YOLOv5解析 | 第三篇：如何改进YOLOv5？-爱惜羽毛网

YOLOv5解析 | 第三篇：如何改进YOLOv5？

大家好，析第我是篇何K同学啊！

在前面的改进文章YOLOv5解析 | 第二篇：用YOLOv5训练自己的数据集（超级详细完整版）中我们介绍了使用训练自己的数据集。

这一篇文章，析第我将带大家一起解析 YOLOv5的篇何 6.0版本结构并改进模型，先看看我们模型结构图~

由于YOLOv5存在多个版本，改进所以你在网上可能会看到许多不同版本是析第网络结构图。（这里放的篇何是最新的YOLOv5的 6.0版本结构图）

文章目录

- 一、YOLOv5的改进结构文件
- 二、如何修改网络结构
- - 1. 修改yolov5s.yaml文件
  - 2. 修改common.py文件
  - 3. 修改yolo.py文件

一、析第YOLOv5的篇何结构文件

我们如何找到YOLOv5的结构文件？

文件定位：…/models/***.yaml

你将会看到YOLOv5又分为YOLOv5l、YOLOv5m、改进YOLOv5n、析第YOLOv5s、篇何YOLOv5x五个版本，改进这五个版本唯一的区别是网络深度（depth_multiple）与宽度（width_multiple）不一样，这里先不展开，你只需要知道这几个家伙都是YOLOv5只是有细微区别即可。下文我将以YOLOv5s为模板展开介绍。

# YOLOv5 🚀 by Ultralytics, GPL-3.0 license# Parametersnc: 80  # number of classesdepth_multiple: 0.33  # model depth multiplewidth_multiple: 0.50  # layer channel multipleanchors:  - [10,13, 16,30, 33,23]  # P3/8  - [30,61, 62,45, 59,119]  # P4/16  - [116,90, 156,198, 373,326]  # P5/32# YOLOv5 v6.0 backbonebackbone:  # [from, number, module, args]  [[-1, 1, Conv, [64, 6, 2, 2]],  # 0-P1/2   [-1, 1, Conv, [128, 3, 2]],  # 1-P2/4   [-1, 3, C3, [128]],   [-1, 1, Conv, [256, 3, 2]],  # 3-P3/8   [-1, 6, C3, [256]],   [-1, 1, Conv, [512, 3, 2]],  # 5-P4/16   [-1, 9, C3, [512]],   [-1, 1, Conv, [1024, 3, 2]],  # 7-P5/32   [-1, 3, C3, [1024]],   [-1, 1, SPPF, [1024, 5]],  # 9  ]# YOLOv5 v6.0 headhead:  [[-1, 1, Conv, [512, 1, 1]],   [-1, 1, nn.Upsample, [None, 2, 'nearest']],   [[-1, 6], 1, Concat, [1]],  # cat backbone P4   [-1, 3, C3, [512, False]],  # 13   [-1, 1, Conv, [256, 1, 1]],   [-1, 1, nn.Upsample, [None, 2, 'nearest']],   [[-1, 4], 1, Concat, [1]],  # cat backbone P3   [-1, 3, C3, [256, False]],  # 17 (P3/8-small)   [-1, 1, Conv, [256, 3, 2]],   [[-1, 14], 1, Concat, [1]],  # cat head P4   [-1, 3, C3, [512, False]],  # 20 (P4/16-medium)   [-1, 1, Conv, [512, 3, 2]],   [[-1, 10], 1, Concat, [1]],  # cat head P5   [-1, 3, C3, [1024, False]],  # 23 (P5/32-large)   [[17, 20, 23], 1, Detect, [nc, anchors]],  # Detect(P3, P4, P5)  ]