Yolov5学习笔记

YOLOv5

一、网络结构

SSPF
Q：接在backbone后面的，已经提取了大部分的网络特征，那么他是如何做到多尺度的呢？

Q：中间neck部分使用了FPN的结构吧，FPN是用来帮助识别小目标的，为什么做了上采样是帮助识别小目标呢，是因为重新恢复了特征图的细节嘛？为什么使用了上采样的FPN结构再通过PAN做下采样呢？

Q：帮助识别小目标不是在不同尺度的特征图上进行预测才有帮助吗？就是比如我在低层的接近原始图片上的特征图进行预测。

Q:这三个预测框分别预测的是什么？分别预测大、中、小三个不同尺度的目标。

1. 目标置信度（Objectness Score）
   物理意义：衡量当前锚框区域内「是否存在真实目标」，同时隐含了预测框的位置精度（与真实框的重合程度）。
2. 类别打分（Class Score）
   物理意义：在「锚框内存在目标」的前提条件下，该目标属于第 i 类的条件概率。

对应你图里 Head 部分的输出通道里同时包含了「位置参数、目标置信度、类别打分」三组数值。其中目标置信度和类别打分的核心关系是：
训练时独立监督、分开计算损失；推理时相乘得到最终的类别置信度，即：
最终某类置信度 = 目标置信度 （框内存在目标物体的概率）× 该类类别打分（在锚框中存在物体的前提下，预测框内是该类类别的概率）

最后做推理时：
最终某类置信度 = 目标置信度 × 该类类别打分
Q：预测时目标位置置信度是如何计算的呢？位置置信度不是预测和GT的IOU嘛，那么推理的时候也没有GT框