YOLOv5改进 | 主干篇 | 华为最新VanillaNet主干替换Backbone实现大幅度长点

已于 2024-03-30 23:15:01 修改
阅读量2.3k 收藏 20
点赞数 23
CC 4.0 BY-SA版权
分类专栏： YOLOv5改进有效专栏 文章标签： YOLO 华为 人工智能 深度学习 python 计算机视觉 目标检测
于 2023-12-28 01:32:53 首次发布
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。
本文链接：https://blog.youkuaiyun.com/java1314777/article/details/135229205
本文介绍了如何用华为的VanillaNet替换YOLOv5的Backbone，VanillaNet是一种轻量级且高效的神经网络架构。通过深度训练策略和串联激活函数，VanillaNet在目标检测任务上展现出良好的性能。文章提供详细的步骤指导，包括核心代码和yaml文件，实现在大目标和小目标检测上的性能提升。

一、本文介绍

本文给大家来的改进机制是华为最新VanillaNet网络，其是今年最新推出的主干网络，VanillaNet是一种注重极简主义和效率的神经网络架构。它的设计简单，层数较少，避免了像深度架构和自注意力这样的复杂操作(需要注意的是该网络结构的通道数会被放大，GFLOPs的量会很高)。我将其替换整个YOLOv5的Backbone，在一些大目标和小目标检测上均有涨点，效果比上一篇RepViT的效果要好。我的实验数据集是一个包含1000张图片包含大中小的检测目标的数据集上(共有20+类别)，下面我会附上基础版本和修改版本的训练对比图，同时我会手把手教你添加该网络结构。

推荐指数：⭐⭐⭐⭐⭐

专栏回顾：YOLOv5改进专栏——持续复现各种顶会内容——内含100+创新 

目录

一、本文介绍

二、VanillaNet原理

2.2  VanillaNet的基本原理

2.2.1 深度训练策略

2.2.2 串联激活函数

三、VanillaNet的核心代码 

  四、手把手教你添加VanillaNet网络结构

修改一

修改二

修改三

修改四

修改五

修改五 

修改六 

修改七

五、VanillaNet的yaml文件

六、成功运行记录 

七、本文总结

二、VanillaNet原理

论文地址： 官方论文地址

代码地址： 官方代码地址

2.2  Van

了解本专栏 订阅专栏 解锁全文
【RT-DETR有效改进】华为最新VanillaNet主干替换Backbone实现大幅度涨点
Snu77的博客
01-18 1892
本文给大家来的改进机制是华为最新发布的VanillaNet网络，VanillaNet是一种注重极简主义和效率的神经网络架构。它的设计简单，层数较少，避免了像深度架构和自注意力这样的复杂操作。我将其替换整个RT-DETR的Backbone，在一些大目标和小目标检测上均有涨点，效果比上一篇RepViT的效果要好。接下来，我会展示一下原始版本和我改进后版本在训练上的对比图。之后会在文章中介绍该网络结构，然后教大家如何修改该网络结构，下面的图片为在我的数据上的实验对比图，左边为基础版本 ，右边为修改了本文该机制的结
YOLOv5改进系列（22）——替换主干网络之MobileViTv1（一种轻量级的、通用的移动设备 ViT）
路人贾的博客
08-20 3511
YOLOv5改进系列之替换主干网络MobileViTv1，一种轻量级的、通用的移动设备 ViT
VanillaNet：深度学习极简主义的力量
qq_20144897的博客
05-26 4501
VanillaNet：深度学习极简主义的力量
替换YOLOv5主干网络
Kelly_Ai_Bai的博客
12-17 1404
可以看到 vgg16 模型主要由 feature (特征提取层：做特征提取) 、avgpool (池化层) 以及 classifier (分类层) 组成，要替换YOLOv5的主干网络，其实就是要将YOLOv5的特征提取层用vgg16的特征提取层进行替换。如图所示，可以看到 torchvision.models 下面有很多模型, 比如 vgg16,resnet50,AlexNet,resnet18等等，在这里我选择 vgg16 模型 来替换YOLOv5的主干网络。首先写一个 demo.py 文件来查看。
【人工智能学习之YOLOV5更换主干网络】
Jiagym的博客
06-24 782
更换GhostNet主干网络比较简单，因为models/common.py里面已经写好了相关类的定义，如下图。最后在调用yaml文件时将原本的yoloXX.yaml切换为shufflenet.yaml即可。最后在调用yaml文件时将原本的yoloXX.yaml切换为mobilenet.yaml即可。最后在调用yaml文件时将原本的yoloXX.yaml切换为ghostnet.yaml即可。MobileNet的添加我们采取另一种方式。所以我们直接配置yaml文件即可。
YOLOv8改进 | 主干篇 | 华为最新VanillaNet主干替换Backbone实现大幅度长点
Snu77的博客
12-19 6637
本文给大家来的改进机制是华为最新VanillaNet网络，其是今年最新推出的主干网络，VanillaNet是一种注重极简主义和效率的神经网络架构。它的设计简单，层数较少，避免了像深度架构和自注意力这样的复杂操作(需要注意的是该网络结构的通道数会被放大，GFLOPs的量会很高)。我将其替换整个YOLOv8的Backbone，在一些大目标和小目标检测上均有涨点，效果比上一篇RepViT的效果要好。我的实验数据集是一个包含1000张图片包含大中小的检测目标的数据集上(共有20+类别)，下面我会附上基础版本和修改版
YOLOv10改进 | 主干/Backbone篇 | 华为最新VanillaNet主干替换Backbone实现大幅度长点
Snu77的博客
07-12 1439
本文给大家来的改进机制是华为最新VanillaNet网络，VanillaNet是一种注重极简主义和效率的神经网络架构。它的设计简单，层数较少，避免了像深度架构和自注意力这样的复杂操作(需要注意的是该网络结构的通道数会被放大，GFLOPs的量会很高)。我将其替换整个YOLOv10的Backbone，在一些大目标和小目标检测上均有涨点，效果比上一篇RepViT的效果要好。我的实验数据集是一个包含1000张图片包含大中小的检测目标的数据集上(共有20+类别)，下面我会附上基础版本和修改版本的训练对比图，同时我会手
YOLOv10改进 | 主干篇 | YOLOv10引入华为VanillaNet替换Backbone
tsg6698的博客
06-19 974
VanillaNet 的这一富有远见的旅程具有重新定义景观并挑战基础模型现状的巨大潜力，为优雅而有效的模型设计开辟了一条新道路。此外，为了增强网络的非线性特性，VanillaNet还提出了一种有效的基于序列的激活函数，该函数结合了多个可学习的仿射变换。到此本文的正式分享内容就结束了，在这里给大家推荐我的YOLOv10改进有效涨点专栏，后期我会根据各种最新的前沿顶会进行论文复现，也会对一些老的改进机制进行补充，如果大家觉得本文帮助到你了，订阅本专栏，关注后续更多的更新~3.3 在tasks.py里引用。
YOLOv8改进 | 主干篇 | YOLOv8引入华为VanillaNet替换Backbone
最新发布
tsg6698的博客
09-03 575
VanillaNet 的这一富有远见的旅程具有重新定义景观并挑战基础模型现状的巨大潜力，为优雅而有效的模型设计开辟了一条新道路。此外，为了增强网络的非线性特性，VanillaNet还提出了一种有效的基于序列的激活函数，该函数结合了多个可学习的仿射变换。到此本文的正式分享内容就结束了，在这里给大家推荐我的YOLOv8改进有效涨点专栏，后期我会根据各种最新的前沿顶会进行论文复现，也会对一些老的改进机制进行补充，如果大家觉得本文帮助到你了，订阅本专栏，关注后续更多的更新~1.3 VanillaNet模块结构图。
使用MobileViT替换YOLOv5主干网络
qq_43448116的博客
10-28 6719
相比较于其他的transformer变体，MobileViT这篇文章给出的改动技巧很简单高效，它解决的ViT中因为像素摊平操作导致的位置信息损失问题，将卷积的局部信息提取优势和自注意力机制的全局信息提取能力结合起来，并且根据论文描述具有高度轻量化+极快的推理速度，具体的大佬们自己去读读，本菜鸡好久之前读的了，印象不是很深了…1、由于transformer自注意力机制结构中存在大量的矩阵乘操作，对内存的消耗特别大，如果显卡显存不是特别大，建议将。话不多说，直入主题吧！
最新yolov5 release版本 v4.0 yolov5-4.0.zip
03-01
最新yolov5 release版本 v4.0 官网地址（下载速度较慢，本资源是镜像）：https://github.com/ultralytics/yolov5/releases/tag/v4.0
YOLOV5的多主干网络（backbone）实现.zip
03-05
# 复现TPH-YOLOv5 # 支持的backbone为Ghostnet、Shufflenetv2、Mobilenetv3Small、EagleEye、EfficientNetLite-0、PP-LCNet-1x、SwinTrans-YOLOv5
flexible-yolov5:具有更多主干（resnet，shufflenet，moblienet）的更具可读性和灵活性的yolov5
03-26
flexible-yolov5 基于 。 原始的Yolo V5是一个了不起的项目。 对于专业人士而言，理解和修改其代码应该不难。 我不是专家。 当我想对网络进行一些更改时，这并不是一件容易的事，例如添加分支和尝试其他骨干网。 也许会有像我这样的人，所以我将yolov5模型拆分为{主干，脖子，头部}，以方便各种模块的操作并支持更多的主干。基本上，我只更改了模型，而没有更改架构，培训和测试yolov5。 因此，如果原始代码被更新，则更新该代码也非常方便。 目录 [培训与测试]（＃培训与测试） 特征 重组骨干，脖子，头部等模型结构，可以灵活方便地修改网络 更多主干，mobilenetV3，shufflenetV2，resnet18、50、101等 先决条件 请参阅requirements.txt 入门 数据集准备 以yolov5格式制作数据。 您可以使用utils / make_yolov5
YOLOv5中MobileViT主干网络的替换及计算机视觉
LgvrApplescript的博客
09-17 481
通过将MobileViT应用于YOLOv5，我们可以在保持较高检测精度的同时减少模型的大小和计算复杂度。总结而言，本文介绍了如何将YOLOv5中的主干网络替换为MobileViT，并提供了相应的源代码示例。通过这样的替换，我们可以在保持较高的检测精度的同时，减少模型的大小和计算复杂度，从而提升YOLOv5在计算机视觉任务中的应用性能。通过使用MobileViT作为YOLOv5的主干网络，我们可以在一定程度上减少模型的参数量和计算复杂度，从而提高模型的推理速度和适用性。
yolov5改进之Fasternet主干网络替换
qq_41920323的博客
05-12 4975
fasternet替换yolov5主干网络
[深度学习]如何替换YoloV5的主干网络:Flexible-Yolov5
热门推荐
qq_30017409的博客
03-08 1万+
Flexible-Yolov5:可自定义主干网络的YoloV5工程实践 本文目录： 概述 理论学习 准备自己的数据集 修改、调整自定义的主干网络 部署训练 一、概述 YoloV5的主干网络是优秀的，但是许多时候默认的DarkNet并不能满足我们的需求，包括科研、立项时需要更多的创新性。而Yolo框架出色的集成了许多目标检测相关的功能与输出，很容易让人联想到在Yolo框架下替换掉DarkNet来测试自己的网络性能水平。 说两句题外话： Yolo只不过是目标检测的入门框架，可轻松上手，请不要在未持有深度学习
YOLOv5算法改进（12）— 如何去更换主干网络（1）（包括代码+添加步骤+网络结构图）
小哥谈
10-19 1472
本篇文章通过案例的方式给大家讲解如何在YOLOv5算法中更换主干网络，文章的特色就是比较浅显易懂，附加了很多的网络结构图，通过结构图的形式向大家娓娓道来，希望大家学习之后能够有所收获！🌈
YOLOv5改进系列（21）——替换主干网络之RepViT（清华 ICCV 2023|最新开源移动端ViT）
路人贾的博客
08-15 4844
YOLOv5改进系列，替换主干网络之RepViT，清华 ICCV 2023，最新开源移动端ViT
YOLOv5算法改进（14）— 如何去更换主干网络（3）（包括代码+添加步骤+网络结构图）
小哥谈
10-20 577
本篇文章通过案例的方式给大家讲解如何在YOLOv5算法中更换主干网络，该文章的特色就是比较浅显易懂，附加了很多的网络结构图，通过结构图的形式向大家娓娓道来，希望大家学习之后能够有所收获！🌈
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Snu77

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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。

余额充值