Modules Of YoloV5 Architecture

原创 已于 2022-04-19 20:27:31 修改 · 1.8k 阅读 · 30 ·
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：

#深度学习 #自动驾驶 #计算机视觉 #目标检测

于 2021-09-12 18:49:27 首次发布
本文详细介绍了深度学习在目标检测领域的几种关键结构，如Bottleneck、SPP、DWConv、GhostConv等，以及它们在YoloV5中的应用。GhostBottleneck是YoloV5提出的一种节省计算资源的模块，而MixConv和CrossConv则提供了不同尺度卷积的融合方式。此外，FPN与PAN的结合用于多尺度目标检测和特征融合，提升了检测性能。

欢迎访问个人网络日志🌹🌹知行空间🌹🌹

文章目录

1.Bottleneck

来自于何凯明2014年工作Resnet
在这里插入图片描述

2.BottlenetCSP

与CSP论文描述的方式不一直，但CSP论文源码亦是通过此方式实现，参考YoloV5 Issues 781。
在这里插入图片描述

3. C3:Bottleneck with 3 Convolutional Blocks

将Bottleneck换成 SPP将变成 C3SPP,换成Transformer将变成C3TR,换成GhostBottleneck就是C3Ghost,C3结构是Yolov5中提出的。
在这里插入图片描述

4. Focus

Focus层作为Yolov5中提出的，在最前面对输入做处理的层，是为了取代YoloV3中的前三层卷积，可以在保证图像信息无丢失的同时减小图像的尺寸，从而减小FLOPS，加速推理。

YoloV5 作者对Focus Layer的一些解释，可参考Discussion、Issue 804
在这里插入图片描述

5.SPP

YoloV5中实现的SPP与SPP论文给出来的，有些许差异，YoloV5中的SPP是固定了MaxPool的kernel大小分别为5\9\13,其stride=1,且对输入进行padding,故MaxPool并不改变输入图像的尺寸大小。

在这里插入图片描述
标准的SPP是指定MaxPool后输出的 W o u t W_{out} W

最低0.47元/天 解锁文章
手把手带你 YOLOv5/v7 添加注意力机制（并附上30多种顶会Attention原理图）2024/2/5更新
YOLOv8项目贡献者
04-27 20万+
YOLOv5/v7 添加注意力机制教程 2023/6/15更新🍀🍀🍀
YOLOv5的Tricks | 【Trick11】在线模型训练可视化工具wandb(Weights & Biases)
Clichong
08-07 6369
如有错误，恳请指出。与其说是yolov5的训练技巧，这篇博客更多的记录如何使用wandb这个在线模型训练可视化工具，感受到了yolov5作者对其的充分喜爱。所以下面内容更多的记录下如何最简单的使用这个工具，而不是在介绍他在yolov5中的使用，后者具体可以见官方资料：Weights & Biases with YOLOv5Wandb是Weights & Biases的缩写，这款工具能够帮助跟踪你的机器学习项目。它能够自动记录模型训练过程中的超参数和输出指标，然后可视化和比较结果，并快速与同事共享结果。（感受
【Yolov系列】Yolov5学习（一）：大致框架
qq_43737512的博客
04-24 1万+
Yolov5学习（一）：大致框架
【YOLO】YOLOv5原理
gma999的博客
12-28 1万+
YOLOV5原理理解
pytorch yolov5 focus层
weixin_40688204的博客
03-23 1070
yolov5中focus的定义如下： 从图像上能够更加直观地理解 4 * 4 * 3变成 2 * 2 * 12 x[..., ::2, ::2]意义如下图 ...:表示所有通道（图中为3通道） ::2 :表示第一行开始到最后一行结束，步长为2的所有值（图中第一行，第三行所有值） ::2 :表示第一列开始到最后一列结束，步长为2的所有值（图中第一列，第三列所有值） 最终交集为图中标1的方块（图中红底标出） torch.cat( )的用法 如果我们有两个tensor是A和B，想...
YOLOv5中 FOCUS模块
lbr15660656263的博客
06-07 1703
Focus层原理和PassThrough层很类似。它采用切片操作把高分辨率的图片 （特征图）拆分成多个低分辨率的图片/特征图，即隔列采样+拼接。原理图如 下：原始的640 × 640 × 3的图像输入Focus结构，采用切片（slice）操作，先 变成320 × 320 × 12的特征图，拼接（Concat）后，再经过一次卷积（CBL(后 期改为SiLU，即为CBS)）操作，最终变成320 × 320 × 64的特征图。
YOLOv5的focus层详解记录
qq_44817196的博客
08-17 2153
focus层的流程：大致流程 focus层的作用（yolov5作者的原话）：原话
yolov5代码学习
weixin_45706801的博客
07-02 372
2 模型骨架配置 yolov5s.yaml。3 每层输入输出分析。
主干网络篇 | YOLOv5/v7 更换骨干网络之 EfficientNet | 卷积神经网络模型缩放的再思考
weixin_39818775的博客
07-15 1612
YOLOv5和YOLOv7是目前主流的轻量级目标检测模型，在速度和精度方面取得了良好的平衡。然而，传统的YOLOv5/v7模型使用FPN和CSPNet等结构作为主干网络，在CPU上运行时可能存在效率较低的问题。为了解决这个问题，本文提出了一种使用EfficientNet作为主干网络的YOLOv5/v7模型，该模型在CPU上具有更高的推理速度和更低的内存消耗。
YOLOv5中的Focus层详解|优快云创作打卡
热门推荐
tt丫的博客
01-17 3万+
第一次写优快云博客嘻嘻，深度学习入门小菜鸟，希望像做笔记记录自己学的东西，也希望能帮助到同样入门的人，更希望大佬们帮忙纠错啦~侵权立删。 文章目录 背景介绍 一、pandas是什么？ 二、使用步骤 1.引入库 2.读入数据 总结 背景介绍 Focus层是在YOLOv5中被提出来的。感觉像是一种特殊的下采样的方式。 1.下采样 下采样就是一种缩小图像的手法，用来降低特征的维度并保留有效信息，一定程度上避免过拟合。下采样就是池化操作。但是池化的目的不仅如此，还需要考虑旋
yolov5 focus
weixin_43489941的博客
11-11 453
import torch import torch.nn as nn import numpy as np import pandas as pd def autopad(k, p=None): # kernel, padding # Pad to 'same' if p is None: p = k // 2 if isinstance(k, int) else [x // 2 for x in k] # auto-pad return p class Conv
目标检测算法YOLOv5简介
网络资源是无限的
05-04 3332
目标检测算法YOLOv5简介
❀YOLOv5学习❀对Focus的理解
weixin_44649780的博客
01-12 8005
focus模块的结构： 输入图像后进行分割，再进行连接后进入下一个模块。 图像是怎么进行分割的呢？拿3*4*4进行举例。 将 3×4×4 的输入通过隔行切片的操作变换为 12×2×2，Focus 操作可以在没有参数的情况下将输入维度进行下采样，并且尽可能保留了原有的图像信息。 对图片进行切片操作，具体操作是在一张图片中每隔一个像素拿到一个值，类似于邻近下采样，这样就拿到了四张图片，四张图片互补，长的差不多，但是没有信息丢失，这样一来，将W、H信息就集中到了通道空间，输入通道扩充了4倍..
【Yolov系列】Yolov5学习（一）补充2：Focus模块详解
qq_43737512的博客
04-22 4887
Yolov5学习（一）补充2：Focus模块详解
YOLO系列笔记（十七）—— YOLOv5各层详细介绍（附python代码）：Focus，Conv，C3，SPPF，特征金字塔及多尺度训练
XISHI_TIANLAN的博客
05-20 3830
在目标检测任务中，模型的结构和各个模块的设计对检测性能有着至关重要的影响。本文将详细介绍YOLOv5中的一些关键模块和技术，包括Focus层、卷积层（Conv）、C3层、SPPF层、特征金字塔（Feature Pyramid）以及多尺度训练（Multi-scale Training）。这些模块和技术共同构成了YOLOv5强大的目标检测能力。！Focus层的核心思想是将输入图像的空间信息（即宽度和高度）重新排列成更多的通道信息。
yolov5源码解析(0)--focus层哪去了？
05-21 2708
很多介绍yolov5的文章都会讲到focus层，但是如果你去看yolov5的源码（比如yolov5-6.2, yolov5-7.0等较新的版本），你会发现代码里还有focus层，但是没用到它。原因是focus层已经被6乘6步长2的卷积层替代了，因为它们的计算过程是等价的，而后者的性能更好，对于端侧设备也跟友好。本文详细分析了它们为何等价，以及如何等价替换。
YOLOv5之Focus与6x6卷积的理解
xiahan_qian的博客
06-02 8384
最近正在学习yolov5算法，以yolov5s模型为例，其中的foucs模块有何作用？之后被改成了一个k=6的卷积层，为什么较大的卷积核进行卷积比focus模块更有效呢？
YOLOv5网络结构学习
qq_40356092的博客
05-09 1万+
最近在学习yolov5的代码（因为项目需要），其实陆陆续续接触yolov5已经半年左右了，用yolov5也跑过了自己的数据集，但是一直没有上手对代码进行修改，主要还是因为用到了很多工程性的技术和代码，之前做科研的时候没有接触到，改代码方式如果不正确会引发很多BUG。 我们就先从yolov5的网络结构开始讲起吧~ 一、Focus层 Focus层的代码如下： class Focus(nn.Module): # Focus wh information into c-space def __ini
Yolov5 (v6.1)添加注意力机制
qq_41627642的博客
10-18 3328
无
Yolov5-7.0优化
最新发布
02-08
2. What specific parts of YOLOv5 architecture benefit most from pruning techniques? 3. Can you provide an example code snippet demonstrating how to apply knowledge distillation using Hugging Face ...
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
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