可以通过改进yolov5来做小论文吗？

主目标探测器最近正好在用yolov5。说点个人的，不一定对。

首先，yolo系列发展到现在，思路已经很成熟了。和具体的改进一样，其实4和5也有很多相似之处，无论是脊椎还是脖子。

目前很多关于yolov5的论文都有改进，有的是backone上的轻量级，有的是添加了注意机制，有的是改进了neck，或者head，有的是改了loss函数或者nms进程。

主要是因为yolo自己的思想已经很成熟了，在这个框架下做一些普适性的创新和升级确实很难。至于把各种成熟的模块放进去发论文，这种仁者仁者见仁，智者见智。个人感觉提升yolo要结合某个方向，会有一些方向。毕竟同样的提升，有时候在不同的数据集和尺度上，效果是不一样的。

Yolov5目标检测的损失函数由三部分组成，即矩形框预测损失函数、置信度预测损失函数和类别预测损失函数。最后一节分析了目标检测损失函数GIoU的缺陷及其改进，用CIoU和带调整因子的二元交叉熵函数代替原网络的损失函数。

实验验证了这种改进与原始算法的结果相比较，如下表所示。根据上表中的数据可以看出，本文对损失函数的改进在实验中取得了92.1%的准确率，提高了0.5%，可以证明损失函数的改进对目标检测性能的提高有很大的帮助。