YOLOv5中Focus块与6x6卷积块之间的联系与对比

原创已于 2023-11-17 22:30:32 修改 · 780 阅读

·

0

·

CC 4.0 BY-SA版权

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

文章标签：

#YOLO #深度学习 #人工智能 #计算机视觉

于 2023-11-15 15:35:54 首次发布

本文讨论了Yolov5s中Focus结构与6x6卷积层的理论等价性，指出Focus通过切片和3x3conv减少参数和计算量，但在大量图片处理时，6x6conv的效率更高，因此在yolov6.0中进行了替换。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

以yolov5s为例，原始的 $640\times 640\times 3$ 的图像输入Focus结构，采用切片操作，先变成 $320\times 320\times 12$ 的特征图，再经过一次卷积操作，最终变成 $320\times 320\times 32$ 的特征图。

下面介绍为什么k=6卷积层在理论上等价于Focus结构。

（1）Focus层的参数量与计算量(忽略bias)

计算量 $FLOPS=(3\times 4)\times 32\times 3\times 3\times 320\times 320=353894400$

参数量 $Params=3\times 4\times 32\times 3\times 3=3456$

（2）k=6卷积层的参数量与计算量(忽略bias)

计算量 $FLOPS=3\times 32\times 6\times 6\times 320\times 320=353894400$

参数量 $Params=3\times 32\times 6\times 6=3456$

通过上面的计算也解释通了为什么使用6x6卷积块（改变以往一般都是用卷积核为奇数的卷积块的做法）

在yolov5中，作者提出单层Focus结构来替换了yolov3的backbone中的前三层，具体如下图所示。

图片在经过Focus模块后，最直观的是起到了下采样的作用，在这个下采样的过程相比于以前的卷积操作减少了层数、参数，以及 FLOPs，同时对mAP影响较小。

Focus结构将原图切分并堆叠在一起，再用3x3的conv进行特征提取，Focus结构与一个6x6的conv的感受野、计算量以及参数量是相同的，所以在理论上与6x6的conv完全等价。

但作者可能是因为训练过程中图片数量较多，Focus结构对图片进行拆分提取再堆叠这个过程没有直接conv的计算高效（对于现有的一些GPU设备以及相应的优化算法，使用6x6的conv更高效），所以才在yolov6.0的版本中把Focus换成了6x6的conv。

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。