YOLO V6系列(二) -- 网络结构解析

YOLO V6系列(二) – 网络结构解析

在YOLO V6系列(一) – 跑通YOLO V6算法这篇blog中简单的介绍了YOLO V6算法的训练及测试过程。那么后面，尽可能地对源码进行解析。首先，先对YOLO V6算法的网络架构进行解析吧~（如果中间有不对的地方，还请指出来，权Q ^ _ ^）

---

首先基于tools/train.py中trainer = Trainer(args, cfg, device)创建训练的类，通过对训练类的初始化model = self.get_model(args, cfg, self.num_classes, device)来创建网络模型。在models/yolo.py中build_network函数可见，YOLO V4算法网络架构基本上就是三部分：backbone、neck、head，跟yolo系列算法相似。

    backbone = EfficientRep(
        in_channels=channels,
        channels_list=channels_list,
        num_repeats=num_repeat
    )
    neck = RepPANNeck(
        channels_list=channels_list,
        num_repeats=num_repeat
    )
    head_layers = build_effidehead_layer(channels_list, num_anchors, num_classes)

这三个部分分别来看下：

一、EfficientRep结构

在YOLO V4算法中，弃用了YOLO V5中CSPDarknet结构，采用ReVGG的结构，并且基于硬件又进行了改良，提出了效率更高的EfficientRep。
这里，先介绍下RepVGGBlock模块，他的实现代码在yolov6/layers/common.py中。

    def forward(self, inputs):
        '''Forward process'''
        if hasattr(self, 'rbr_reparam'):
            return self.nonlinearity(self.se(self.rbr_reparam(inputs)))
        if self.rbr_identity is None:
            id_out = 0
        else:
            id_out = self.rbr_identity(inputs)
        return self.nonlinearity(self.se(self.rbr_dense(inputs) + self.rbr_1x1(inputs) + id_out))

self.rbr_identity = nn.BatchNorm2d(num_features=in_channels) if out_channels == in_channels and stride == 1 else None
self.rbr_dense = conv_bn(in_channels=in_channels, out_channels=out_channels, kernel_size=kernel_size, stride=stride, padding=padding, groups=groups)
self.rbr_1x1 = conv_bn(in_channels=in_channels, out_channels=out_channels, kernel_size=1, stride=stride, padding=padding_11, groups=groups)

这里，为了简洁，我只摘取了训练过程中EfficientRep模块的实现代码。其实可以看的出来，它首先对输入特征图进行3X3卷积，同时进行1X1卷积，最后再加上输入本身。这里盗个图（转载于EfficientRep模块示意图）

基于RepVGGBlock模块，可组成EfficientRep结构

outputs = []
x = self.stem(x)
x = self.ERBlock_2(x)
x = self.ERBlock_3(x)
outputs.append(x)
x = self.ERBlock_4(x)
outputs.append(x)
x = self.ERBlock_5(x)
outputs.append(x)

二、RepPANNeck结构

        (x2, x1, x0) = input

        fpn_out0 = self.reduce_layer0(x0)
        upsample_feat0 = self.upsample0(fpn_out0)
        f_concat_layer0 = torch.cat([upsample_feat0, x1], 1)
        f_out0 = self.Rep_p4(f_concat_layer0)

        fpn_out1 = self.reduce_layer1(f_out0)
        upsample_feat1 = self.upsample1(fpn_out1)
        f_concat_layer1 = torch.cat([upsample_feat1, x2], 1)
        pan_out2 = self.Rep_p3(f_concat_layer1)

        down_feat1 = self.downsample2(pan_out2)
        p_concat_layer1 = torch.cat([down_feat1, fpn_out1], 1)
        pan_out1 = self.Rep_n3(p_concat_layer1)

        down_feat0 = self.downsample1(pan_out1)
        p_concat_layer2 = torch.cat([down_feat0, fpn_out0], 1)
        pan_out0 = self.Rep_n4(p_concat_layer2)

        outputs = [pan_out2, pan_out1, pan_out0]

上述x2, x1, x0均为backbone进行特征提取之后所得到的三个特征图。从结构上来看，其实还是用了YOLO V5这PANET结构，只不过将其中的CSPDarknet换做了RepBlock。

三、effidehead模块

这里，获取预测头的代码有点长，我就直接贴图了。从上图所示，YOLO V6相对于YOLO X来说把解耦头部分的两个卷积减少成一个卷积，这样做应该是缩短训练和测试时间，但是精度应该会有一些损失。最后生成的head应该是

• (cls_convs): ModuleList()
• (reg_convs): ModuleList()
• (cls_preds): ModuleList()
• (stems): ModuleList()