YOLOv5的Backbone修改教程（将backbone修改为EfficientNet、MobileNet3、RegNet等）

最新推荐文章于 2025-03-25 13:58:49 发布

落难Coder

最新推荐文章于 2025-03-25 13:58:49 发布

阅读量2.5k

点赞数

分类专栏： YOLOV5 文章标签：深度学习

本文链接：https://blog.youkuaiyun.com/u014297502/article/details/127466026

版权

YOLOV5 专栏收录该内容

21 篇文章 ¥39.90 ¥99.00

订阅专栏

超级会员免费看

本文详细介绍了如何在YOLOv5中修改Backbone，如将它替换为EfficientNet、MobileNet3等。重点在于理解网络结构，特别是关注最后三次下采样的输出，以满足YOLOv5的特征融合需求。通过修改`common.py`和`yolo.py`中的相应代码，以及更新yaml配置文件，成功实现了模型的定制。实验结果显示，这样的改动在降低运算量的同时，保持了接近YOLOv5n的精度，尤其适用于CPU移动平台。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

首先在修改之前，先看Yolov5的网络结构。整体看起来很复杂，但是不用慌张，本篇文章的主要修改处Backbone（特征提取网络）可以抽象为只有三部分，也就是只需要修改这一处地方即可。

然后了解我们需要修改的代码。需要修改代码主要集中在yolov5的model文件夹下。yaml主要是修改代码后相对应的配置文件。common.py中添加新的模块，yolo.py中则是让模型能够支持读取相应的配置文件。

前情介绍完毕。下面正式开始进行模型修改，第一步是选择一些性能比较好的特征提取网络，比如前文提到的MobileNet、EfficientNet等。其实表现的比较好的特征提取网络，大部分都经过三次及以上的下采样，能够得到三种不同大小的特征图。在Yolov5中会将这三种大小特征图进行特征融合，FPN和APN的操作，这里不详细展开，主要需要注意的是特征提取网络需要提取出三种不同大小的特征图，我们选择特征提取网络的最后三次下采样的输出给Yolov5网络，就完成了特征提