yolov5使用原始FPN

YOLOv5模型的Neck部分使用的是FPN+PAN结构，其中FPN是针对多尺度问题提出的。FPN结构是自上而下并且横向连接的，它利用金字塔的形式对尺度不同的特征图进行连接，将高层特征和低层特征进行融合。这种结构可以有效提高网络的特征融合能力，从而提升检测的准确性。然而，使用FPN结构会导致一个问题，即PAN结构的输入全部是FPN结构处理的特征信息，而骨干特征提取网络部分的原始特征信息存在一部分丢失。这可能导致训练学习的偏差，影响检测的准确性。因此，在YOLOv5中，为了解决这个问题，使用了原始FPN结构。\[2\]原始FPN结构是2017年提出的一种网络，主要解决物体检测中的多尺度问题。它通过简单的网络连接改变，在基本不增加原有模型计算量的情况下，大幅度提升了小物体检测的性能。\[3\]所以，YOLOv5使用原始FPN结构来提高多尺度物体检测的准确性。
#### 引用[.reference_title]
- *1* *3* [YOLO学习笔记——第三篇YOLOv3（含FPN网络解析）](https://blog.csdn.net/qq_43578237/article/details/123469128)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item]
- *2* [YOLOv5改进-引入BiFPN](https://blog.csdn.net/weixin_57130167/article/details/130463783)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item]
[ .reference_list ]