YOLOv5系列（3）——YOLOv5修改网络结构

最新推荐文章于 2025-02-14 19:32:43 发布
最新推荐文章于 2025-02-14 19:32:43 发布
阅读量3.6w 收藏 718
点赞数 69
分类专栏： 深度学习 AI yolo 文章标签： 深度学习 pytorch 神经网络 yolov5 机器学习
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/wa1tzy/article/details/114492726
版权
本文介绍了如何在YOLOv5中将网络结构改为MobilenetV2，并添加注意力模块。首先在models/common.py中实现MobileNetV2的bottleneck和Pointwise Convolution，接着修改yolo.py的parse_model函数以引入新模块。通过创建yolov5-mobilenetV2.yaml配置文件，成功替换backbone。此外，还展示了在yolov5x_se.yaml中添加SELayer注意力模块的步骤。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

文章目录

一、设置网络结构为mobilenet-V2

首先，需要在models/common.py里，实现MobileNetv2的 bottleneck 和 Pwconv。
1、Mobilenetv2的bottleneck: InvertedResidual

#mobilenet  Bottleneck  InvertedResidual  
class BottleneckMOB(nn.Module):  
    #c1:inp  c2:oup s:stride  expand_ratio:t  
    def __init__(
了解本专栏 订阅专栏 解锁全文 超级会员免费看
【YOLOv5进阶】——修改网络结构（以C2f模块为例）
weixin_51658186的博客
06-10 1489
这里我们借鉴YOLOv8源码：上期说到，对于网络模块定义详情在common.py这个文件，如Conv、CrossConv、C3f等。
【YOLOv5进阶】——替换主干网络（backbone）-MobileNet为例
weixin_51658186的博客
07-08 1570
替换网络主体，即配置文件中的backbone，这里以轻量级网络MobileNet的替换为例，替换后网络参数数量降低了近一半，速度快了1倍左右，但训练效果指标相比之前不佳。
YOLOv5改进 | 主干网络 | 将backbone替换为MobileNetV2【小白必备教程+附完整代码】
kay_545
08-06 1935
yolov5，yolov5改进，MobileNet v2
小白也能使用yolov5训练自己的数据集实现目标检测
最新发布
weixin_54186806的博客
02-14 2003
由于本人也是刚刚入门深度学习的行列，对很多理论知识的了解还不够深入，对yolov5的原理只能简单介绍一下，然后大家如果有什么问题，欢迎在评论区里留言或者私信我，我看到之后会很快恢复，希望大家能够一起进步，也欢迎大家关注我，方便交流。（该流程同时适用于ubuntu系统或者windows）下载好之后的文件分布是这样的然后我们打开data这个文件。
【目标检测】YOLOv5：修改自己的网络结构
兴趣使然的创作者
04-15 6508
YOLOv5从登堂到入室
Yolov5网络修改教程（将backbone修改为EfficientNet、MobileNet3、RegNet等）
rglkt的博客
06-29 3万+
在我的本科毕业论文中，我使用了Yolov5，并尝试对其更改。可以对Yolov5进行一定程度的定制化修改，例如更轻量级的Yolov5-MobileNetv3 或者比Yolov5s更好的（存疑，没有跑过大数据集，可自己实验）Yolov5-EfficientNet。......
YOLOv5改进 | 主干网络 | 将backbone替换为MobileNetV3【小白必备教程+附完整代码】
kay_545
05-18 3039
yolov5有效改进涨点，yolov5改进，yolov8
yolov5 修改
weixin_43167279的博客
05-13 1351
借鉴的代码：http://github.com/ultralytics/ultralytics。
YOLOv5源码逐行超详细注释与解读（1）——项目目录结构解析
路人贾的博客
03-06 8万+
全网最全YOLOv5项目目录结构超详细分析。逐个文件注释，小白上手必备
【YOLO系列】YOLOv5超详细解读（源码详解＋入门实践＋改进）
热门推荐
路人贾的博客
03-03 19万+
一文带你详细了解YOLOv5（含YOLO系列论文讲解+源码详解+入门实践+算法改进）
yolov5（v7.0）网络修改实践一：集成YOLOX的backbone（CSPDarknet和Pafpn）到yolov5（v7.0）框架中
qq_44442727的博客
07-17 1159
从上forward函数可以发现，YOLOPAFPN还需先经过一个backbone：CSPDarknet得到输出后再进入特征融合阶段，从forward函数也就可以了解到YOLOPAFPN的整体结构了。如下是找的YOLOX的网络结构图，红框内即是YOLOPAFPN的结构根据导入的库可以找到CSPDarknet和相关基础模块的定义代码，分别在models文件夹下的darknet.py和network_blocks.py下。
修改YOLOv5的模型结构
Loser
11-03 884
common.py中实现了yolov5所用到的一些模块将卷积、归一化、和激活函数合并成一个Conv模块将通道数先缩小后放大的Bottleneck模块结合跳跃连接、Conv、Bottleneck模块的C3模块为了下采样、降低计算量用的Focus模块融合多尺度特征的SPP（Sptaial Pyramid Pooling，空间金字塔）模块然后在上层又创建了AutoShape进行非模型本身的预处理、后处理过程；创建了Detections用于控制检测的过程，记录状态等；
YOLOv5改进实战（导读篇） | YOLOv5 7.0 网络结构超详细解读
w94ghz的博客
09-21 1万+
从前向传播角度解读YOLOV5的源码：如何修改网络结构或增添多余的层？
vindicater的博客
08-31 820
本文主要介绍的是forward部分，也就是整个模型推理的部分。通过对于整个网络的具体实现的解析，理解了的读者便能具备修改网络结构的能力。
更改yolov5模型结构
A1983Z的博客
10-28 683
更改yolov5网络结构
yolo训练网络如何修改？看完就会！
pjbsgcxy的博客
05-30 595
在def parse_model(d, ch): # model_dict, input_channels(3)方法中，添加一下内容。models/yolov5*.yaml —>修改现有模型结构配置文件(当引入新的层时，要修改后序的结构中的from参数)models/yolo.py —>设定网络结构的传参细节（当新的自定义模块中存在输入输出维度时，要使用gw调整输出维度）models/common.py —> 加入新增网络结构。然后接着再打开train.py文件即可；
YOLOv5改进 | 主干篇 | 利用SENetV1改进网络结构 (ILSVRC冠军得主)
Snu77的博客
12-28 1355
本文给大家带来的改进机制是SENet（Squeeze-and-Excitation Networks）其是一种通过调整卷积网络中的通道关系来提升性能的网络结构。SENet并不是一个独立的网络模型，而是一个可以和现有的任何一个模型相结合的模块(可以看作是一种通道型的注意力机制)。在SENet中，所谓的挤压和激励（Squeeze-and-Excitation）操作是作为一个单元添加到传统的卷积网络结构中，如残差单元中(后面我会把修改好的残差单元给大家大家直接复制粘贴即可使用)。这样可以增强模型对通道间关系的捕获
yolov5修改骨干网络-使用自己搭建的网络-以efficientnetv2为例
小白不白
12-15 6521
efficientnet则是通过NAS搜索，同时增加width、depth以及resolution，使网络结构达到最优。下表为EfficientNet-B0的网络框架（B1-B7就是在B0的基础上修改Resolution，Channels以及Layers），可以看出网络总共分成了9个Stage。第一个Stage是一个卷积核大小为3x3，stride为2的普通卷积层（包含BN和Swish激活函数）；
04_YOLOv5网络结构分析：ONNX模型concat层修改与删除
m0_73496027的博客
07-03 579
2.修改yolo.py，在该文件中重新定义concat函数，使得实例中输入层数超过2时concat函数内部做一次拆分处理。3.训练出onnx后写一python脚本，import ONNX ，导入训练出的模型，find concat后直接修改。1.修改训练所用的yaml文件，在该在yaml文件中重新定义网络结构，拆分多输入concat层为2输入。的实例化，找到每一个实例对应的输入特征图索引的值与个数。列表的长度大于2时转入if...)，然后重新训练。因此想要修改concat函数输入部分，需要搜索。
LOL英雄小兵塔检测——yolov5模型实战解析
YOLOv5的一些关键改进包括使用了更复杂的网络结构，例如CSPNet和PANet，这些技术有助于减少计算量同时提升检测速度和精度。此外，YOLOv5还引入了自适应锚框的大小调整，进一步提高了对不同尺寸目标的检测能力。 3. ...
评论 137
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

wa1tzy

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