目錄

一、YOLOv5核心原理

1. 單階段檢測范式

2. 關鍵技術特性

二、YOLOv5網絡架構組成

1.?Backbone：CSPDarknet53

2.?Neck：PANet（Path Aggregation Network）

3.?Head：檢測頭

三、YOLOv5網絡架構細節

1. 整體架構圖

2. 關鍵模塊參數

四、YOLOv5的創新優化

1. 自適應訓練機制

2. 損失函數設計

3. 輕量化改進（YOLOv5s與YOLOv5x對比）

五、YOLOv5應用場景

總結

手勢識別實戰

---

一、YOLOv5核心原理

1. 單階段檢測范式

• 回歸式檢測：將目標檢測轉化為單次前向傳播的回歸問題，直接預測邊界框坐標和類別概率。

• 網格劃分策略：輸入圖像被劃分為S×S網格，每個網格單元負責預測中心點落在該區域的目標。

• 多尺度預測：通過不同層級的特征圖預測不同尺寸的目標（大目標用深層特征，小目標用淺層特征）。

2. 關鍵技術特性

技術要點	作用描述
自適應錨框	根據訓練數據自動計算最佳錨框尺寸（K-means++改進算法）
動態損失平衡	通過調整分類、置信度、坐標回歸的損失權重（如CIoU Loss優化）
數據增強策略	Mosaic增強、MixUp、HSV隨機調整等提升模型泛化能力
自適應分辨率	支持動態調整輸入圖像尺寸（如640×640或自定義尺寸）

---

二、YOLOv5網絡架構組成

YOLOv5網絡由Backbone（主干網絡）、Neck（特征融合層）和Head（檢測頭）三部分組成：

1.?Backbone：CSPDarknet53

• CSP結構（Cross Stage Partial Network）

• 優勢：通過分割-處理-合并策略，減少計算量約20%并增強梯度多樣性。

# CSP結構示例（YOLOv5中的BottleneckCSP模塊）
class BottleneckCSP(nn.Module):def __init__(self, c1, c2, n=1, shortcut=True, g=1, e=0.5):super().__init__()c_ = int(c2 * e)  # 中間通道數self.cv1 = Conv(c1, c_, 1, 1)  # 1x1卷積降維self.cv2 = nn.Conv2d(c1, c_, 1, 1, bias=False)self.cv3 = nn.Conv2d(c_, c_, 1, 1, bias=False)self.cv4 = Conv(2 * c_, c2, 1, 1)self.bn = nn.BatchNorm2d(2 * c_)self.act = nn.SiLU()self.m = nn.Sequential(*[Bottleneck(c_, c_, shortcut, g, e=1.0) for _ in range(n)])def forward(self, x):y1 = self.cv3(self.m(self.cv1(x)))  # 分支1：卷積→Bottleneck堆疊y2 = self.cv2(x)                    # 分支2：直連return self.cv4(self.act(self.bn(torch.cat((y1, y2), dim=1))))

• Focus模塊（輸入切片處理）
• 作用：將輸入圖像相鄰像素切片重組，替代傳統卷積下采樣，保留更多細節信息。

class Focus(nn.Module):def __init__(self, c1, c2, k=1, s=1, p=None, g=1, act=True):super().__init__()self.conv = Conv(c1 * 4, c2, k, s, p, g, act)  # 通道數擴展4倍def forward(self, x):# 切片操作：將空間維度信息轉為通道維度return self.conv(torch.cat([x[..., ::2, ::2], x[..., 1::2, ::2], x[..., ::2, 1::2], x[..., 1::2, 1::2]], 1))

2.?Neck：PANet（Path Aggregation Network）

• 特征金字塔結構：

  • FPN（自頂向下）：深層特征上采樣并與淺層特征融合，增強語義信息。

  • PAN（自底向上）：淺層特征下采樣并與深層特征融合，補充定位細節。

# YOLOv5中的PANet實現（包含Concat和C3模塊）
class PANet(nn.Module):def __init__(self, c1, c2):super().__init__()self.up = nn.Upsample(scale_factor=2, mode='nearest')self.c3_1 = C3(c1*2, c2, n=3, shortcut=False)self.c3_2 = C3(c2*2, c2, n=3, shortcut=False)def forward(self, x1, x2, x3):# 自頂向下（FPN）p3 = x3p3_up = self.up(p3)p2 = torch.cat([p3_up, x2], 1)p2 = self.c3_1(p2)# 自底向上（PAN）p2_up = self.up(p2)p1 = torch.cat([p2_up, x1], 1)p1 = self.c3_2(p1)return p1, p2, p3

3.?Head：檢測頭

• 多尺度預測：輸出三個尺度的特征圖（如80×80、40×40、20×20），分別對應小、中、大目標。

• 預測張量結構：

# 輸出shape：[batch_size, anchors_per_scale, grid_h, grid_w, 5 + num_classes]
# 5 = tx, ty, tw, th, confidence

• 解碼過程：

def decode_box(pred, anchors, strides):# pred: [..., 4] 對應tx, ty, tw, thgrid_x = torch.arange(pred.shape[2]).repeat(pred.shape[3], 1).view(1, 1, pred.shape[2], pred.shape[3])grid_y = grid_x.permute(0, 1, 3, 2)pred[..., 0] = (torch.sigmoid(pred[..., 0]) * 2 - 0.5 + grid_x) * strides  # cxpred[..., 1] = (torch.sigmoid(pred[..., 1]) * 2 - 0.5 + grid_y) * strides  # cypred[..., 2:4] = (torch.sigmoid(pred[..., 2:4]) * 2) ** 2 * anchors  # w, hreturn pred

---

三、YOLOv5網絡架構細節

1. 整體架構圖

Input (640x640x3)
│
├── Focus [3→32]       # 切片下采樣
├── Conv [32→64]
├── C3 [64→64]
├── Conv [64→128]
├── C3 [128→128] ×3
├── Conv [128→256]
├── C3 [256→256] ×3
├── Conv [256→512]
├── SPP [512→512]      # 空間金字塔池化
├── C3 [512→512] ×3
│
├── PANet開始
│   ├── UpSample → Concat → C3 [512→256]
│   ├── UpSample → Concat → C3 [256→128]
│   ├── DownSample → Concat → C3 [128→256]
│   └── DownSample → Concat → C3 [256→512]
│
└── Detect Head [3個尺度輸出]

2. 關鍵模塊參數

模塊類型	參數配置示例	作用說明
Conv	kernel=6x6, stride=2, pad=2	下采樣（替代池化）
C3	包含3個Bottleneck	跨階段特征融合
SPP	池化核[5,9,13]	多尺度感受野融合
Upsample	scale_factor=2	特征圖放大（最近鄰插值）

---

四、YOLOv5的創新優化

1. 自適應訓練機制

• 自適應錨框計算：訓練初期自動計算最優錨框尺寸（--autoanchor參數）。

• 自適應圖像縮放：保持原始圖像寬高比進行填充，減少無效計算（letterbox）。

2. 損失函數設計

• CIoU Loss：綜合中心點距離、寬高比、重疊率的損失計算：

• 

3. 輕量化改進（YOLOv5s與YOLOv5x對比）

模型版本	參數量（M）	GFLOPs	適用場景
YOLOv5s	7.2	16.5	移動端/嵌入式設備
YOLOv5m	21.2	49.0	平衡速度與精度
YOLOv5l	46.5	109.1	服務器端高性能檢測
YOLOv5x	86.7	205.7	極致精度需求場景

---

五、YOLOv5應用場景

1. 工業質檢：快速檢測產品缺陷（PCB板、零部件）。

2. 自動駕駛：實時車輛、行人、交通標志識別。

3. 安防監控：人體姿態、異常行為檢測。

4. 遙感圖像：大尺度場景下的目標識別（建筑物、農田）。

---

總結

YOLOv5通過CSPDarknet主干網絡、PANet特征融合和多尺度檢測頭，在保持實時性的同時提升了檢測精度。其核心創新在于：

• 工程優化：自適應錨框、動態損失平衡、高效數據增強。

• 架構改進：Focus模塊減少計算量，C3結構增強特征復用。

• 靈活性：提供多種模型尺寸（s/m/l/x）適應不同硬件需求。

手勢識別實戰

1. 用git把yolov5從GitHub上下載到本地
2. 把數據集劃分為train1598:test457:val228=7:2:1,并放在dataset文件夾里
3. 劃分參考
4. val沒有參與狹義的模型訓練過程（權重更新），但是它參與了模型評測，以此來選擇（不同超參數、不同epoch）最好的模型，就相當于參與了廣義的模型訓練了。
5. 數據集結構為

6. datasettrainimageslabelstestval

7. 把data/coco.yaml復制并改為gesture.yaml
8. 把內容改為

9. # Train/val/test sets as 1) dir: path/to/imgs, 2) file: path/to/imgs.txt, or 3) list: [path/to/imgs1, path/to/imgs2, ..]# dataset root dir
   train: ../dataset_split/train/images  # train images (relative to 'path') 128 images
   val: ../dataset_split/val/images  # val images (relative to 'path') 128 images
   test: ../dataset_split/test/images # test images (optional)# Classes
   names:0: 000-one1: 001-five2: 002-fist3: 003-ok4: 004-heartSingle5: 005-yearh6: 006-three7: 007-four8: 008-six9: 009-Iloveyou10: 010-gun11: 011-thumbUp12: 012-nine13: 013-pink
   

10. 把models/yolov5s.yaml里面的80換成14：nc: 14 # number of classes
11. 把train.py里面找到下圖代碼并改為下圖，其他的先不用動
12. 
13. 把整個文件壓縮
14. 登錄autodl賬號，開個小小的GPU,點進去后再建立一個文件夾yolov5
15. 上傳你的zip
16. 解壓縮，打開終端，
17. cd autodl-temp
18. cd yolov5
19. unzip yasuobao(不用加后綴.zip）
20. 配環境pip install -r requirments.txt
21. 終端輸入python train.py就可以了

訓練完后報錯AttributeError: module 'PIL.Image' has no attribute 'ANTIALIAS'

解決方法

訓練了100輪

在目標檢測任務中，損失函數是評估模型預測準確性的關鍵指標。Box Loss、Cls Loss?和?DFL Loss?是三種常用的損失函數，它們分別針對不同的預測誤差進行優化。

Box Loss（邊界框損失）主要用于計算預測邊界框與真實邊界框之間的差異。常見的計算方法包括?Mean Squared Error（均方誤差）和?Smooth L1 Loss（平滑L1損失）。這種損失函數通過最小化預測框與真實框之間的差異，幫助模型更準確地定位目標。

Cls Loss（分類損失）?用于計算預測類別與真實類別之間的差異。這通常通過?交叉熵損失（Cross-Entropy Loss）來實現。分類損失的優化有助于提高模型對目標類別的識別準確性。

DFL Loss（自由形變損失）或稱為?Distribution Focal Loss，是一種用于處理類別不平衡問題的損失函數。它類似于?Focal Loss，但引入了類別分布信息，從而更有效地處理不同類別樣本數量差異較大的情況。

當這三個損失函數的值上升而不下降時，可能表明模型出現了過擬合。

obj_loss（目標置信度損失）是衡量模型預測邊界框覆蓋對象程度的一個重要指標。衡量目標檢測對圖像中是否存在目標進行判斷的準確程度。當obj_loss較低時，表示模型能夠正確識別出圖像中的目標。

val.py就是用來測試的，原來在train.py里面默認是輸入val，所以得出來的也是val_loss

但是現在要測試，所以要把里面參數部分默認的val改為test，然后再運行