4.5 YOLOv5

4.5 YOLOv5

本节摘要：YOLOv5 由 Ultralytics 发布，非原作者维护，主打工程化和易用。本节讲它的工程改进——让 YOLO 真正好用易部署。

本节导读

阅读完本节，你应当能够：

1. 理解 YOLOv5 的工程化定位
2. 说清多种模型尺寸
3. 知道 YOLOv5 的易用特性

概念脉络

一、YOLOv5 的定位

YOLOv5 由 Ultralytics 公司发布，非 YOLO 原作者维护，曾引发"是否算 YOLO"的争议。但它的工程化做得极好，训练部署便捷，社区活跃，成为工业界最常用的 YOLO 版本之一。

YOLOv4 和 YOLOv5 的"竞争"是 2020 年社区最热闹的话题：v4 是原作者团队（Darknet 框架），v5 是 Ultralytics（PyTorch）。两者架构理念接近，但 v5 胜在工程体验——这也是"工程化能力是生产力"的典型案例。

二、PyTorch 实现

YOLOv4 用 Darknet 框架（C），YOLOv5 完全基于 PyTorch，方便研究和部署，生态友好。

PyTorch 让 YOLOv5 的学习曲线和集成成本大幅下降：可以用熟悉的 nn.Module 改结构、用 torch.jit/onnx 导出、用 HuggingFace 生态加载权重。Darknet 的 C 代码性能好但二次开发门槛高，v5 用"性能略降、易用性大涨"换来了社区繁荣。

三、多种模型尺寸

图 4-5 YOLOv5 模型尺寸

YOLOv5 提供 5 种尺寸：

按场景选：边缘用 n/s，服务器用 m/l/x。同系列不同尺寸共享大部分超参，可以从 s 调好数据后按比例放大到 m/l/x，省去重复调参。

四、工程化特性

五、架构细节

• Focus 层：输入切片，高宽转通道，减少计算
• CSP 结构：Backbone 和 Neck 都用 CSP
• SPPF：SPP 的快速版，串接池化加速
• PANet：特征融合（同 v4）

# SPPF：串接 3 个 5x5 池化，等价 5/9/13 感受野，但计算量小得多
def sppf(x, k=5):
    y1 = F.max_pool2d(x, k, stride=1, padding=k // 2)
    y2 = F.max_pool2d(y1, k, stride=1, padding=k // 2)
    y3 = F.max_pool2d(y2, k, stride=1, padding=k // 2)
    return torch.cat([x, y1, y2, y3], dim=1)
​

SPPF 是 SPP 的工程优化：三个 5x5 池化串接，等价于 5x5、9x9、13x13 三个并行池化，但计算量约为原来的三分之一。这类"等价但更快"的小优化，是 YOLOv5 工程风格的代表。

六、数据增强

YOLOv5 内置丰富增强：

• Mosaic（最后 15 epoch 关闭）
• HSV 色彩扰动
• 随机翻转、缩放、平移
• MixUp（可选）

七、易用性

# 训练
model = torch.hub.load('ultralytics/yolov5', 'yolov5s', pretrained=True)
# 推理
results = model('bus.jpg')
results.pandas().xyxy[0]  # 输出 x1,y1,x2,y2,conf,class
​

# 自定义数据训练只需一个 yaml + 一行命令
# python train.py --data mydata.yaml --weights yolov5s.pt --img 640
​

YOLOv5 的易用性是它工业界流行的关键——从训练到部署全流程简化。数据格式用 YOLO 的 txt 标注，几十行 Python 就能把自定义数据集跑起来，配合 TensorBoard/W&B 可视化，几乎是"开箱即用"。

八、性能

性能数字说明：n 到 x 是同架构的规模缩放，mAP 从 28 到 50.7，速度从 2ms 到 14ms。选型就是在这条曲线上找"够用且最快"的点。实际部署时还可以用输入分辨率微调：同一模型 640 输入比 416 输入通常高 2~4 个点 mAP，代价是推理时间增加约一半。

九、争议与价值

YOLOv5 因非原作者维护有争议，但它的工程价值不可否认：

• 让 YOLO 真正好用易部署
• 社区活跃，持续更新
• 工业界广泛采用

争议的核心是命名权：YOLOv5 与 v4 几乎同期发布，且没有对应论文（只有仓库），"是否配叫 YOLO 的第五代"一直有争论。但社区用脚投票——易用性、文档、预训练权重、部署工具链的完整度，让大量团队选择 v5 作为生产基线。这也提醒我们：检测模型的竞争力不只在算法精度，还在周边生态。

十、工程排错要点

问：训练后小目标检测差？ 检查输入分辨率是否太低、Mosaic 是否在末期被关闭、锚点是否针对数据重新聚类。问：导出 ONNX 报错？ 检查动态尺寸设置和算子的 opset 版本，Focus 层和上采样容易出兼容问题。问：精度上不去？ 先确认数据质量（标注错位、类别不平衡），再调增强强度和训练轮数，最后才动网络结构。

⚠️ 常见误区：纠结 YOLOv5 是否"正统"。工程上好用才是关键，YOLOv5 的易用性和部署友好性让它成为工业界主流，争议不影响实用价值。

💡 关键直觉：YOLOv5 主打工程化易用：PyTorch 实现、5 种尺寸（n/s/m/l/x）、一键训练推理、多格式导出。虽非原作者维护有争议，但工业界广泛采用。

本节速览

• 定位：Ultralytics 发布，非原作者，主打工程化易用。
• PyTorch：完全 PyTorch，生态友好。
• 5 种尺寸：n（1.9M 边缘）→s（7.2M 平衡）→m→l→x（86.7M 高精度）。
• 工程特性：AutoAnchor、超参进化、一键训练、多格式导出（ONNX/TensorRT）、YAML 配置。
• 架构：Focus 切片、CSP、SPPF、PANet。
• 增强：Mosaic（末期关闭）+HSV+翻转+MixUp。
• 性能：s 37.4 mAP/5.3ms，x 50.7 mAP/14.1ms。
• 价值：好用易部署，工业界主流，争议不影响实用。

下一节看 YOLOv6/v7/v8 最新进展。