网络模型
Focus 模块改进
- Focus 模块： 将一个输入图片划分为一个个
2x2的像素块，然后将2x2像素块相同的颜色位置的像素拼接在一起，最终实现输入图片长宽减半，并且通过数变为4。之后在对变换后的结果，通过3x3的卷积核进行卷积。 - 改进方案： 上面的一顿操作，其实和直接对图片进行
6x6卷积核卷积的结果是等效的
SPPF 模型
SPPF 模块就是 V4 中的 SPP 模型改进，运算结果是等效的，但是计算速度更快（类似于 OpenCV 中，利用多次简单高斯模糊来代替一次复杂的高斯模糊，这可以使得计算量降低，上一步的计算结果可以重复利用，并且最终计算结果等价）。
置信度损失
- 加权合并不同尺度的置信度损失，对于不同预测尺度对应的损失值，给定不同的权重
$$confLoss = 4 \ confLoss_{13} + 1 \ confLoss_{26} + 0.4 \ confLoss_{52}$$
预测框宽高改进
在 v2 - v4 版本中，预测框的宽高计算公式如下
$$\begin{aligned}
b_w = P_w e^{t_w} \\
b_h = P_h e^{t_h}
\end{aligned}$$
可以看出，对于 Anchor Box 宽高的调节比列 $e^x$ 是没有最大值限制的。因此，在 v5 中将宽高的调节比列修改为
$$\begin{aligned}
b_w &= P_w \left [ 2 \sigma(t_w) \right]^2 \\
b_h &= P_h \left [ 2 \sigma(t_h) \right]^2 \\
\end{aligned}$$
正样本匹配改进
由于对预测框宽高进行了限制，v5 不在根据 IOU 结果来确定 Ground True Box 与哪个 Anchor Box 所对应，而是通过计算 Ground True Box 与 Anchor Box 的长宽比列。并且认为宽高比列小于 4 的 Anchor Box 与 Ground True Box 对应（预测结果的 Anchor Box 宽高的调节比列就被限制在 $(0,4)$）。