YOLOv5 采用 FPN 和 PAN的结构对特征进行多尺度融合。 下图为通过 FPN 和 PAN 对橙子图像进行多尺度特征融合,其中上层特征图因为网络层数更深,包含的橙子语义信息也就更强,而下层特征因为经过的卷积层数较少,橙子的位置信息损失就更少,FPN 结构通过自顶向下进行上采样,使得底层特征图包含更强的果蔬强语义信息;PAN...
4、以YOLOv5s-6.2版本为例进行RepGFPN的替换 上图展示了以yolov5s为基本框架RepGFPN的替换结果,并进行了结构重参数化后的GFLOPs的比较,结果显示RepGFPN的GFLOPs比原来的YOLOv5的PAN结构会大一些,可能在准确率上会有不错的表现!!! ### 5、此思想可以用在不同的目标检测器上,例如yolov3～yolov7,centernet,yo...