YOLOv5 虫害检测优化解析：注意力、损失函数与多尺度上下文

在农业虫害检测场景中，直接套用通用目标检测器往往并不理想。问题通常不在于基线模型“不够大”，而在于任务本身具有非常鲜明的特征：目标尺寸小、背景干扰多、尺度变化大，而且数据规模通常有限。在这种前提下，盲目增加模型容量未必会稳定提升效果，反而可能带来更强的过拟合风险和更高的部署成本。

更有效的路线，往往是在成熟基线之上做定向增强。这篇文章讨论的思路，正是以 YOLOv5s 为基础，不推翻原有检测框架，而是围绕特征提取、边界框回归和多尺度上下文建模三个环节做补强，让模型更适合处理复杂背景下的细粒度虫害目标。

问题背景与动机

YOLOv5s 本身已经是一个速度、精度与部署友好性之间相对均衡的轻量级检测器。但在叶片虫害识别中，它仍然会遇到三个典型问题。

第一，背景复杂，细粒度病灶容易被淹没。虫害区域通常只占据图像的一小部分，真正有判别意义的往往只是局部孔洞、潜叶轨迹或纹理破坏，而图像中同时还存在泥土、杂草、叶脉反光和复杂光照等大量无关信息。普通卷积会把这些背景一并编码进特征图，导致关键病灶的响应不够突出。

第二，小目标和尺度变化使边界框回归更难。对于小虫斑或细微损伤，预测框只要稍微偏移，IoU 就会出现明显波动。如果损失函数在不同 IoU 区间上的梯度分配不够合理，模型就很难持续把框“修准”。

第三，虫害识别不仅要看局部，还要看上下文。很多时候，一个斑点究竟是病灶、虫咬痕迹，还是普通纹理波动，并不能只靠局部区域判断，还要结合整片叶子的纹理结构、叶缘状态和周围区域关系。这意味着模型不仅要看清细节，还需要足够大的感受野。

因此，这类任务中最有价值的优化通常不是“把模型做大”，而是让检测器在原有轻量框架上做到三件事：看得更准、理解得更全、框得更稳。

核心思路：围绕 YOLOv5 的三处关键能力补强

从整体设计看，这套改进没有推翻 YOLOv5 的主干流程，而是沿着三条主线做增强：

• 在特征提取阶段加入 CBAM，抑制背景噪声，提升对病灶区域的关注能力；
• 在回归目标中引入 Alpha-IoU，改善边界框回归的梯度分配；
• 在高层特征建模中加入 ASPP，扩大感受野并增强多尺度上下文表达。

这三项改动分别对应 YOLOv5 检测流程中的三个层面：

如果用一句话概括，这三项改动分别负责：先把特征变干净，再把语义看完整，最后把定位学精细。

关键组件与机制详解

SE：只做通道重标定的轻量注意力

如果把注意力机制看成一个逐步增强的家族，那么最适合作为起点的是 SE（Squeeze-and-Excitation）。它的思想最直接：先把每个通道压缩成一个全局描述，再学习每个通道应该被放大还是压低。换句话说，SE 只回答一个问题——哪些通道更重要。

设输入特征为 $F \in \mathbb{R}^{H \times W \times C}$，SE 先通过全局平均池化完成 squeeze：

然后通过两层全连接或等价的 1 \times 1 卷积完成 excitation，得到通道权重：

最后再把权重重新乘回原始特征图，实现通道重标定。

SE 的优点是结构非常轻，几乎不改变主干网络的基本拓扑；但它的局限也很明确：它只能回答“哪些通道重要”，却不能回答“图像中的哪些位置重要”。因此，它适合作为理解注意力机制的第一步，也适合作为轻量 backbone 的增强模块。

一个最小可读实现可以写成：

class SEModule(nn.Module):
    def __init__(self, channels, reduction=16):
        super().__init__()
        hidden = max(channels // reduction, 1)
        self.pool = nn.AdaptiveAvgPool2d(1)
        self.fc = nn.Sequential(
            nn.Conv2d(channels, hidden, kernel_size=1, bias=False),
            nn.ReLU(inplace=True),
            nn.Conv2d(hidden, channels, kernel_size=1, bias=False),
            nn.Sigmoid(),
        )
 
    def forward(self, x):
        weight = self.fc(self.pool(x))
        return x * weight

从代码上看，SE 最短，也最容易理解，因为它完全聚焦在通道重标定上。也正因如此，它很适合用来表达一个非常清晰的设计目标：用极小的额外开销，让网络学会在通道维上重新分配注意力。

CBAM：从通道筛选进一步走到空间筛选

理解了 SE 之后，如果希望更快进入本文真正用到的注意力模块，那么最自然的下一步就是 CBAM。它的关键推进在于：不仅判断哪些通道重要，还显式判断图像中的哪些位置重要。也就是说，CBAM 把注意力建模从“通道重标定”进一步扩展成了“通道筛选 + 空间筛选”的两阶段过程。

对于叶片虫害图像，真正有判别意义的区域通常只占很小一部分。如果网络对所有位置、所有通道一视同仁，那么大量背景模式也会被当作重要特征编码进去。CBAM 的价值，就在于给特征流增加一个轻量级的“筛选器”：先判断哪些通道重要，再判断哪些空间位置重要。

设输入特征图为 $F \in \mathbb{R}^{H \times W \times C}$，CBAM 首先在空间维度上做全局平均池化和全局最大池化，再通过共享的 MLP 生成通道注意力权重：

进一步写开，可以表示为：

其中，$F_{avg}^{c}$ 和 $F_{max}^{c}$ 分别表示全局平均池化与最大池化结果，$W_0, W_1$ 是共享的 MLP 参数，$\sigma$ 是 Sigmoid 激活函数。得到通道权重后，再将其与原始特征逐通道相乘：

下面这张图同时展示了 CBAM 的两个核心支路：上半部分是通道注意力，下半部分是空间注意力。可以把它理解成一个非常直观的两阶段过程：先根据全局池化结果学习“哪些通道更重要”，再根据通道聚合后的二维响应学习“哪些空间位置更重要”。

如果把上面的公式翻成更容易上手的 PyTorch 代码，通道注意力分支可以写成下面这样：

import torch
import torch.nn as nn
 
 
class ChannelAttention(nn.Module):
    def __init__(self, channels, reduction=16):
        super().__init__()
        hidden = max(channels // reduction, 1)
        self.avg_pool = nn.AdaptiveAvgPool2d(1)
        self.max_pool = nn.AdaptiveMaxPool2d(1)
        self.mlp = nn.Sequential(
            nn.Conv2d(channels, hidden, kernel_size=1, bias=False),
            nn.ReLU(inplace=True),
            nn.Conv2d(hidden, channels, kernel_size=1, bias=False),
        )
        self.sigmoid = nn.Sigmoid()
 
    def forward(self, x):
        avg_weight = self.mlp(self.avg_pool(x))
        max_weight = self.mlp(self.max_pool(x))
        weight = self.sigmoid(avg_weight + max_weight)
        return x * weight

这段代码和前面的数学表达是一一对应的：AdaptiveAvgPool2d(1) 与 AdaptiveMaxPool2d(1) 对应全局池化，self.mlp 对应共享感知机，sigmoid(avg_weight + max_weight) 对应公式中的 $\sigma(MLP(AvgPool(F)) + MLP(MaxPool(F)))$。最后返回的 x * weight，就是把学到的通道权重重新乘回原始特征图。

完整的 CBAM 还会在通道注意力之后，再接一个 空间注意力 模块，去判断“图像中的哪些位置更重要”。空间注意力的思路与通道注意力不同：它不是沿通道维生成一个 $1 \times 1 \times C$ 的权重，而是沿通道维先做聚合，再在空间维生成一张 $H \times W$ 的注意力图。

对应的最小实现可以写成下面这样：

class SpatialAttention(nn.Module):
    def __init__(self, kernel_size=7):
        super().__init__()
        padding = kernel_size // 2
        self.conv = nn.Conv2d(2, 1, kernel_size=kernel_size, padding=padding, bias=False)
        self.sigmoid = nn.Sigmoid()
 
    def forward(self, x):
        avg_map = torch.mean(x, dim=1, keepdim=True)
        max_map, _ = torch.max(x, dim=1, keepdim=True)
        spatial_descriptor = torch.cat([avg_map, max_map], dim=1)
        weight = self.sigmoid(self.conv(spatial_descriptor))
        return x * weight

这段代码的逻辑可以直接按张量形状理解：输入 x 的形状通常是 [B, C, H, W]，先在通道维分别做平均池化和最大池化，得到两张 [B, 1, H, W] 的二维响应图；再把它们拼接成 [B, 2, H, W]，交给一个卷积层去学习空间位置之间的相关性；最后通过 Sigmoid 得到一张 [B, 1, H, W] 的空间权重图，并重新乘回原始特征。

如果把通道注意力和空间注意力串起来，一个简化版的 CBAM 可以写成：

class CBAM(nn.Module):
    def __init__(self, channels, reduction=16, kernel_size=7):
        super().__init__()
        self.channel_attention = ChannelAttention(channels, reduction)
        self.spatial_attention = SpatialAttention(kernel_size)
 
    def forward(self, x):
        x = self.channel_attention(x)
        x = self.spatial_attention(x)
        return x

再从整体数据流看，CBAM 并不是把两个模块并联堆在一起，而是把 通道注意力模块 和 空间注意力模块 串联起来：输入特征先经过通道重标定，再经过空间重标定，最终得到 refined feature。这也是它区别于只做单支路注意力方法的关键。

从 YOLOv5 的角度看，这类改动不是简单多加一个层，而是改变了前端特征流的分配方式。原来是“卷积后直接往后传”，现在变成“卷积后先做显著性筛选，再传递给后续 neck 和 head”。这对小目标尤其重要，因为小目标最容易被复杂背景淹没，而注意力机制正好提升了它们的特征信噪比。

CA：在通道注意力里保留方向位置信息

如果把 CBAM 看成“显式把空间筛选也纳入进来”，那么 CA（Coordinate Attention）可以看成另一条路线：它并不直接生成一张完整的二维空间注意力图，而是先对通道注意力做改造，沿高度方向和宽度方向分别做聚合，把位置信息以更轻量的方式带回注意力建模中。

传统的 SE 会把整张特征图压成全局描述向量，因此位置信息几乎全部丢失；CA 则会分别生成两条方向感知的描述：

其中，$g^h$ 保留了高度坐标，$g^w$ 保留了宽度坐标。随后，两条方向特征会先融合，再拆分成沿高和沿宽的两张注意力图，最后分别乘回原特征图。

这种设计的好处是，CA 兼顾了两件事：

• 像通道注意力一样轻量，因为它仍然以通道重标定为主；
• 比 SE 更保留位置感，因为它没有把空间信息一次性完全压扁。

对于虫害检测这类任务，CA 的吸引力在于：病灶往往不是随机分布在整张图中，而是依附在叶片边缘、叶脉附近或局部纹理异常区域。CA 通过把横向和纵向信息拆开建模，更容易保留“病灶大致在哪里”的线索。

一个简化版实现可以写成：

class CoordinateAttention(nn.Module):
    def __init__(self, channels, reduction=32):
        super().__init__()
        hidden = max(channels // reduction, 8)
        self.conv1 = nn.Conv2d(channels, hidden, kernel_size=1, bias=False)
        self.bn1 = nn.BatchNorm2d(hidden)
        self.act = nn.ReLU(inplace=True)
        self.conv_h = nn.Conv2d(hidden, channels, kernel_size=1, bias=False)
        self.conv_w = nn.Conv2d(hidden, channels, kernel_size=1, bias=False)
 
    def forward(self, x):
        identity = x
        b, c, h, w = x.shape
 
        x_h = torch.mean(x, dim=3, keepdim=True)
        x_w = torch.mean(x, dim=2, keepdim=True).permute(0, 1, 3, 2)
 
        y = torch.cat([x_h, x_w], dim=2)
        y = self.act(self.bn1(self.conv1(y)))
 
        a_h, a_w = torch.split(y, [h, w], dim=2)
        a_w = a_w.permute(0, 1, 3, 2)
 
        a_h = torch.sigmoid(self.conv_h(a_h))
        a_w = torch.sigmoid(self.conv_w(a_w))
        return identity * a_h * a_w

如果说 SE 是“只看通道重要性”，CBAM 是“通道筛选 + 空间筛选”，那么 CA 可以理解为“带方向感的通道注意力”。它没有像 CBAM 那样显式生成完整二维显著图，但能用更轻量的方式把位置信息重新引入注意力建模中。

为了更直观看清这三类机制的差别，可以把它们压缩成下面这张对比表：

如果按本文的讲解顺序去理解，也可以记成：SE 先建立“通道重标定”这个基本直觉；CBAM 进一步把空间筛选显式加进来；CA 则展示了另一种更轻量的折中方案，在不完全走向二维空间注意力的前提下，把方向位置信息重新带回来。

下面这张结构对照图把三者并排放在一起：左侧是 SE，中间是 CBAM，右侧是 CA。对照着看会更容易理解它们的差别：SE 只有通道重标定，CBAM 在通道之后再加空间筛选，而 CA 则把位置信息以方向感知的方式重新引回通道注意力里。

Alpha-IoU：从 IoU 到 CIoU，再到 Alpha-IoU

边界框回归损失可以简化理解为三步：IoU 看重叠，CIoU 补几何约束，Alpha-IoU 强化高质量预测框的精修。

最基础的是 IoU：

它只衡量预测框和真实框的重叠程度；一旦两者没有重叠，优化信号就会明显变弱。

因此，检测任务里更常见的是 CIoU。它在 IoU 之外继续考虑中心点距离和长宽比一致性，也就是不只问“重不重合”，还问“中心靠不靠近、形状像不像”。

在此基础上，Alpha-IoU 进一步在 IoU 项上做幂次重加权：

这里不必把重点放在每一项的记号上，更重要的是理解它想解决什么：当预测框已经比较接近正确答案时，仍然继续推动模型做更细的修正。这对小目标尤其重要，因为小目标框只要轻微偏移，IoU 波动就会很明显。

可以把三者的差别压缩成三句话：

• IoU：先看两个框有没有重叠；
• CIoU：再把中心距离和形状差异一起考虑进去；
• Alpha-IoU：让已经接近正确的框继续被认真修边。

从工程角度看，Alpha-IoU 的价值在于：几乎不增加部署成本，却能改变训练时的梯度分配，让定位学得更细。

虫害识别的一个难点在于，局部病灶往往需要结合整片叶子的上下文来判断。单看一个小斑点，有时很难区分它是虫咬痕迹、病斑，还是普通纹理变化。因此，模型不能只依赖局部卷积视野，还需要在不显著增加参数量的情况下拥有更大的感受野。

ASPP 的基础是空洞卷积。和普通卷积相比，二者最核心的区别在于：

• 普通卷积会连续采样相邻像素。比如 3 × 3 卷积，就是紧挨着取一个 3 × 3 邻域；
• 空洞卷积会在卷积核元素之间插入间隔。比如膨胀率 e = 2 的 3 × 3 空洞卷积，实际覆盖范围会像 5 × 5，但参数量仍然是 3 × 3。

所以可以把它直观理解成：普通卷积是“密着看局部”，空洞卷积是“隔着看更大范围”。后者不会增加卷积核参数个数，却能让单层卷积直接看到更大的上下文。

下面这张图把两者放在一起对比：左侧是普通 3 × 3 卷积，右侧是膨胀率为 2 的空洞卷积。可以直观看到，卷积核参数个数没有变，但右侧单次操作覆盖到的输入范围更大。

其感受野可以写成：

其中，$k$ 是卷积核尺寸，$e$ 是膨胀率。膨胀率越大，卷积一次能覆盖的空间范围就越大。

如果把多层卷积堆叠起来看，区别会更明显。

先看最基础的情况：连续堆叠普通 3 × 3 卷积（也就是膨胀率 r = 1），感受野会逐层扩大，但扩张速度相对平缓。下面这张图里，四层之后的感受野是 7 × 7。

如果把每一层都换成固定膨胀率 r = 2 的空洞卷积，感受野会更快变大，四层后可以扩展到 13 × 13。但你也能从图里看出一个问题：响应分布变得更稀疏，中间会出现“隔点采样”的效果。

因此，更常见的做法不是所有层都用同一个空洞率，而是像下面这样逐层增大，例如 r = 1 → 2 → 3。这样既能把感受野扩到 13 × 13，又能让覆盖更均匀，减少只在稀疏网格上取样的问题。

ASPP 的关键不在于只用一个空洞率，而在于并行使用多个不同膨胀率的分支：较小膨胀率更偏向局部细节，较大膨胀率更偏向大范围上下文。这样融合之后，模型就能同时看到“病灶本身长什么样”和“它在整片叶子里处在什么位置”。

这里也可以顺手和 YOLOv5 原本常见的 SPPF 区分一下。两者都在做“扩大感受野”，但方式并不一样：

• SPPF（Spatial Pyramid Pooling - Fast） 的核心是多次最大池化。它更像是在固定卷积特征之上快速聚合更大范围的上下文，计算便宜、实现直接，也是 YOLOv5 原生结构里常见的高效模块。
• ASPP（Atrous Spatial Pyramid Pooling） 的核心是并行空洞卷积。它不是只做池化聚合，而是让多个不同膨胀率的卷积分支同时去看不同尺度的上下文，因此对“既要局部细节，又要远距离语义”的场景通常更有表达力。

如果用一句话概括：SPPF 更偏向高效上下文汇聚，ASPP 更偏向多尺度空洞卷积建模。前者更轻，后者通常更强，但计算和结构也更复杂。

这张结构图的大方向是对的：先做一次通道调整，然后走 1×1 conv、多条 3×3 空洞卷积分支，以及一条 pool → 1×1 conv → upsample 的全局上下文分支，最后把它们 concat 再融合。需要补充的一点是：图里中间三条都写成了 Conv3×3，但在真正的 ASPP 里，它们通常应该对应不同的 dilation rate，否则就失去了“空洞空间金字塔”的意义。

如果按照这张图去写成最小可读的 PyTorch 代码，可以写成下面这样：

class AtrousConv(nn.Module):
    def __init__(self, in_channels, out_channels, dilation):
        super().__init__()
        self.block = nn.Sequential(
            nn.Conv2d(
                in_channels,
                out_channels,
                kernel_size=3,
                padding=dilation,
                dilation=dilation,
                bias=False,
            ),
            nn.BatchNorm2d(out_channels),
            nn.ReLU(inplace=True),
        )
 
    def forward(self, x):
        return self.block(x)
 
 
class ASPP(nn.Module):
    def __init__(self, in_channels, out_channels):
        super().__init__()
        self.stem = nn.Sequential(
            nn.Conv2d(in_channels, out_channels, kernel_size=1, bias=False),
            nn.BatchNorm2d(out_channels),
            nn.ReLU(inplace=True),
        )
        self.branch1 = nn.Conv2d(out_channels, out_channels, kernel_size=1, bias=False)
        self.branch2 = AtrousConv(out_channels, out_channels, dilation=1)
        self.branch3 = AtrousConv(out_channels, out_channels, dilation=3)
        self.branch4 = AtrousConv(out_channels, out_channels, dilation=5)
        self.global_pool = nn.Sequential(
            nn.AdaptiveAvgPool2d(1),
            nn.Conv2d(out_channels, out_channels, kernel_size=1, bias=False),
            nn.BatchNorm2d(out_channels),
            nn.ReLU(inplace=True),
        )
        self.project = nn.Sequential(
            nn.Conv2d(out_channels * 5, out_channels, kernel_size=1, bias=False),
            nn.BatchNorm2d(out_channels),
            nn.ReLU(inplace=True),
        )
 
    def forward(self, x):
        x = self.stem(x)
        pooled = self.global_pool(x)
        pooled = F.interpolate(pooled, size=x.shape[2:], mode='bilinear', align_corners=False)
        features = [
            self.branch1(x),
            self.branch2(x),
            self.branch3(x),
            self.branch4(x),
            pooled,
        ]
        return self.project(torch.cat(features, dim=1))

和前一版相比，这段代码更贴近图里的结构：最前面有一个 CBS 风格的预处理，后面是四条卷积分支加一条池化分支，最后 concat 后再做一次融合。代码里最关键的仍然是三条 3×3 支路的 dilation 必须不同，这样 ASPP 才是在真正做多尺度上下文建模。

从 YOLOv5 的角度看，ASPP 更像是对高层特征建模能力的补强。它不是单纯把模型做得更深，而是让模型“看得更广”。这意味着，即便基线仍然是一个轻量级检测器，它也能够在复杂背景下更好地整合局部细节与全局语义。

实现细节与工程理解

由于当前可用材料没有提供完整的网络配置文件或逐层插入表，下面的代码只作为概念级示意，用于帮助理解三类模块在 YOLOv5 流程中的作用位置，而不是对应某个可直接复现实验的精确实现。

下面这段伪代码压缩展示了“特征增强 + 上下文融合 + 框回归优化”的逻辑顺序：

features = backbone(image)
features = cbam(features)
context = aspp(features)
pred_boxes, pred_scores = detect(context)
loss = alpha_ciou(pred_boxes, gt_boxes)

如果从检测流水线的角度去理解，它其实对应了三层不同的优化：

1. cbam(features) 负责在特征提取之后，先压低背景噪声；
2. aspp(features) 负责在高层语义中并行聚合不同感受野的信息；
3. alpha_ciou(...) 负责在训练阶段让边界框回归更关注高质量预测框的细致修正。

因此，这三类改动并不是在同一个位置“重复发力”，而是作用在 YOLOv5 检测链路的不同环节：前端更关注特征选择，中层更关注上下文建模，后端更关注回归优化。

效果、适用边界与注意事项

在讨论这些改动是否有效之前，先要明确目标检测里最常用的几项指标。

• Precision（精确率，P）：在所有被模型判定为目标的预测框里，有多少是真的对的。它反映的是“报出来的结果准不准”。
• Recall（召回率，R）：在所有真实目标里，有多少被模型成功找到了。它反映的是“该找的目标有没有漏掉”。
• AP（Average Precision，平均准确率）：可以理解为在不同置信度阈值下，综合 Precision–Recall 曲线后得到的单类别检测质量。
• mAP@0.5：对各类别 AP 取平均，并规定 IoU 阈值为 0.5。也就是只要预测框和真实框的重叠达到 50%，就算匹配成功。这个指标更能反映“能不能把目标大致找对”。
• mAP@0.5:0.95：在 IoU 阈值 0.5, 0.55, ..., 0.95 上分别计算 AP 再取平均。因为它同时要求从“粗略对齐”到“严格贴合”都表现稳定，所以比 mAP@0.5 更严格，也更能反映定位精细度。

如果用一句话概括：Precision 看误检多不多，Recall 看漏检多不多，mAP 看整体检测质量，其中 mAP@0.5:0.95 对框的位置是否足够精确更敏感。

从设计逻辑上看，这套改进之所以合理，是因为它直接对应了虫害检测中的三类真实瓶颈：复杂背景、小目标边界敏感和局部细节需要上下文辅助判断。也正因如此，它比简单切换到一个更大、更通用的检测器更有针对性。

不过，这类方法也有清晰的适用边界。

首先，它更适合目标稀疏、背景复杂、数据规模有限的垂直场景。在这些任务中，模型往往不是缺少容量，而是缺少对任务关键结构的先验偏置。CBAM、ASPP 和 Alpha-IoU 这类改动，本质上就是把这些偏置显式注入进去。

其次，它并不意味着“只要加了注意力和 ASPP 就一定更好”。如果任务本身已经拥有非常大的训练数据、目标形态稳定、背景干扰较小，那么额外模块带来的收益可能就会缩小，甚至会让结构复杂度高于必要水平。

最后，如果把这些改动放回到整条网络结构里看，会更容易理解它们分别插在什么位置：CBAM 作用在前端特征提取阶段，ASPP 插入高层特征建模路径，检测头仍然沿多尺度分支输出预测。

总结

从方法设计上看，这套基于 YOLOv5s 的优化并不是“重造一个新检测器”，而是在成熟框架之上做了三次极有针对性的增强：用 CBAM 提高特征选择性，用 ASPP 扩展上下文感知范围，用 Alpha-IoU 改善边界框回归质量。

这条路线的真正价值，不只在于使用了哪三个模块，而在于它体现了一种更适合垂直场景的模型优化思路：不要先问模型还能不能更大，而要先问当前任务最缺什么。对于小目标、复杂背景、数据有限的农业视觉任务来说，轻量基线配合模块级定向增强，往往比简单追逐更大、更通用的模型更值得借鉴。

参考资料

• Ultralytics YOLOv5 Architecture Description
• Ultralytics YOLOv5 Documentation
• CBAM: Convolutional Block Attention Module (ECCV 2018)
• Alpha-IoU: A Family of Power Intersection over Union Losses for Bounding Box Regression (NeurIPS 2021)
• Atrous Spatial Pyramid Pooling overview
• Dilated convolution 相关讲解视频（Bilibili）
• F:\Yunshen Blog\YOLOPC.html 中的本地可读整理材料