代碼基于yolov5 v6.0
目錄：
- yolo源碼注釋1——文件結構
- yolo源碼注釋2——數據集配置文件
- yolo源碼注釋3——模型配置文件
- yolo源碼注釋4——yolo-py
- datasets # 用于存放數據集的默認文件夾
- yolov5
- data # 模型訓練的超參數配置文件以及數據集配置文件
- hyps # 存放超參數配置文件（yaml格式）
- hyp.scratch-high.yaml：適用于較大的模型結構，如 yolol
- hyp.scratch-low.yaml：適用于較小的模型結構，如 yolos
- hyp.scratch-med.yaml：適用于中等模型結構，如 yolom
- images # 存放了官方提供的兩張測試圖片：bus.jpg 和 zidane.jpg
- scripts # 用于下載數據集以及權重文件的shell腳本
- download_weight.sh：下載權重文件
- get_coco.sh：下載 coco 數據集
- get_coco128.sh：下載 coco128 數據集
- XXX.yaml：各種數據集的配置文件，如 coco.yaml 是 coco 數據集的配置文件
- models # 搭建模型的相關配置文件及代碼
- hub # 存放各版本網絡模型的配置文件
- anchors.yaml：coco 數據集的默認 anchor
- yolovX-XXX.yaml：模型配置文件
- common.py：用于搭建網絡的模塊，如Conv、DWConv、TransformerLayer等
- experimental.py：實驗性質的代碼，其中一些模塊是近幾年提出來的，如CrossConv、Sum等，yolov5的作者嘗試將其融合進yolov5中
- tf.py：TensorFlow版本的yolov5代碼
- yolo.py：主要用于搭建yolov5的網絡模型
- yolov5X.yaml：yolov5的模型配置文件
- runs #運行過程中產生的文件夾，每運行一次都會生成一個名為 expN 的文件夾（N代表運行次數）
- detect # 運行 detect.py 產生的圖片，圖片中標注出識別到的物體及其概率
- train # 運行 train.py 產生的文件
- weights # 權重（包括訓練出的最好權重 best.pt 以及上次訓練的權重 last.pt）
- confusion_matrix.png：混淆矩陣
- F1_curve.png：F1 score 與置信度之間的關系
- hyp.yaml：超參數記錄文件
- labels.jpg：包含四張子圖，從左上到右下分別是每個類別的個數、標注的 bbox、標注的bbox的中心點坐標熱圖、bbox的寬高熱圖
- labels_correlogram.jpg：預測框的寬高以及中心坐標熱圖
- opt.yaml：模型記錄文件
- P_curve.png：準確率與置信度之間的關系
- PR_curve.png：精準率與召回率之間的關系
- R_curve.png：精準率與置信度之間的關系
- results.csv：模型訓練過程中的指標，如損失函數、準確率等
- results.png：訓練集以及驗證集在驗證過程中的損失函數、mAP等指標的曲線
- train_bathN.jpg：訓練集圖像（帶bbox）
- val_batchN_labels.jpg：驗證集圖像（帶bbox）
- val_batchN_pred.jpg：驗證集圖像（帶預測框）
- utils # 通用的工具類函數
- aws：恢復中斷訓練相關
- docker：docker配置相關
- flash_rest_api：flask接口相關
- google_app_engine：google app相關
- loggers：日志打印（包括TensorBoard）
- activations.py：激活函數
- augmentations.py：圖像增強
- autoanchor.py：自動生成 anchor
- autobatch.py：自動生成 batch size
- benchmarks.py：評估模型的推理速度以及分析內存占用
- callbacks.py：主要是 logger 的回調函數
- datasets.py：配置 dataloader 和 datasets
- downloads.py：下載數據集
- general.py：通用函數
- loss.py：損失函數
- metrics.py：模型驗證指標
- plots.py：繪制損失函數等的曲線、bbox等
- torch_utils.py：其他一些通用函數
- detect.py：將訓練好的模型用于圖片、視頻等進行目標檢測
- export.py：導出模型
- hubconf.py：pytorch hub 相關，用于定義和管理模型的預訓練權重和配置信息
- train.py：訓練模型
- val.py：驗證模型，評估模型性能
