Yolov5从入门到放弃（一）---yolov5网络架构

YoloV5网络架构

总体架构

• Backbone(主体) : Focus, BottleneckCSP, CSP
• Head : PANet + Dectect (Yolov3/Yolov4 Head)

代码部分

# parameters
nc: 80  # number of classes 类别数
depth_multiple: 0.33  # model depth multiple 控制模型的深度 （BottleneckCSP数）
width_multiple: 0.50  # layer channel multiple 控制Conv通道个数 （卷积核数量）
# depth_multiple表示BottleneckCSP模块的层缩放因子，将所有的BottleneckCSP模块的Bottleneck乘上该参数得到最终个数。
# width_multiple表示卷积通道的缩放因子，就是将配置里面的backbone和head部分有关Conv通道的设置，全部乘以该系数。
# 通过这两个参数就可以实现不同复杂度的模型设计。

# anchors
anchors:   # 先验框 或者  锚框
  - [10,13, 16,30, 33,23]  # P3/8   代表stride=8 也就是8倍下采样尺度后先验框的大小 宽度是10  长度是 13
  - [30,61, 62,45, 59,119]  # P4/16
  - [116,90, 156,198, 373,326]  # P5/32

# YOLOv5 backbone
backbone:
  # [from, number, module, args]
  # from列参数：当前模块输入来自哪一层输出；-1 代表是从上一层获得的输入
  # number列参数：本模块重复次数；1表示只有一个，3表示有三个相同的模块
  [[-1, 1, Focus, [64, 3]],  # 0-P1/2
   [-1, 1, Conv, [128, 3, 2]],  # 1-P2/4; 128表示128个卷积核，3表示3×3的卷积核，2表示步长为2。
   [-1, 3, BottleneckCSP, [128]],
   [-1, 1, Conv, [256, 3, 2]],  # 3-P3/8
   [-1, 9, BottleneckCSP, [256]],
   [-1, 1, Conv, [512, 3, 2]],  # 5-P4/16
   [-1, 9, BottleneckCSP, [512]],
   [-1, 1, Conv, [1024, 3, 2]],  # 7-P5/32
   [-1, 1, SPP, [1024, [5, 9, 13]]],
   [-1, 3, BottleneckCSP, [1024, False]],  # 9
  ]

# YOLOv5 head
# 作者没有分neck模块，所以head部分包含了PANet+Detect部分
head:
  [[-1, 1, Conv, [512, 1, 1]],
   [-1, 1, nn.Upsample, [None, 2, 'nearest']],
   [[-1, 6], 1, Concat, [1]],  # cat backbone P4
   [-1, 3, BottleneckCSP, [512, False]],  # 13

   [-1, 1, Conv, [256, 1, 1]],
   [-1, 1, nn.Upsample, [None, 2, 'nearest']],
   [[-1, 4], 1, Concat, [1]],  # cat backbone P3
   [-1, 3, BottleneckCSP, [256, False]],  # 17 (P3/8-small)

   [-1, 1, Conv, [256, 3, 2]],
   [[-1, 14], 1, Concat, [1]],  # cat head P4
   [-1, 3, BottleneckCSP, [512, False]],  # 20 (P4/16-medium)

   [-1, 1, Conv, [512, 3, 2]],
   [[-1, 10], 1, Concat, [1]],  # cat head P5
   [-1, 3, BottleneckCSP, [1024, False]],  # 23 (P5/32-large)

   [[17, 20, 23], 1, Detect, [nc, anchors]],  # Detect(P3, P4, P5)
  ]

个数x ___multiple 取整就是最终个数

网络的不断加深（使用残差组件的多少），也在不断增加网络特征提取和特征融合的能力。

卷积核数量的多少，也直接影响卷积后特征图的第三维度，即厚度，大白这里表示为网络的宽度。

FOCUS

也就相当于下采样两倍，数量扩为原来的四倍,可以减少浮点运算量但是不会提升速度，不影响mAP

[b,c,h,w]------->[b,c*4,h//2,w//2]

其中Res Block就是残差模块

池化

可以增大感受野，提取出最重要的特征但是不会减少运算量

上面的池化操作的经过填充以后的所以特征图并w h没有减小

PANet

也就是当图片只有下采样的时候，原来的图片不好和下采样后的图片进行特征融合，为了解决这个问题就有了另外一条线绿线，这样进行上采样以后，特征图就能在相同尺度上进行融合，最后进行拼接

所以得到的信息就更加的丰富