2、YOLOv5基础回顾：网络架构、损失函数与训练技巧
各位同学，咱们今天聊聊YOLOv5。说实话，这个版本在工业界尤其是车载场景里，地位相当稳固。我最早接触YOLOv5是在2020年，当时团队急着给一个ADAS项目找检测方案，试了好几个模型都不太满意。后来换上YOLOv5，效果立竿见影。嗯，今天我就把当年踩过的坑和积累的经验，一并分享给你们。
2.1 网络架构：Backbone / Neck / Head
YOLOv5的网络结构，说白了就是三个模块串起来：Backbone负责提特征，Neck负责融合特征，Head负责输出预测。我习惯把这个流程想象成一条流水线——原料进来，经过粗加工、精加工，最后打包出货。
2.1.1 Backbone：CSPDarknet53
Backbone用的是CSPDarknet53，核心是CSP结构（Cross Stage Partial）。这个设计很有意思，它把特征图分成两部分，一部分正常卷积，另一部分直接拼接过去。这样做的好处是：计算量减少约20%，但精度几乎不掉。
我在项目中遇到过一个问题：车载场景下，小目标（比如远处的行人）经常漏检。后来发现是Backbone下采样太狠了，特征图分辨率不够。我的建议是：如果你们做车载，可以考虑把下采样次数从5次改成4次，保留更大的特征图。代价是速度会慢一点，但小目标召回率能提升3-5个点。
2.1.2 Neck：FPN + PAN结构
Neck部分用的是FPN（特征金字塔） + PAN（路径聚合网络）。FPN从上往下传语义信息，PAN从下往上传位置信息。两者结合，相当于给模型装了个「双向对讲机」——高层特征告诉低层「我看到了什么」，低层特征告诉高层「东西在哪儿」。
你想想看，车载场景里，同一个物体在不同距离下尺度差异巨大。近处的车占满画面，远处的车只有几十个像素。如果没有Neck做多尺度融合，模型很难同时处理好这两种情况。
我个人习惯在Neck里加一个注意力模块，比如CBAM或者SE。虽然会增加一点计算量，但在夜间或雨雾天气下，注意力机制能帮模型更关注有效区域。嗯，这个技巧我在实际部署中验证过，mAP能涨1-2个点。
2.1.3 Head：耦合检测头
YOLOv5的Head是耦合的，也就是说，分类和回归任务共享同一个卷积层。这和YOLOv1、v2一脉相承。好处是结构简单、速度快；坏处是分类和回归任务可能会互相干扰。
我曾经尝试把Head改成解耦的（像YOLOX那样），结果在车载数据集上mAP确实涨了，但推理速度慢了15%。对于车载场景，实时性往往比那一点点精度更重要。所以我最终保留了耦合Head，转而优化其他部分。
2.2 损失函数：CIoU Loss
YOLOv5的回归损失用的是CIoU Loss。为什么不用传统的MSE？因为MSE只关心框的中心点坐标，完全不考虑框的形状和重叠度。你想想看，两个框的中心点完全重合，但一个宽一个窄，MSE算出来的损失可能是一样的——这显然不合理。
CIoU Loss考虑了三个因素：
- 重叠面积：用IoU衡量两个框的重叠程度
- 中心点距离：用欧氏距离衡量两个框的中心偏移
- 宽高比一致性：惩罚宽高比差异大的预测框
公式长这样：
CIoU = IoU - (ρ²(b, b_gt) / c²) - αv其中ρ是中心点距离，c是能同时覆盖两个框的最小外接矩形的对角线长度，v是宽高比相似度，α是平衡系数。
我在项目中遇到过一个问题：用CIoU训练时，loss下降很快，但AP值上不去。后来发现是α参数设置不当。默认情况下α是动态计算的，但在某些数据集上，宽高比的惩罚权重可能过大或过小。我的建议是：先跑几个epoch观察一下α的变化趋势，如果α一直很小（比如小于0.1），说明宽高比惩罚基本没起作用，可以手动调大。
2.3 训练技巧：Mosaic数据增强
Mosaic数据增强是YOLOv5的一大亮点。它的做法很简单：把4张图片随机裁剪、缩放、拼接成一张新图。这样做的好处有三个：
- 丰富小目标样本：拼接后，每张图片里的小目标数量变多了，模型能学到更多小目标特征
- 提升背景多样性：4张图的背景随机组合，模型不容易过拟合到特定背景
- 间接增大batch size：虽然显存占用没变，但每张图包含的信息量相当于4张图
我记得第一次用Mosaic时，训练了50个epoch，mAP直接涨了4个点。当时我还有点不敢相信，后来仔细分析了一下，发现主要是小目标检测能力提升了。
不过，Mosaic也不是万能的。在车载场景下，我遇到过一个问题：拼接后的图片中，物体之间的空间关系完全被打乱了。比如，一辆车本来应该在路面上，拼接后可能出现在天空的位置。模型学到的是「物体长什么样」，而不是「物体应该出现在哪里」。这会导致模型在真实场景中定位不准。
除了Mosaic，YOLOv5还用了其他增强手段：
| 增强方法 | 作用 | 车载场景建议 |
|---|---|---|
| HSV颜色抖动 | 模拟光照变化 | 建议开启，尤其适合夜间场景 |
| 随机缩放 | 模拟不同距离 | 建议开启，但缩放比例不要太大 |
| 随机翻转 | 增加数据多样性 | 注意：车载场景下不要水平翻转！ |
| 随机裁剪 | 模拟遮挡 | 建议开启，裁剪比例控制在0.5-0.8 |
嗯，这里要特别强调一下随机翻转。在车载场景中，左右车道线、交通标志都是有方向性的。如果你做了水平翻转，模型可能会把「左转标志」学成「右转标志」——这在实际部署中是要出大问题的。所以，车载场景下，请务必关闭水平翻转。
好了，YOLOv5的基础回顾就到这里。下一章咱们聊聊YOLOv5在车载场景下的具体优化技巧，包括如何剪枝、如何量化、如何部署到嵌入式平台。到时候我会拿出几个实际案例，带你们一步步走一遍优化流程。