以下是这些 YOLO 系列配置文件的详细解析，按版本和功能分类说明：

---

一、YOLOv3 系列

文件名	核心特性	适用场景
yolov3.yaml	原始 YOLOv3 结构，3 尺度预测（13x13,26x26,52x52）	通用目标检测
yolov3-spp.yaml	增加 SPP（空间金字塔池化）模块，提升感受野	大目标检测（如遥感图像）
yolov3-tiny.yaml	轻量化版本，仅保留 2 个预测层，通道数减半	边缘设备实时检测

---

二、YOLOv5 基础系列

按模型大小分类（参数量递增）：

文件名	模型规模	参数量（M）	FLOPs（G）	特点
yolov5n6.yaml	Nano	1.9	4.5	最小模型，适合移动端
yolov5s6.yaml	Small	7.2	16.5	平衡速度与精度
yolov5m6.yaml	Medium	21.2	49.0	主流选择
yolov5l6.yaml	Large	46.5	109.1	高精度场景
yolov5x6.yaml	XLarge	86.7	205.7	最大模型，需高性能GPU

注：后缀 6 表示输入分辨率为 640x640（默认 yolov5s 为 640x640，yolov5s6 强调分辨率配置）

---

三、YOLOv5 结构变体

1. 特征金字塔改进

文件名	结构特性
yolov5-fpn.yaml	使用标准 FPN（自顶向下融合）
yolov5-panet.yaml	使用 PANet（双向特征金字塔）
yolov5-bifpn.yaml	采用 BiFPN（加权双向跨尺度连接）

2. 多尺度预测增强

文件名	预测层配置	优势领域
yolov5-p2.yaml	2 层预测（P3, P4）	中大型目标快速检测
yolov5-p34.yaml	3 层预测（P3, P4, P5）	通用场景
yolov5-p6.yaml	4 层预测（P3-P6），最高层下采样64倍	极小目标检测（如无人机）
yolov5-p7.yaml	5 层预测（P3-P7），支持 1280x1280 输入	超高清图像分析

3. 模块替换优化

文件名	关键技术	作用
yolov5s-ghost.yaml	使用 Ghost 模块替代常规卷积	减少 30% 计算量
yolov5s-LeakyReLU.yaml	激活函数替换为 LeakyReLU（原版为 SiLU）	兼容老旧硬件部署
yolov5s-transformer.yaml	在 Neck 部分引入 Transformer 编码器	提升复杂场景识别能力

---

四、锚点框配置

文件名	作用
anchors.yaml	定义锚点框（anchor boxes）的尺寸和比例，需根据数据集目标尺寸调整

---

五、典型场景推荐

需求	推荐配置文件	硬件要求
工业质检（小缺陷）	yolov5m6-p6.yaml	RTX 3080
移动端实时检测	yolov5n6.yaml	Jetson Nano
自动驾驶（多尺度目标）	yolov5x6-bifpn.yaml	A100 GPU
兼容 TensorRT 部署	yolov5s-LeakyReLU.yaml	支持 FP16 的嵌入式设备

---

关键参数对比示例

以输入尺寸 640x640 为例：

模型	mAP@0.5	速度（FPS）	显存占用（GB）
yolov5n6	28.9	220	1.2
yolov5s-bifpn	37.5	120	3.8
yolov5x6-p7	52.1	35	18.4

注：数据基于 COCO 2017 验证集，测试硬件为 RTX 3090。