【深度学习】YOLOv5 工程落地部署过程，MNN转化，使用细节

概述

兜兜转转又回到YOLOv5，YOLOv5的项目代码太易用了，开箱即用，工具多，效果好，谁能不爱呢。我这里对我使用YOLOv5 做简单的记录，以后自己看到能很快用起来就是本篇文章的目的，这篇文章我一直要干到MNN部署方式去。

目标检测模型概述

深度学习模型由于其拥有足够的表达能力，能够很好表达从输入数据到输出数据的映射关系，被广泛应用于各类场景中。图1中展现了深度学习模型在文字、图像、语音中的应用场景，其中图像是我个人最熟悉的，也是日常业务中最常遇到的场景。

图像领域有四个主要任务：图像分类、目标检测、图像分割、实例分割。
在目标分割领域中，基本可以分为anchor based方法和anchor free方法，yolov5这个算法模型是anchor based方法，同时也是集大成者，包含目前目标检测领域中所有的比较有效的方法（FPN、PAN、SPP、CSP等），目前仍就是目标检测领域中最为优秀的算法之一。目前学术界的研究在目标检测领域主要分为两个方向，一是使用anchor free方法的模型（学术界普遍认为此种方法更加符合目标检测的原始动机，不带有那么高的监督性），二是使用 NLP领域的一些新模型（比如Transformer、多模态的一些研究）。
就目前学术研究情况（靠学术前沿论坛获知）和各大公司所采用模型情况来看，yolov5依旧是一个值得长期选择和持有的模型。