首先在开头下一个定义。
此处以下所指的模型1为未做任何改动之前的yolov5-6.0网络，模型2为将yolov5网络中的骨干层里C3模块全部替换为注意力模块的网络，其他部分未做改动，不知道怎么加的看这里yolov5加入CBAM,SE,CA,ECA注意力机制，纯代码_zqt321的博客-CSDN博客）
这是原图
文章图片
文章图片
先来看模型2的检测结果，我一直在做工地的安全帽检测，
v5+SE: 
文章图片
文章图片
重点关注我在检测结果中画蓝线的圈圈。
v5+CBAM: 
文章图片
【深度学习|关于添加注意力模块的yolov5-5.0与yolov5-6.0的检测效果对比】
文章图片
V5+ECA:
文章图片
文章图片
V5+CA: 
文章图片
文章图片
再来看模型1的检测结果：
yolov5-6.0 
文章图片
文章图片
总结： 因数据集涉及到公司机密，其实涉及到机密的那一部分更加能体现出来两者之间的差别，总结也就一句话，不要试图和一屋子的博士比聪明，他们把好用的trick都放一块了，用就行了。在v5刚出来的时候很多人不同意v5这个称号，但是从现在v5的6.0版本使用效果来看，个人认为已经极大的满足了工程上的使用，并且精度也比5.0版本有所提升，yolov5真香！
最后祝大家早日年薪百万！
推荐阅读
- 深度学习|yolov5安全帽检测、反光衣检测、抽烟检测
- python|python批量修改txt文件里的类别数，批量修改文件名
- 深度学习|yolov5-v6.1发布
- 深度学习|yolov5中使用denselayer替换focus，fpn结构改为bi-fpn
- 深度学习|关于yolov5加注意力之后的yaml文件讲解（5.0版本和6.0版本通用），文末有一个大部分人都没注意到的细节
- 深度学习|关于yolov5融合wbf算法的一些事情
- big|2022-2028年中国二氯甲烷行业市场竞争状况及发展趋向分析报告
- 大数据|最全的产品经理分类
- pytorch|从零开始pytorch手写字母识别