分享一些改进YOLOv5的技巧，不同的数据集效果肯定是不同的。有算力的话还是要多尝试
有关代码怎么使用我就不过多介绍了，大家可以去看我的博文，或者官方的文档，我在这统一做一个汇总
1.手把手带你调参Yolo v5 (v6.1)（一）🌟强烈推荐
4.手把手带你Yolov5 (v6.1)添加注意力机制(一)（并附上30多种顶会Attention原理图）🌟
5.手把手带你Yolov5 (v6.1)添加注意力机制(二)（在C3模块中加入注意力机制）
8.Yolov5更换上采样方式( 最近邻 / 双线性 / 双立方 / 三线性 / 转置卷积)🍀
9.Yolov5如何更换EIOU / alpha IOU / SIoU？🍀
10.持续更新中
本人所用数据集是网络上购买的黑夜行人数据集（训练集9424，验证集2357，测试集3249），数据集只包含一个Person类别
这里简单展示一些数据集的内容
这里我也免费分享这个数据集，数据集已经划分成了Yolo的格式，大家下载后直接可以使用。
百度网盘
链接：https://pan.baidu.com/s/1bD88KAps5jjliI-ElYLvDg?pwd=3mh0 提取码：3mh0
实验结果
| Model | epoch | freeze | multi_scale | mAP 0.5(val) | Parameters(M) | GFLOPs |
|---|---|---|---|---|---|---|
| Yolov5s | 300 | 0 | false | 0.953 | Nan | Nan |
| Yolov5s | 120 | 8 | false | 0.936 | Nan | Nan |
| Yolov5s_SE | 120 | 7 | false | 0.874 | Nan | Nan |
| Yolov5s_ECA | 200 | 7 | false | 0.937 | Nan | Nan |
| Yolov5s_CBAM | 200 | 7 | true | 0.882 | Nan | Nan |
| Yolov5s_BiFPN | 200 | 7 | false | 0.935 | Nan | Nan |
| Yolov5s_BiFPN_ECA | 200 | 0 | false | 0.951 | Nan | Nan |
🍀2022年6月24日 添加了Inception_Conv模块，替换了第一层的6x6卷积，新的模块比6x6卷积参数量减少了一半
还有一些其他tircks的实验结果我正在整理中，后续我会更新在Github的