pytorch搭建YOLOv5网络

weixin_45639189

已于 2022-09-04 18:56:45 修改

阅读量543

点赞数

文章标签： python 深度学习机器学习

于 2022-08-31 22:22:44 首次发布

本文链接：https://blog.youkuaiyun.com/weixin_45639189/article/details/123397915

版权

本文详细介绍了CSPDarknet网络结构，包括Focus、Conv、Bottleneck、C3、SPP和SPPF等核心模块，以及它们在构建主干网络中的作用。CSPDarknet通过残差连接、通道调整和多尺度特征融合提升模型性能，适用于目标检测等任务。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1.基本组成模块

1.1 Foucs模块

# --------------------------Foucs模块-------------——-

class Foucs(nn.Module):
    def __init__(self, c1, c2, k=1, s=1, p=None, g=1, act=True):  # ch_in, ch_out, kernel, stride, padding, groups =1普通卷积  >1深度可分离卷积
        super(Foucs, self).__init__()

        self.conv = Conv(c1*4, c2, k, s, p, g, act)

    def forward(self, x):
        # focus层：每隔一个像素取一个，然后进行堆叠，每个通道转变为四个特征层
        # torch.cat((a,b,c),dim) dim为几按第几为拼接
        # (batch,3,640,640）——》（batch,12,320,320）
        img = torch.cat(
            [
                x[..., ::2, ::2],
                x[..., 1::2, ::2],
                x[..., ::2, 1::2],
                x[..., 1::2, 1::2]
            ], 1
        )
        # 第一层卷积
        img = self.conv(img)
        return img

1.2 Conv模块

# -------------------------Conv模块------------------

# Conv这个函数是整个网络中最基础的组件，由卷积层 + BN层 + 激活函数 组成
class Conv(nn.Module):
    def __init__(self, c1, c2, k, s, p=None, g=1, act=True):
        super(Conv, self).__init__()

        self.conv = nn.Conv2d(c1, c2, k, s, autopad(k, p), groups=g, bias=False)  # 卷积层
        self.bn = nn.BatchNorm

最低0.47元/天解锁文章