【目标检测】YOLOv5:模型构建解析 |
您所在的位置:网站首页 › 目标检测 准确度怎么写 › 【目标检测】YOLOv5:模型构建解析 |
前言
最近在看一些目标检测的最新论文和代码,大多数都是在YOLOv5的基础上进行魔改。 改的最多的基本是原版本的网络结构,这篇博文就从源码角度来解析YOLOv5中,模型是如何构建出来的。 本文使用的是YOLOv5-5.0版本。 模型的深度和宽度在YOLOv5中,模型结构基本是写在了.yaml中,5.0版本的YOLOv5共有yolov5s,yolov5m,yolov5l和yolov5x四个版本,这四个版本的模型结构一模一样,不同的是两个参数depth_multiple和width_multiple,分别表示模型的深度因子和宽度因子。 在yolo.py中,parse_model函数下的这行代码将深度因子和宽度因子进行读取和赋值。 anchors, nc, gd, gw = d['anchors'], d['nc'], d['depth_multiple'], d['width_multiple'] depth_multiple首先看深度因子,深度因子参与运算的是这行代码: n = max(round(n * gd), 1) if n > 1 else n # depth gain这里的n表示结构的个数,也就是说,n是个>=1的整数(起码得有一个,否则不存在),depth_multiple越大,那么模型结构的个数也越多,因此网络就更”深“。 width_multiple再看宽度因子,宽度因子参与运算的是这行代码: c2 = make_divisible(c2 * gw, 8)这个c2代表当前层的输出的通道(channel)数,也就是说,width_multiple越大,那么模型结构的通道数越多,因此看起来就更”宽“。 网络构建下面到了最核心的网络构建部分,从YOLOv3开始,YOLO系列的网络结构都分成骨干(backbone),颈部(neck)和头部(head),但是在代码中,颈部和头部被统一写在了head之中。 backbone以yolov5s为例: 首先来看backbone部分,backbone的代码如下: backbone: # [from, number, module, args] # from表示当前模块的输入来自那一层的输出,-1表示来自上一层的输出 # number表示本模块重复的次数,1表示只有一个,3表示重复3次 # module: 模块名 [[-1, 1, Focus, [64, 3]], # 0-P1/2 [3, 32, 3] [-1, 1, Conv, [128, 3, 2]], # 1-P2/4 [32, 64, 3, 2] [-1, 3, C3, [128]], # 2 [64, 64, 1] [-1, 1, Conv, [256, 3, 2]], # 3-P3/8 [64, 128, 3, 2] [-1, 9, C3, [256]], # 4 [128, 128, 3] [-1, 1, Conv, [512, 3, 2]], # 5-P4/16 [128, 256, 3, 2] [-1, 9, C3, [512]], # 6 [256, 256, 3] [-1, 1, Conv, [1024, 3, 2]], # 7-P5/32 [256, 512, 3, 2] [-1, 1, SPP, [1024, [5, 9, 13]]], # 8 [512, 512, [5, 9, 13]] [-1, 3, C3, [1024, False]], # 9 [512, 512, 1, False] ]这里拿【YOLOV5-5.x 源码解读】yolov5s.yaml这个博主绘制的网络结构图进行对比。
out_size = (in_size - K + 2P)/ S +1 那么,输出特征图的长宽为round((320-3)/2 + 1)=160,因此输出特征图尺寸为160x160,这里初看可能会产生疑惑的是卷积层定义的out_channel明明是128,为什么输出channel却变成了64?其实,这就是前面提到宽度因子在起作用。yolov5s的宽度因子为0.5,这就导致真实的out_channel = 128x0.5 = 64。 因此,输入结果就变成了(1,64,160,160) 其它模块的计算方式类似。 第一个"-1“表示,输入来自上一个模块,这里全都是-1,即模块是一溜子的顺序下来,和图对比可以一一对应上。 head首先来看head部分,head的代码如下: head: [[-1, 1, Conv, [512, 1, 1]], # 10 [512, 256, 1, 1] [-1, 1, nn.Upsample, [None, 2, 'nearest']], # 11 [None, 2, 'nearest'] [[-1, 6], 1, Concat, [1]], # 12 cat backbone P4 [1] [-1, 3, C3, [512, False]], # 13 [512, 256, 1, False] [-1, 1, Conv, [256, 1, 1]], # 14 [256, 128, 1, 1] [-1, 1, nn.Upsample, [None, 2, 'nearest']], #15 [None, 2, 'nearest'] [[-1, 4], 1, Concat, [1]], # 16 cat backbone P3 [1] [-1, 3, C3, [256, False]], # 17 (P3/8-small) [256, 128, 1, False] [-1, 1, Conv, [256, 3, 2]], # 18 [128, 128, 3, 2] [[-1, 14], 1, Concat, [1]], # 19 cat head P4 [1] [-1, 3, C3, [512, False]], # 20 (P4/16-medium) [256, 256, 1, False] [-1, 1, Conv, [512, 3, 2]], # 21 [256, 256, 3, 2] [[-1, 10], 1, Concat, [1]], # 22 cat head P5 [1] [-1, 3, C3, [1024, False]], # 23 (P5/32-large) [512, 512, 1, False] [[17, 20, 23], 1, Detect, [nc, anchors]], # 24 Detect(P3, P4, P5) ]我在图中标了序号,对照代码看应该比较清楚。
|
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |