【Datawhale组队学习202506】YOLO-Master task04 YOLO典型网络模块

系列文章目录

---

---

前言

• Datawhale是一个专注于AI与数据科学的开源组织，汇集了众多领域院校和知名企业的优秀学习者，聚合了一群有开源精神和探索精神的团队成员
• YOLO-Master
• 本章学习资料

---

4.1 DFL 模块

Distribution Focal Loss 是YOLO系列在边界框回归中引入的创新模块，源自《Generalized focal loss: learning qualified and distributed bounding boxes for dense object detection》论文的核心思想。

4.1.1 DFL的核心思想

DFL的核心思想是将边界框坐标预测 转化为概率分布估计问题 ，而非传统的直接回归坐标值。

• 具体而言：
  • 传统方法 ：直接回归边界框的坐标（如左上角和右下角的坐标），使用$L1/L2$损失。
  • DFL方法 ：
    1. 将每个坐标值建模为一个离散的概率分布 ，假设坐标可能的取值范围被划分为$N$个区间（如 $N=16$），模型预测每个区间成为真实坐标值的概率;
    2. 再计算最终坐标值通过加权求和得到：坐标 = Σ(概率 * 区间位置);

---

4.2 SPP 模块

Spatial Pyramid Poling 模块是YOLO系列中用于多尺度特征融合的核心组件，灵感来源于2014年何凯明团队提出的空间金字塔池化思想论文《Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition》。

• 它通过并行多尺度池化操作，显著提升模型对不同尺寸目标的感知能力。

4.2.1 核心思想

多尺度特征融合，通过 多尺度池化操作 （Multi-level Pooling）提取不同感受野的特征，并将这些特征进行融合，从而增强模型对目标尺度变化的鲁棒性。

• 所有池化操作采用stride=1和padding=kernel_size//2，而非动态调整，确保输出特征图尺寸与输入一致，便于后续拼接。
• 通过$1\times 1$ 卷积压缩通道数（降维），减少计算量，再在池化后扩展通道（升维），平衡效率与性能。

---

4.3 SPPF 模块

Spatial Pyramid Pooling-Fast，是 YOLOv5 针对传统 SPP 模块的轻量化改进版本，通过串联重复池化实现多尺度特征融合。

4.3.1 核心思想

用更少的计算量，实现等效的多尺度感受野。

• 串联池化替代并行池化：上面 SPP 使用多个不同尺寸的池化核（如$5\times 5$$、$$9\times 9$$、$$13\times 13$）并行处理特征图，而 SPPF 通过连续三次串联应用 $5\times 5$ 池化，利用叠加效应等效覆盖更大的感受野

---

总结

• 拆解介绍一些YOLO中的典型网络模块。