yolov5输出端

### YOLOv5 输出层结构及配置 YOLOv5 的输出层设计旨在高效检测不同尺度的目标物体。该模型采用了多尺度预测机制，在三个不同的特征图上进行目标检测，这些特征图分别对应于高分辨率、中等分辨率和低分辨率[^1]。 对于每一个特征图上的每个网格单元格，YOLOv5 预测多个边界框及其对应的置信度分数以及类别概率。具体来说： - **边界框参数**：每个边界框由五个数值表示——中心坐标 (x, y)，宽度 w 和高度 h，还有一个对象存在与否的信心分 conf。 - **分类得分**：除了回归部分外，还为每个可能的对象类提供了一个分类得分向量，长度等于数据集中预定义的类别数量。 为了实现这一点，YOLOv5 使用了锚点框(anchor boxes)的概念来初始化边界框的位置估计。在训练过程中会调整这些初始猜测以更好地匹配真实标签位置。最终输出张量形状通常形如 `(batch_size, num_anchors * grid_h * grid_w, 5 + num_classes)` ，其中 `grid_h` 和 `grid_w` 是特定尺度下的空间维度大小；而 `num_anchors` 表示每种尺寸下使用的锚定盒数目[^2]。 ```python import torch.nn as nn class Detect(nn.Module): stride = None # strides computed during build def __init__(self, nc=80, anchors=(), ch=()): # detection layer super(Detect, self).__init__() self.nc = nc # number of classes self.no = nc + 5 # number of outputs per anchor self.nl = len(anchors) # number of detection layers self.na = len(anchors[0]) // 2 # number of anchors ... def forward(self, x): z = [] # inference output for i in range(self.nl): bs, _, ny, nx = x[i].shape # batch size, channels, height, width yi = x[i].view(bs, self.na, self.no, ny*nx).permute(0, 1, 3, 2).contiguous() if not self.training: # only apply sigmoid and reshape at inference time yi[..., :4] = torch.sigmoid(yi[..., :4]) z.append(yi.view(bs, -1, self.no)) return torch.cat(z, 1) ``` 此代码片段展示了如何构建一个简单的 PyTorch 模型组件用于处理来自骨干网的最后一组特征映射并生成最终预测结果。注意这里实现了 Sigmoid 函数应用于边框坐标的转换操作仅当处于推理模式时才执行，这有助于提高计算效率。