YOLOv5共有5个版本的网络模型及其权重文件，即（n,s,m,l,x）。
（下图来自github上yolov5官方开源项目的性能截图）

其中n,s,m,l,x网络模型结构如出一辙，差异在参数上。另外的n6,s6,m6,l6,x6模型是对于更大分辨率图片检测。

网络结构

该网络结构图来自CSDN博主：江大白。此处引用，仅供学习记录使用。

此图为$YOLOv5s$的网络模型架构。

Backbone

CSP-Darknet53

Neck

SPPF + CSP-PAN

Head

YOLOv3 Head
输出三种大小的特征预测，如分别是$(76,76,255),(38,38,255),(19,19,255)$，不同版本不一致。

---

重点解析

边界框优化
在YOLOv4的基础上，将$b_w=p_w\ast e^{t_w}$与$b_h=p_h\ast e^{t_h}$换成$b_w=p_w\ast (2\ast \sigma (e^{t_w}){)}^2$与$b_h=p_h\ast (2\ast \sigma (e^{t_h}){)}^2$.
使用$\sigma$函数旨在限制$t_w$与$t_h$的值域，避免出现Nan的情况发生。

数据增强
数据增强方式有mosaic、HSV色域变换、旋转、缩放、翻转、平移、剪切等

真实框与Anchor匹配

$$\begin{array}{rl}{r}_w& =\frac{w_{gt}}{w_{at}}\\ r_h& =\frac{h_{gt}}{h_{at}}\\ r_w^{max}& =max(r_w,\frac{1}{r_w})\\ r_h^{max}& =max(r_h,\frac{1}{r_h})\\ r_w^{max}& =max(r_w^{max},r_h^{max})\end{array}$$
其中$w_{gt}$为真实框的宽度，$w_{at}$为anchor的宽度，$h_{gt}$为真实框的高度，$h_{at}$为anchor的高度。

$(3)(4)$两式子用于衡量真实框与anchor差异大小，如果两者框的差异最小或两个框最相近，那么$r_h^{max}$和$r_w^{max}$为1.最后$(5)$中，获取框在高、宽上的最大差异值。这个差异值会与给定的阈值进行比较，如果满足阈值条件则认为匹配成功，否则失败。该原理与之前的使用IOU匹配原理类似。

损失函数（v6.0及以后版本）
损失=边界框定位损失+目标分类损失+CIoU损失（置信度损失）
$$Loss={\lambda }_1{L}_{loc}+{\lambda }_2{L}_{cls}+{\lambda }_3{L}_{ciou}$$
也即
参数K为特征图数量，$S^2$为grid cell数量，$B$为anchor数量。

其中为了平衡不同尺度的损失（在coco数据集上），对于三个预测特征层 { P 3 ( 小目标，如 76 ∗ 76 ) , P 4 ( 中等目标，如 38 ∗ 38 ) , P 5 ( 大目标，如 19 ∗ 19 ) } \{P_3(小目标，如76*76),P_4(中等目标，如38*38),P_5(大目标，如19*19)\} {P3​(小目标，如76∗76),P4​(中等目标，如38∗38),P5​(大目标，如19∗19)}上的目标CIOU损失采用不同的权重：$$Los{s}_{ciou}=4\ast L_{ciou}^{small}+L_{ciou}^{medium}+0.4\ast L_{ciou}^{large}$$
损失函数中， 为了提高对小目标的精准度，提高了小目标预测的损失。