2022年1月21日 · yolo cspx模块是yolo系列算法中的一个重要组成部分，它通过跨阶段部分连接的方式减少了计算量，同时保证了模型的准确率。在yolov4及后续版本中，cspx模块被广泛应用于主干网络和neck结构中，为模型提供了强大的特征提取和融合能力。

2025年1月22日 · BottleneckCSP是一种改进的瓶颈层，通过1×1和3×3卷积、跨阶段部分连接等手段提升性能和效率。 它结合了瓶颈结构和跨阶段部分连接的方式，旨在减少网络的计算复杂性和内存需求，同时提高性能。 BottleneckCSP的 网络 结构图如下图所示： 将输入分为两个分支，一个分支先通过CBS，再经过多个残差结构（Bottleneck * N），再进行一次卷积；另一个分支直接进行卷积；然后两个分支进行concat，再经过BN（正态分布），再来一次激活（之前的版本 …

2024年3月29日 · CSP1_X 与 CSP2_X. 其实 CSP1_X 是指带 shortcut 的 CSP 模块的统称，也就是内部 bottleneck 带 shortcut 的 BottleneckCSP 和 C3 都可以叫 CSP1_X。 而不带 shortcut 则归为 CSP2_X。 一般来说 CSP1_X 用在 backbone 部分，而 CSP2_X 则用在 neck 部分。 最后的 X 的含义是 bottleneck 的数量。 YOLOv4 的 ...

而Yolov5中设计了两种CSP结构，以Yolov5s网络为例，CSP1_X结构应用于Backbone主干网络，另一种CSP2_X结构则应用于Neck中。 这里关于CSPNet的内容，也可以查看大白之前的 《深入浅出Yolo系列之Yolov3&Yolov4核心基础完整讲解》 。

2023年12月13日 · CSP1_X：借鉴CSPNet网络结构，由三个卷积层和X个Res unint模块Concate组成。 CSP2_X：不再用Res unint模块，而是改为CBL。 SPP：采用1×1，5×5，9×9，13×13的最大池化的方式，进行多尺度融合。

csp模块包括csp1_x模块和csp2_x模块，两者都借鉴了cspnet网络结构，csp1_x模块和csp2_x模块如下图所示：

2022年9月12日 · CSP1_X应用于backbone主干网络部分（backbone具体介绍以后再说哒），backbone是较深的网络，增加残差结构可以增加层与层之间反向传播的梯度值，避免因为加深而带来的梯度消失，从而可以提取到更细粒度的特征并且不用担心网络退化。

yolov5中的csp结构不同点在于，yolov4中只有主干网络使用了CSP结构，而yolov5中设计了两种CSP结构，其中，CSP_X结构应用于Backbone主干网络，另一种CSP2_X结构则应用于Neck中。

2024年4月2日 · CSP1_X 与 CSP_2X. 其实 CSP1_X 是指带 shortcut 的 CSP 模块的统称，也就是内部 bottleneck 带 shortcut 的 BottleneckCSP 和 C3 都可以叫 CSP1_X。 而不带 shortcut 则归为 CSP2_X。 一般来说 CSP1_X 用在 backbone 部分，而 CSP2_X 则用在 neck 部分。 最后的 X 的含义是 bottleneck 的数量。 YOLOv4 的 ...

2022年10月20日 · 而yolov5中设计了两种CSP结构，CSP1_X结构应用于主干网络中，另一种CSP2_X结构则应用于Neck网络中。 yolov5的Neck网络仍然使用了FPN+PAN结构，但是在它的基础上做了一些改进操作，yolov4的Neck结构中，采用的都是普通的卷积操作。 而YOLOv5的Neck网络中，采用借鉴CSPnet设计的CSP2结构，从而加强网络特征融合能力。 在head部分，yolov5改进了损失函数，采用 GIoU_Loss ounding box的损失函数并添加了预测框筛选的 …