YOLOv5抛弃Anchor-Base方法 | YOLOv5u正式加入Anchor-Free大家庭
共 1248字，需浏览 3分钟
·
2023-02-25 07:30
点击下方卡片，关注「集智书童」公众号
「YOLOv5本来的样子还记得嘛」
话不多说，先总结一下历史上的YOLOv5吧：
「Backbone」：CSPDarkNet（没有Fusion Last模块） 「Neck」：PAFPN 「Head」：Coupled Head 「Assignment」：Line IOU Assignment 「Loss」：分类==>BCE Loss，回归==>CIoU Loss
这样大家应该比较清楚YOLOv5的大概知识脉络了；
这里借用其他小伙伴绘制的YOLOv5的结构图，可以看到YOLOv5的Backbone和Neck部分主要使用的是CBS模块和C3模块进行网络架构的搭建，而Head部分则是使用的耦合在一起的Head，即Coupled-Head，我们都知道，这样做可以进一步提升模型的执行效率，降低模型的推理时间和参数量：
「YOLOv5u是怎么回事呢」
我们先对比一下YOLOv8的YAML和YOLOv5u的YAML，你就全明白了！！！
是的，所谓的Anchor-Free版本的YOLOv5u，就是原始版本的YOLOv5+YOLOv8的Detect Head，当然肯定也继承了YOLOv8的种除了基于梯度流的网络聚合设计思想以外的所有优点，比如DFL Loss、TAL匹配以及Decoupled Head等。
最后看看YOLOv8的Detect Head的样子吧！！！依旧是借用网络小伙伴的一张图：
是不是很时髦的样子，是的，Decoupled Head+Anchor-Free就是潮流与时尚！所以YOLOv5就是继承了YOLOv8的检测头（上图中的红色框内的Head）和匹配方法以及损失函数。
记得一定去学习YOLOv5u哦！！！
参考
[1].https://github.com/ultralytics/ultralytics.
推荐阅读
改进YOLOX | Push-IOU+Dynamic Anchor进一步提升YOLOX性能
即插即用 | CFNet提出全新多尺度融合方法！显著提升检测和分割精度！
一文全览 | 自动驾驶Cornor-Case检测数据集
扫码加入👉「集智书童-YOLO算法」交流群
（备注：方向+学校/公司+昵称）
前沿AI视觉感知全栈知识👉「分类、检测、分割、关键点、车道线检测、3D视觉（分割、检测）、多模态、目标跟踪、NerF」
欢迎扫描上方二维码，加入「集智书童-知识星球」，日常分享论文、学习笔记、问题解决方案、部署方案以及全栈式答疑，期待交流！