一般情况下，feature maps的结合有两种方法，一种是元素对应相加，简称add，另一种就是把特征图堆到一起来，简称concatenate。假设feature map 1 的维度为B1∗ C1 ∗ H1 ∗ W1feature map 2 的维度为B2 ∗ C2 ∗ H2 ∗ W2 ​1）在add情况下，就是两个四维矩阵的按元素相加，那么这时候我们需要两个矩阵维度。并且相加后矩阵维度不变，例如

1、先把注意力结构代码放到common.py文件中，以SE举例，将这段代码粘贴到common.py文件中2、找到yolo.py文件里的parse_model函数，将类名加入进去3、修改配置文件（我这里拿yolov5s.yaml举例子），将注意力层加到你想加入的位置；常用的一般是添加到backbone的最后一层，或者C3里面，这里是加在了最后一层。

pre-process：图像预处理时间，包括图像保持长宽比缩放和padding填充，通道变换（HWC->CHW）和升维处理等；inference：推理速度，指预处理之后的图像输入模型到模型输出结果的时间；NMS ：你可以理解为后处理时间，对模型输出结果经行转换等；data换为自己的数据集对应的yaml文件。weights换为训练自己数据集得到的权重。FPS=1000ms除以这三个时间之和。batc

PyQt5利用QtDesigner设计UI界面

【代码】YOLOv5 Head解耦。

​空间金字塔池化以及上采样方式的最佳选择

在最新版本的YOLOv5-6.1源码中，作者已经加入了Ghost模块，在models/common.py文件下并在models/hub/文件夹下，给出了yolov5s-ghost.yaml文件，因此直接使用即可在用的时候注意train.py里面的'--cfg'配置文件更改完毕，直接运行就可以啦~~~reference：【魔改YOLOv5-6.x（上）】结合轻量化网络Shufflenetv2、Mob

YOLOV1最后生成7×7的网格(gridcell)，每个gridcell会产生两个预测框(boundingbox)，每个gridcell产生的两个预测框只能预测同一种类物体，也就是说YOLOV1最多只能预测49种物体，两个预测框中哪一个与标注框的IOU大就选哪一个(此即正样本)，另外一个会被舍弃(负样本)；...

1、先把注意力结构代码放到common.py文件中，以SE举例，将这段代码粘贴到common.py文件中2、找到yolo.py文件里的parse_model函数，将类名加入进去3、修改配置文件（我这里拿yolov5s.yaml举例子），将注意力层加到你想加入的位置；常用的一般是添加到backbone的最后一层，或者C3里面，这里是加在了最后一层。