Yolov5_DOTA_OBB源码学习
yolov5旋转框的版本地址：https://github.com/hukaixuan19970627/YOLOv5_DOTA_OBB
一、配置文件
B站学习地址：https://www.bilibili.com/video/BV1Pq4y1S7Q4?p=73
在项目的model文件夹下有各个版本的yolov5的yaml配置文件，从s-m-l-x网络依次变大，下面是yolov5m.yaml的代码内容。
运行：项目读取配置文件后解析文件配置模型每一层的内容
特点：v5配置文件比v3版本的配置文件更简洁，可读性强，易于修改（只需要修改小部分能起到v3修改大部分的效果）
# parameters
nc: 16 # number of classes
depth_multiple: 0.67 # model depth multiple
width_multiple: 0.75 # layer channel multiple
# anchors coco:24,9, 37,12, 52,15 64,23, 81,19, 98,29 137,27, 199,41, 342,65
anchors:
- [10,5, 21,10, 38,16] # P3/8
- [65,23, 75,53, 167,33] # P4/16
- [178,93, 493,80, 486,271] # P5/32
# YOLOv5 backbone
backbone:
# [from, number, module, args]
[[-1, 1, Focus, [64, 3]], # 0-P1/2
[-1, 1, Conv, [128, 3, 2]], # 1-P2/4
[-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
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 P43
[-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)
]
其中，较为重要的参数是：
nc
depth_multiple
width_multiple
nc：number of class 根据检测的需要确定类别的个数
depth_multiple 模型深度参数。
在一个block有多个模块，每一个模块需要重复多次， [-1, 9, BottleneckCSP, [512]这个
BottleneckCSP模块需要重复（9×depth_multiple = 9*0.67）次
当number为1不做乘积操作，只对非1的模块进行乘积操作。
width_multiple 模型通道参数
[-1, 1, Focus, [64, 3],这个Focus模块能得到64×width_multiple = 64*0.75 = 48个特征图。
anchor 不同规格的候选框，可修改
backbone 特征提取模块
head 预测输出
[from, number, module, args]
from：当前层的输入，-1表示上一层的输入
number：模块重复个数
module：模块名
args：通道和卷积和的个数。