YOLOv5是一種單階段目標檢測算法，該算法在YOLOv4的基礎上添加了一些新的改進思路，使其速度與精度都得到了極大的性能提升。主要的改進有：
輸入端：在模型訓練階段，提出了一些改進思路，主要包括Mosaic數據增強、自適應錨框計算、自適應圖片縮放
基準網絡：融合其它檢測算法中的一些新思路，主要包括：Focus結構與CSP結構
Neck網絡：目標檢測網絡在BackBone與最後的Head輸出層之間往往會插入一些層，Yolov5中添加了FPN+PAN結構
Head輸出層：輸出層的錨框機制與YOLOv4相同，主要改進的是訓練時的損失函數GIOU_Loss，以及預測框篩選的DIOU_nms。
