一些关于Yolov5的改进点及实验结果(新增YOLOv5网络结构图)

项目地址：Yolov5_Magic
分享一些改进YOLOv5的技巧，不同的数据集效果肯定是不同的，有算力的话还是要多尝试

有关代码怎么使用，大家可以去看我的博文，或者官方的文档，我在这统一做一个汇总

1. 手把手带你调参Yolo v5 (v6.2)（推理）🌟强烈推荐
2. 手把手带你调参Yolo v5 (v6.2)（训练）🚀
3. 手把手带你调参Yolo v5 (v6.2)（验证）
4. 如何快速使用自己的数据集训练Yolov5模型
5. 手把手带你Yolov5 (v6.2)添加注意力机制(一)（并附上30多种顶会Attention原理图）🌟强烈推荐🍀新增8种
6. 手把手带你Yolov5 (v6.2)添加注意力机制(二)（在C3模块中加入注意力机制）
7. Yolov5如何更换激活函数？
8. Yolov5如何更换BiFPN?
9. Yolov5 (v6.2)数据增强方式解析
10. Yolov5更换上采样方式( 最近邻 / 双线性 / 双立方 / 三线性 / 转置卷积)
11. Yolov5如何更换EIOU / alpha IOU / SIoU？
12. Yolov5更换主干网络之《旷视轻量化卷积神经网络ShuffleNetv2》
13. YOLOv5应用轻量级通用上采样算子CARAFE
14. 空间金字塔池化改进 SPP / SPPF / SimSPPF / ASPP / RFB / SPPCSPC / SPPFCSPC🚀
15. 用于低分辨率图像和小物体的模块SPD-Conv
16. GSConv+Slim-neck 减轻模型的复杂度同时提升精度🍀
17. 头部解耦 | 将YOLOX解耦头添加到YOLOv5 | 涨点杀器🍀
18. Stand-Alone Self-Attention | 搭建纯注意力FPN+PAN结构🍀
19. YOLOv5模型剪枝实战🚀
20. YOLOv5知识蒸馏实战🚀
21. YOLOv7知识蒸馏实战🚀

参数量与计算量（以yolov5s为baseline）

注意力：
Model参数量(parameters)计算量(GFLOPs)主干加单层SE726815716.6主干加单层CBAM726825516.6主干加单层ECA723539216.5主干加单层CA7261037\主干所有C3的BottleNeck中加（第一版本）\主干所有C3中加单层（第二版本）\。。。。。。。。。
SPP结构：
Model参数量(parameters)计算量(GFLOPs)SPP722588516.5SPPF723538916.5ASPP1548572523.1BasicRFB789542117.1SPPCSPC1366354921.7SPPCSPC_group835513317.4
Others：
Model参数量(parameters)计算量(GFLOPs)TransposeConv upsampling724191716.6InceptionConv723359716.2BiFPN738400617.2ShuffleNetv238441938.1CARAFE736944517.0

实验结果（仅供参考）
Modelepochfreezemulti_scalemAP 0.5Parameters(M)GFLOPsYolov5s3000false0.953NanNanYolov5s1208false0.936NanNanYolov5s_SE1207false0.874NanNanYolov5s_ECA2007false0.937NanNanYolov5s_CBAM2007true0.882NanNanYolov5s_BiFPN2007false0.935NanNanYolov5s_BiFPN_ECA2000false0.951NanNan

项目所用的配置文件我都放在我的Github了，项目地址：Yolov5_Magic

还有一些其他tircks的实验结果我正在整理中，后续我会更新在Github的