鉴于网上关于yolov5s的解读众多然不尽相同，特从YOLOv5官方项目地址：https://github.com/ultralytics/yolov5下载了yolov5的各版本文件并上传至 [资源] 栏目，这里就yolov5s版本的网络结构进行分析展示。

 1、yolov5s模型的yaml文件

# Ultralytics YOLOv5 🚀, AGPL-3.0 license# Parameters
nc: 80 # number of classes
depth_multiple: 0.33 # model depth multiple
width_multiple: 0.50 # layer channel multiple
anchors:- [10, 13, 16, 30, 33, 23] # P3/8- [30, 61, 62, 45, 59, 119] # P4/16- [116, 90, 156, 198, 373, 326] # P5/32# YOLOv5 v6.0 backbone
backbone:# [from, number, module, args][[-1, 1, Conv, [64, 6, 2, 2]], # 0-P1/2[-1, 1, Conv, [128, 3, 2]], # 1-P2/4[-1, 3, C3, [128]],[-1, 1, Conv, [256, 3, 2]], # 3-P3/8[-1, 6, C3, [256]],[-1, 1, Conv, [512, 3, 2]], # 5-P4/16[-1, 9, C3, [512]],[-1, 1, Conv, [1024, 3, 2]], # 7-P5/32[-1, 3, C3, [1024]],[-1, 1, SPPF, [1024, 5]], # 9]# YOLOv5 v6.0 head
head: [[-1, 1, Conv, [512, 1, 1]],[-1, 1, nn.Upsample, [None, 2, "nearest"]],[[-1, 6], 1, Concat, [1]], # cat backbone P4[-1, 3, C3, [512, False]], # 13[-1, 1, Conv, [256, 1, 1]],[-1, 1, nn.Upsample, [None, 2, "nearest"]],[[-1, 4], 1, Concat, [1]], # cat backbone P3[-1, 3, C3, [256, False]], # 17 (P3/8-small)[-1, 1, Conv, [256, 3, 2]],[[-1, 14], 1, Concat, [1]], # cat head P4[-1, 3, C3, [512, False]], # 20 (P4/16-medium)[-1, 1, Conv, [512, 3, 2]],[[-1, 10], 1, Concat, [1]], # cat head P5[-1, 3, C3, [1024, False]], # 23 (P5/32-large)[[17, 20, 23], 1, Detect, [nc, anchors]], # Detect(P3, P4, P5)]

 2、yaml文件解读

        Yolov5s模型yaml文件中详细定义了模型的参数（parameters）、主干网络（backbone）和头部（head）结构。

（1）参数（parameters）：

• nc: 80：定义模型要检测的类别数，这里是80类（coco数据集）。
• depth_multiple: 0.33：模型深度的倍数，用于缩放整个网络的深度。
• width_multiple: 0.50：层通道的倍数，用于缩放网络中各层的通道数。
• anchors：定义了三个不同尺度的锚框（anchor boxes），用于预测不同大小的物体。每个尺度包含3个锚点，分别对应不同的宽高比。

（对于第一组锚点（[10, 13, 16, 30, 33, 23]）：[10, 13]定义了第1个锚点的宽度和高度，[16, 30]定义了第2个锚点的宽度和高度，[33, 23]定义了第3个锚点的宽度和高度。第二组锚点（[30, 61, 62, 45, 59, 119]）和第三组锚点（[116, 90, 156, 198, 373, 326]）遵循相同的模式，分别对应P4/16和P5/32特征图尺度上的两个锚点。这些锚点的尺寸通常比前一组更大，以覆盖更大尺度的目标）

（anchors是一组预定义的边框，具有固定的宽和高（或宽高比），用于作为检测过程中预测边框的起点或参考点。Anchors 的作用是提高检测效率、适应不同尺度的目标、减少计算量。Anchors的选择通常基于训练数据集中目标的统计信息。例如，在训练YOLO模型之前，可以分析数据集中所有目标的边框尺寸和宽高比，然后从中选择最具代表性的几个作为anchors。这通常是通过聚类算法（如K-means）来实现的，以确保选择的anchors能够最好地覆盖数据集中目标的大小和形状分布。）

（2）主干网络（backbone）：

        主干网络格式按[[from, number, module, args]]编写，即第1个参数为开始的层，第2个参数为当前操作重复系数，第3个参数为当前采用的模块类型，第4个参数为当前模块的参数：

• （Conv 模块的参数列表包含了四个值：[输出通道数, 卷积核大小, 步长, 填充]）
• （C3模块的参数列表包含两个值：[输入通道数，是否使用BottleneckCSP]）
• （SPPF模块的参数列表包含两个值：[输入通道数, 池化核大小]）

[-1, 1, Conv, [64, 6, 2, 2]], # 第0层-P1/2
# 对前一个层的输出使用1次卷积操作，输出通道数为64，卷积核为6x6，步长为2，填充为2，生成P1/2特征图。[-1, 1, Conv, [128, 3, 2]], # 第1层-P2/4
# 对前一个层的输出使用1次卷积操作，输出通道数为128，卷积核为3x3，步长为2，生成P2/4特征图。[-1, 3, C3, [128]],          # 第2层
# 对前一个层的输出使用3次C3模块，输入通道数为128。[-1, 1, Conv, [256, 3, 2]], # 第3层-P3/8
# 对前一个层的输出使用1次卷积操作，输出通道数为256，卷积核为3x3，步长为2，生成P3/8特征图。[-1, 6, C3, [256]],         # 第4层
# 对前一个层的输出使用6次C3模块，输入通道数为256。[-1, 1, Conv, [512, 3, 2]], # 第5层-P4/16
# 对前一层的输出使用1次卷积操作，输出通道数为512，卷积核为3x3，步长为2，生成P4/16特征图。[-1, 9, C3, [512]],         # 第6层
# 对前一个层的输出使用9次C3模块，输入通道数为512。[-1, 1, Conv, [1024, 3, 2]], # 第7层-P5/32
# 对前一个层的输出使用1次卷积操作，输出通道数为1024，卷积核为3x3，步长为2，生成P5/32特征图。[-1, 3, C3, [1024]],         # 第8层
# 对前一个层的输出使用3次C3模块，输入通道数为1024。[-1, 1, SPPF, [1024, 5]],    # 第9层
# 对前一个层的输出使用1次SPPF模块，输入通道数为1024，使用5x5的池化核。

 （3）头部网络（head）：

        头部网络格式与主干网络相同。模块参数：

• nn.Upsample的参数：[尺寸，缩放倍数，模式]
• Concat的参数：[维度索引]
• Detect的参数：[类别数量，锚点列表]

[-1, 1, Conv, [512, 1, 1]],                      # 第10层
# 对前一层的输出使用1次卷积操作，输出通道数为512，卷积核为1x1，步长为1。[-1, 1, nn.Upsample, [None, 2, "nearest"]],      # 第11层
# 对前一层的输出使用1次上采样，不指定输出尺寸，放大两倍，用最近邻插值方法。[[-1, 6], 1, Concat, [1]],                       # 第12层-cat backbone P4
# 对前一层的输出(上采样)与第6层的输出(P4特征图)进行1次拼接，拼接维度为1。[-1, 3, C3, [512, False]],                       # 第13层
# 对前一层的输出应用3次C3模块，输入通道数为512，采用默认CSP结构。[-1, 1, Conv, [256, 1, 1]],                      # 第14层
# 对前一层的输出使用1次卷积操作，输出通道数为256，卷积核为1x1，步长为1。[-1, 1, nn.Upsample, [None, 2, "nearest"]],      # 第15层
# 对前一层的输出使用1次上采样，不指定输出尺寸，放大两倍，用最近邻插值方法。[[-1, 4], 1, Concat, [1]],                       # 第16层-cat backbone P3
# 对前一层的输出(上采样结果)与第4层的输出进行1次拼接，拼接维度为1。[-1, 3, C3, [256, False]],                       # 第17层 (P3/8-small)
# 对前一层的输出应用3次C3模块，输入通道数为256，采用默认CSP结构。[-1, 1, Conv, [256, 3, 2]],                      # 第18层
# 对前一层的输出使用1次卷积操作，输出通道数为256，卷积核为3×3，步长为2。[[-1, 14], 1, Concat, [1]],                      # 第19层-cat head P4
# 对前一层的输出(上采样结果)与第14层的输出进行1次拼接，拼接维度为1。[-1, 3, C3, [512, False]],                       # 第20层 (P4/16-medium)
# 对前一层的输出应用3次C3模块，输入通道数为512，采用默认CSP结构。[-1, 1, Conv, [512, 3, 2]],                      # 第21层
# 对前一层的输出使用1次卷积操作，输出通道数为512，卷积核为3×3，步长为2。[[-1, 10], 1, Concat, [1]],                      # 第22层-cat head P5
# 对前一层的输出(上采样结果)与第10层的输出进行1次拼接，拼接维度为1。[-1, 3, C3, [1024, False]],                      # 第23层 (P5/32-large)
# 对前一层的输出应用3次C3模块，输入通道数为1024，采用默认CSP结构。[[17, 20, 23], 1, Detect, [nc, anchors]],        # 第24层-Detect(P3, P4, P5)
# 对第17、20、23层使用1次Detect模块，类别数量为nc、锚点列表为anchors。
# 基于P3、P4和P5特征图进行最终的目标检测。

       yolov5共22个模块，具体的模块定义在models.common文件中，可自行下载查看。

3、yolov5s网络结构图

        官方yolo文件中Head部分包含了3个Detect，Detect用于输出预测结果，当yolov5作为特征提取器使用时，需去掉Detect。由于卷积操作会向下采样（降低维度），因此Detect1的维度最高、Detect2的维度次之、Detect3的维度最低。维度越高、网格（grid cell）越密，可检测的目标尺寸越小。

        最后，附上一篇比较靠谱的博客：

yolov5网络结构https://www.cnblogs.com/goldsunshine/p/18284318