yolov5
🎯 本文内容
YOLOv5 怎么改配置跑起来、常见小问题、几个基础概念和网络结构,最后是 YOLOv8 的推理流程与 MMYOLO 特征图可视化。
YOLOv5 怎么改配置跑起来、常见小问题、几个基础概念和网络结构,最后是 YOLOv8 的推理流程与 MMYOLO 特征图可视化。
🚀 1. 运行 YOLOv5
① 配置数据集
来到 data 目录,把路径改成你自己数据集的路径,记得改!!

② 选择模型
进入 models,小模型我用 yolov5s:把 yolov5s.yaml 复制一份,改个名字。

③ 修改 train.py
拉到四百多行的参数定义部分,修改这两个参数:
| 参数 | 填什么 |
|---|---|
--cfg |
上面 models 里你复制的 xx.yaml 的路径 |
--data |
data 里数据集 xx.yaml 的路径 |
④ 修改 detect.py
| 参数 | 填什么 |
|---|---|
--weights |
训练好的模型,一般在 runs/train/exp*/weights/ 下(编号最大的是最后一次训练) |
--source |
要识别的图片或视频的路径 |
--conf-thres |
置信度阈值,最好调高一些,太低会乱标 |
YOLOv5 没什么好说的,暂时没那能力去修改人家的卷积(不知道改完是好是坏),顶多改改参数(人称炼丹 🧪)。
参数注释
train.py:

detect.py:

🧯 2. 一些小问题

解决方法:参考博客
📖 3. 几个基础概念
| 概念 | 含义 |
|---|---|
| IoU | 预测框与真实框的重叠程度(交集 / 并集) |
| mAP | 各类别平均精度(AP)的平均值,综合衡量精度和召回率 |
| NMS(非极大值抑制) | 按置信度排序,保留最高的框,去掉与它 IoU 超过阈值的重复框 |
| BN(Batch Normalization) | 在神经网络每一层对输入做归一化的方法 |
🏗️ 4. YOLOv5 网络结构
装好 Netron,把模型的 .pt 转成 .onnx 后,就可以可视化查看 YOLOv5 的网络结构。
(1)输入端
- Mosaic 数据增强:用随机缩放、随机裁剪、随机排布的方式把多张图拼接在一起。
- 自适应锚框计算:针对不同数据集,会有初始设定长宽的锚框。网络在初始锚框的基础上输出预测框,和真实框比对、计算差距,再反向更新,迭代网络参数。

控制这个功能的是 train.py 中上面这行代码,设置成 False 后,每次训练就不会自动计算锚框。
- 自适应图片缩放:在
datasets.py的letterbox函数中,对原始图像自适应地添加最少的黑边。黑边少了,计算量也少,检测速度更快。缩放比例取长/416和宽/416中较小的那个。
(2)Backbone
- Focus 结构:切片操作。比如 4×4×3 的图像切片后变成 2×2×12 的特征图。

- CSP 结构
(3)Neck
- FPN + PAN 结构
(4)Prediction
损失函数用的是 GIoU_Loss,几种 IoU Loss 的区别:
| 损失 | 考虑的因素 |
|---|---|
| IoU_Loss | 检测框和目标框的重叠面积 |
| GIoU_Loss | 在 IoU 基础上,解决边界框不重合时的问题 |
| DIoU_Loss | 在 IoU、GIoU 基础上,加入中心点距离 |
| CIoU_Loss | 在 DIoU 基础上,再加入宽高比的尺度信息 |
⚡ 5. YOLOv8
模型推理过程
- bbox 积分形式转 4d bbox:对 Head 输出的 bbox 分支,利用 Softmax 和 Conv 把积分形式转换为 4 维 bbox 格式。
- 维度变换:YOLOv8 输出 80×80、40×40、20×20 三个尺度的特征图,Head 部分共输出分类和回归 6 个尺度的特征图。把 3 个尺度的类别分支、bbox 分支分别拼接并做维度变换,通道维度放到最后,shape 分别为
(b, 8400, 80)和(b, 8400, 4)(8400 = 80×80 + 40×40 + 20×20)。 - 解码还原到原图尺度:分类分支做 Sigmoid,bbox 分支解码为原图尺度的
xyxy格式。 - 阈值过滤:遍历 batch 中每张图,用
score_thr过滤,同时考虑 **multi_label和nms_pre,确保过滤后的框数不多于nms_pre**。 - 还原尺度并 NMS:根据前处理把框还原到原图尺度再做 NMS,最终输出的框数不多于 **
max_per_img**。
特征图可视化
MMYOLO 提供了一套完善的特征图可视化工具,可以看到特征的分布情况。
以 YOLOv8-s 为例:先下载官方权重,再用 yolov8_to_mmyolo.py 转换成 MMYOLO 格式(脚本必须放在官方仓库下才能正确运行),假设得到的权重叫 mmyolov8s.pth。
可视化 Backbone 输出的 3 个特征图:
1 | |
⚠️ 注意
为了让特征图和原图叠加时能对齐,需要先把配置里的
为了让特征图和原图叠加时能对齐,需要先把配置里的
test_pipeline 替换成下面这样。
1 | |

可以看出,不同的输出特征图层主要负责预测不同尺度的物体。
也可以可视化 Neck 层的 3 个输出特征图:
1 | |