基于yolov5(v6.0分支)的多任务检测和分割模型。
之前很早就萌生idea在yolov5基础上添加一个分割头用于语义分割，近期正好也有论文YLOLOP是这么做的.
这里基于yolov5最新分支修改，主要改动如下：
1 . 解耦头：实验在小数据集上有一定效果（map 1%+ ）,大数据集上提升不明显；
2. 类别权重：在长尾分布的数据集上提升较为明显.
3.添加分割头用于语义分割。
整体框架
上图是在yolop模型上修改的，侵删。
整个模型分为三个部分：
1) backbone：这里使用yolov5骨干；
2）neck： panet；
3）head：检测头+分割头
检测头参考了YOLOX进行了解耦；针对不同数据和任务可能会有一定提升。
未完待续...
参考：
1.[YOLOP: You only Look once for Panoptic Driving Perception](https://arxiv.org/abs/2108.11250)
2. onNX > CoreML > TFLite">GitHub - ultralytics/yolov5: YOLOv5 in PyTorch > onNX > CoreML > TFLiteYOLOv5 in PyTorch > onNX > CoreML > TFLite. Contribute to ultralytics/yolov5 development by creating an account on GitHub.https://github.com/ultralytics/yolov5
