深度学习入门小菜鸟，希望像做笔记记录自己学的东西，也希望能帮助到同样入门的人，更希望大佬们帮忙纠错啦~侵权立删。
这一篇文章属于是对YOLOv5系列的一个整理汇总。
目录
一、整体网络结构图以及总括介绍
网络结构图如下图所示：
（其中CBL的标注都是有关输出的）
YOLOv5网络结构分为3个部分，Backbone（主干部分），Neck和Head。
Backbone作用：特征提取
Neck作用：对特征进行一波混合与组合，并且把这些特征传递给预测层
Head作用：进行最终的预测输出
二、Backbone
Backbone主要由Focus，CBL，BottleneckCSP（/C3）以及SPP等组成。
🌳Focus作用：进行一个下采样，并且减少计算量加快网络速度。
🌳CBL作用：（就是我们常说的卷积啦，虽然这里的卷积不是直接意义上的nn.Conv2d。）获取特征。
有关Focus和CBL的分析可以康康博主之前写的博客
YOLOv5中的Focus层详解_tt丫的博客-CSDN博客
🌳BottleneckCSP（/C3）作用：残差结构，学习更多的特征。
有关BottleneckCSP（/C3）的分析可以康康博主之前写的博客
🌳SPP作用：空间金字塔池化，将前面得到的任意大小的特征图转换成固定大小的特征向量。
有关SPP的分析可以康康博主之前写的博客
三、Neck
Neck说白了就是FPN+PAN结构的设计。
四、Head
我理解的Head就是输出端。如果单从网络结构上来说的话，他就是对Neck出来的3个输出分别进行卷积操作。然而Head的主要部分在于它的输出推理及处理。具体的可以看博主之前的文章，里面有关于损失函数，NMS以及源码的解析。
欢迎大家在评论区批评指正，谢谢大家~
版权声明：本文为博主tt丫原创文章，版权归属原作者，如果侵权，请联系我们删除！
原文链接：https://blog.csdn.net/weixin_55073640/article/details/122643715
