YOLOv5主干网络思维导图

YOLOv5（You Only Look Once version 5）是一种流行的实时目标检测算法，其核心思想是快速地定位并识别图像中的物体。YOLOv5的主干网络通常基于一种称为“SPPNet”的思路，它结合了特征金字塔网络（Feature Pyramid Network, FPN）和全卷积网络（Convolutional Neural Networks, CNNs），尤其是ResNet、Darknet53等深度神经网络结构。

以下是YOLOv5主干网络的简化思维导图：

1. **输入层** - 接受原始图像数据。
2. **基础网络** - Darknet53或类似架构，用于提取低级和高级特征。
- **残差块 (Residual Blocks)** - 深度学习的基础单元，通过跳跃连接加速训练过程。
- **小批量归一化 (Batch Normalization) 和激活函数 (ReLU)**
3. **特征金字塔** - 通过空间下采样构建特征金字塔，不同层处理不同尺度的对象检测。
4. **特征融合** - SPPBlock（空间金字塔池化）将来自不同层的特征进行融合，保持对大物体和小物体的敏感性。
5. **预测层** - 分别为中心点回归（Box Center）、宽高比（Box Width and Height Ratio）以及置信度（Confidence Score）的预测。
6. **非极大抑制 (Non-Maximum Suppression, NMS)** - 后处理阶段去除重叠的检测框，得到最终的物体位置和类别信息。