yolov5骨干网络介绍

YOLOv5的骨干网络是指模型中负责提取特征的主干网络部分。在YOLOv5中，骨干网络采用的是CSPDarknet53，它是一种基于Darknet53的改进版本。

CSPDarknet53是由CSP（Cross Stage Partial）模块和Darknet53组成的。CSP模块是一种跨阶段部分连接模块，它可以有效地减少参数量和计算量，并提高模型的性能。Darknet53是一种经典的卷积神经网络结构，由卷积层、残差块和最大池化层组成，用于提取图像的特征。

CSPDarknet53的网络结构如下所示：

CSPDarknet53(
  (stem): Focus(
    (conv): Conv(
      (conv): Conv2d(3, 32, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1), bias=False)
      (bn): BatchNorm2d(32, eps=0.001, momentum=0.03, affine=True, track_running_stats=True)
      (act): SiLU(inplace=True)
    )
  )
  (stage1): Sequential(
    (0): C3(
      (cv1): Conv(
        (conv): Conv2d(32, 64, kernel_size=(1, 1), stride=(1, 1), bias=False)
        (bn): BatchNorm2d(64, eps=0.001, momentum=0.03, affine=True, track_running_stats=True)
        (act): SiLU(inplace=True)
      )
      (cv2): Conv(
        (conv): Conv2d(32, 64, kernel_size=(1, 1), stride=(1, 1), bias=False)
        (bn): BatchNorm2d(64, eps=0.001, momentum=0.03, affine=True, track_running_stats=True)
        (act): SiLU(inplace=True)
      )
      (cv3): Conv(
        (conv): Conv2d(128, 64, kernel_size=(1, 1), stride=(1, 1), bias=False)
        (bn): BatchNorm2d(64, eps=0.001, momentum=0.03, affine=True, track_running_stats=True)
        (act): SiLU(inplace=True)
      )
    )
    ...
  )
  (stage2): Sequential(
    ...
  )
  ...
)

以上是CSPDarknet53的网络结构示意图，其中包含了多个C3模块和SPP模块，用于提取不同尺度的特征。C3模块是一种残差块，由一系列卷积层和批归一化层组成。SPP模块是空间金字塔池化模块，用于捕捉不同尺度的上下文信息。

通过CSPDarknet53的骨干网络，YOLOv5可以有效地提取图像的特征，并用于目标检测任务。