前言

這個項目是github的開源項目，YOLOV5：https://github.com/ultralytics/yolov5，目前已經有14.1k個Star 和 4.9k 個Folk了，非常的火。下面我會給大家逐個的文件介紹這個項目中的所有代碼，希望能幫到大家。

原本我下的2021年4月12日更新的v5.0版本，整個項目我做了一點點的文件位置的改變，也加了點自己在其他論文中學到的tricks。不過由于yolov5這個版本迭代的速度非常快，我這個代碼也并不是和官網下載v5.0的那個版本就一模一樣，而且我也參考了一些后面的版本代碼，還是稍微改動了一些的，不過總體來說還是差不了太多的。下面我會按文件逐個函數的進行攻破，因為我本人也還是研一，肯定會有很多的不足，希望大家指正！！！

現在是2021-07-23，目標是在一個月內寫完，也就是最遲2021-8-23日更完整個項目的所有的代碼。

拖幾天，還有3個文件！！！

寫完了，斷斷續續寫了35天，主要是最近比較忙，好在沒拖到開學。希望對大家有些幫助！

注釋版全部項目文件已上傳至GitHub: yolov5-5.x-annotations.

---

有幾個想法（最近找工作中，所以需要擱淺一段時間，后面會補上這個坑）

想在yolov5的基礎上加一個分支進行分割任務

yolov5 + Circular Smooth Label -> 旋轉目標檢測

yolov5剪枝輕量化

已實現：

YOLOv5 Head解耦： 【YOLOv5 Head解耦】

yolov5+shufflenetv2輕量化【項目二、蜂巢檢測項目】二、模型改進：YOLOv5s-ShuffleNetV2

---

一、導航

YOLOV5-U

• data

  • hyp.scratch.yaml
  • coco128.yaml

• models

  • activations.py
  • common.py
  • experimental.py
  • yolo.py
  • export.py
  • yolov5s.yaml

• utils

  • autoanchor.py
  • datasets.py
  • general.py
  • google_utils.py
  • loss.py
  • metrics.py
  • plots.py
  • torch_utils.py

• train.py

• val(test).py

• detect.py

二、尚存在的問題

AWS Inferentia？

不是很清楚這其中的原理 AWS Inferentia 和 正常的推理公式有什么區別？

更新：亞馬遜的一個部署推理使用, 和整體的模型算法關系不大，一般用不太到，不用太關注。

non_max_suppression中的autolabelling是什么？這樣子作不就導致最終mAP過高了嗎？為什么這么做？

更新：已解決，在general.py的non_max_suppression函數中有詳細解釋！！！

計算損失函數置信度損失這一步時為什么要對置信度進行排序？？？排不排序效果不是一樣的嗎？

更新：已解決，在loss.py的ComputeLoss類中已經解釋清楚！

Reference

Github: https://github.com/ultralytics/yolov5.

Github: https://github.com/Laughing-q/yolov5_annotations.

BiliBili: yolov5講解.

BiliBili 霹靂吧啦Wz: yolov3講解.

BiliBili 人工智能打游戲系列課程1：基于深度學習的目標檢測算法: yolov3講解.

CSDN Laughing-q: YOLOV5講解.

CSDN 幻靈H_Ling: YOLOv5源代碼導讀.

CSDN 昌山小屋: YOLOV5講解.

CSDN 恩澤君: (yolo v3)使用自己數據集k-means聚類產生的anchor效果反而變差解決方法.

CSDN TheOldManAndTheSea: 目標檢測 YOLOv5 - Sample Assignment.

CSDN 菊頭蝙蝠: yolov5–loss.py --v5.0版本-最新代碼詳細解釋-2021-7-1更新.

CSDN 外交官的后花園: YOLO-V3-SPP 訓練時正樣本篩選源碼解析之build_targets.

CSDN guikunchen: yolov5 代碼解讀 損失函數 loss.py.

CSDN 迷途小書童的Note: YOLOv5的flask部署.

CSDN RainbowSun1102: yolov5代碼閱讀筆記.

CSDN Activewaste: 【干貨】用tensorRT加速yolov5全記錄，包含加速前后的數據對比.

CSDN DEEPFELLOW: YOLOv5模型剪枝壓縮.

CSDN cv君: 【深入YoloV5（開源）】基于YoloV5的模型優化技術與使用OpenVINO推理實現.

CSDN aabbcccddd01: YOLOv5模型網絡結構簡單理解及詳解anchor設置.

CSDN 技術挖掘者: YOLOv5算法詳解.

CSDN 那年當上博士前: 細數YOLOv5在使用過程中自己改動的部分.

CSDN 啥都會一點的老程: 一點就分享系列（實踐篇3-上篇）— 修改YOLOV5 之”魔刀小試“+ Trick心得分享+V5精髓部分源碼解讀.

CSDN 一只歪脖子程序猿: YOLOv5 Android(完結).

CSDN 是否龍磊磊真的一無所有: 目標檢測計算mAP，AP，Recall，Precision的計算方式和代碼(YOLO和FastRCNN等).

CSDN YY_172: pytorch中加入注意力機制（CBAM），以yolov5為例).

CSDN 菊頭蝙蝠: yolov5–v5.0版本(最新)代碼解析導航.

CSDN 暮丶涼: YOLOV5源碼解讀（數據集加載和增強）.

CSDN wa1tzy: YOLOv5系列（2）——YOLOv5導出jit，onnx，engine.

CSDN DLANDML: yolo5的改進策略.

CSDN 昌山小屋: 【玩轉yolov5】請看代碼之自動anchor計算.

CSDN Liaojiajia-2020: 自用代碼 | YOLOv5 特征圖可視化代碼.

CSDN Liaojiajia-2020: 自用代碼 | 用Python對視頻進行幀切割和幀合并.

CSDN Liaojiajia-2020: YOLOv5代碼詳解（train.py部分）.

CSDN TheOldManAndTheSea: 目標檢測 YOLOv5 自定義網絡結構.

CSDN 吸歐大王: yolov5深度剖析+源碼debug級講解系列（三）yolov5 head源碼解析.

CSDN 昌山小屋: 【玩轉yolov5】之anchor匹配策略(build_targets)分析(1).

CSDN BIT可達鴨: 在WEB端部署YOLOv5目標檢測（Flask+VUE）.

CSDN xingzeng307: YOLOv5結合BiFPN.

CSDN DEEPFELLOW: YOLOv5模型剪枝壓縮(2)-YOLOv5模型簡介和剪枝層選擇.

CSDN Charles.zhang: YOLOv5代碼詳解（common.py部分）.

CSDN a_cheng_: YOLOV5訓練自己的數據集（踩坑經驗之談）.

CSDN Liaojiajia-2020: YOLOv5代碼詳解（yolov5l.yaml部分）.

CSDN \lambda: YOLOv5s網絡結構詳解.

總結

以上是生活随笔為你收集整理的【YOLOV5-5.x 源码讲解】整体项目文件导航的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。