YOLOv5模型输出尺寸解析与知识蒸馏实践

引言

在目标检测领域，YOLOv5作为一款高效的单阶段检测器，其模型输出结构和尺寸理解对于模型转换、部署以及高级应用如知识蒸馏都至关重要。本文将深入剖析YOLOv5的输出结构特点，并探讨在知识蒸馏场景下的实际应用技巧。

YOLOv5输出结构解析

YOLOv5模型在不同模式下会产生不同的输出结构，这是许多开发者容易混淆的关键点。

训练模式输出

在训练模式下，YOLOv5输出一个包含三个特征图的列表，分别对应不同尺度的检测层：

• 大尺寸特征图：尺寸为[batch, 3, 80, 80, cls+5]
• 中尺寸特征图：尺寸为[batch, 3, 40, 40, cls+5]
• 小尺寸特征图：尺寸为[batch, 3, 20, 20, cls+5]

其中cls表示类别数量，5代表边界框坐标(x,y,w,h)和物体置信度。

推理模式输出

在推理模式下，模型会额外输出一个经过处理的结果：

1. 处理后的检测结果：[batch, 25200, cls+5]
2. 原始特征图列表（与训练模式相同）

这个25200是三个尺度锚框的总和(80×80×3 + 40×40×3 + 20×20×3)。

输出尺寸异常分析

当开发者遇到非常规的输出尺寸如[1,3,48,80,133]时，通常是由于输入图像尺寸不是32的整数倍导致的。YOLOv5的特征金字塔网络会对输入图像进行32、16和8倍下采样，如果输入尺寸不满足这个条件，就会产生非标准的特征图尺寸。

建议在模型训练和推理时保持输入尺寸为640×640或符合32倍数的其他尺寸，以确保输出结构的规范性。

知识蒸馏实践技巧

在YOLOv5知识蒸馏场景中，正确处理模型输出至关重要：

1. 模型模式选择：教师模型应使用eval模式获取稳定的预测结果，学生模型保持train模式以便梯度回传。

2. 特征图处理：需要将三个尺度的特征图统一处理：

output = torch.cat([x.view(x.shape[0], -1, x.shape[-1]) for x in train_output], 1)

3. 概率转换：对类别输出使用sigmoid而非softmax，因为YOLOv5采用独立的类别概率预测。

4. 蒸馏损失计算：处理后的学生和教师输出可以直接用于KL散度等蒸馏损失计算。

最佳实践建议

1. 模型转换前确保输入尺寸规范
2. 知识蒸馏时注意模型模式差异
3. 特征图处理要完整保留空间信息
4. 类别概率转换使用正确的激活函数
5. 对于非常规输出，检查输入尺寸是否符合要求

通过深入理解YOLOv5的输出结构和正确处理技巧，开发者可以更高效地完成模型转换、部署以及高级训练技巧如知识蒸馏等任务。