YOLOv5s.yaml文件解读

最新推荐文章于 2025-04-04 16:24:25 发布

原创

最新推荐文章于 2025-04-04 16:24:25 发布 · 1.4k 阅读

8 ·

CC 4.0 BY-SA版权

文章标签：

#python #人工智能 #开发语言

本文详细解析了YOLOv5s.yaml配置文件，包括模型的深度和宽度因子、检测框大小、主干网络和头部结构。nc参数表示类别数量，depth/width_multiple控制模型复杂度，anchors定义了检测框尺寸。backbone部分介绍了YOLOv5的特征提取网络结构，而head则详细说明了检测头的构建，包括多尺度检测和最后的检测层。

一、YOLOv5s.yaml内容

YOLOv5配置了4种不同大小的网络模型，分别是YOLOv5s、YOLOv5m、YOLOv5l、YOLOv5x，其中YOLOv5s是网络深度和宽度最小但检测速度最快的模型，其他3中模型都是在YOLOv5s的基础上不断加深、加宽网络使得网络规模扩大，主要区别在以下下图中位置

YOLOv5s.yaml源代码如下

# YOLOv5 🚀 by Ultralytics, GPL-3.0 license

# Parameters
nc: 80  # number of classes
depth_multiple: 0.33  # model depth multiple
width_multiple: 0.50  # layer channel multiple
anchors:
  - [10,13, 16,30, 33,23]  # P3/8
  - [30,61, 62,45, 59,119]  # P4/16
  - [116,90, 156,198, 373,326]  # P5/32

# YOLOv5 v6.0 backbone
backbone:
  # [from, number, module, args]
  [[-1, 1, Conv, [64, 6, 2, 2]],  # 0-P1/2
   [-1, 1, Conv, [128, 3, 2]],  # 1-P2/4
   [-1, 3, C3, [128]],
   [-1, 1, Conv, [256, 3, 2]],  # 3-P3/8
   [-1, 6, C3, [256]],
   [-1, 1, Conv, [512, 3, 2]],  # 5-P4/16
   [-1, 9, C3, [512]],
   [-1, 1, Conv, [1024, 3, 2]],