiGo
Title: 【YOLOV5-6.x讲解】YOLO5.0VS6.0版本对比+模型设计
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/705941/
转载文章受原作者版权保护。转载请注明原作者出处！