速通yolov5s.yaml

源码注释版参考：

YOLOv5的Backbone详解_Marlowee的博客-CSDN博客_yolov5 backbone
YOLOv5的head详解_Marlowee的博客-CSDN博客_head yolov5

conv

网络结构

源码

# 标准卷积操作：conv2D+BN+SiLU
# 在Focus、Bottleneck、BottleneckCSP、C3、SPP、DWConv、TransformerBloc等模块中调用
class Conv(nn.Module):
    # Standard convolution
    def __init__(self, c1, c2, k=1, s=1, p=None, g=1, act=True):  
        """
        :params c1: 输入的channel值
        :params c2: 输出的channel值
        :params k: 卷积的kernel_size
        :params s: 卷积的stride
        :params p: 卷积的padding  一般是None  可以通过autopad自行计算需要pad的padding数
        :params g: 卷积的groups数  =1就是普通的卷积  >1就是深度可分离卷积
        :params act: 激活函数类型   True就是SiLU()/Swish   False就是不使用激活函数
                     类型是nn.Module就使用传进来的激活函数类型
        """
        super().__init__()
        # bias是空洞卷积的时候，之间的距离参数
        self.conv = nn.Conv2d(c1, c2, k, s, autopad(k, p), groups=g, bias=False)
        self.bn = nn.BatchNorm2d(c2)
        # 这里的nn.Identity()不改变input，直接return input
        self.act = nn.SiLU() if act is True else (act if isinstance(act, nn.Module) else nn.Identity())

    def forward(self, x):
        return self.act(self.bn(self.conv(x)))

    # 前向加速推理模块
    # 用于Model类的fuse函数，融合conv+bn 加速推理 一般用于测试/验证阶段
    def forward_fuse(self, x):
        return self.act(self.conv(x))

参数解读

[ from, number, model, args ]

[-1, 1, Conv, [64, 6, 2, 2]

from：-n表示从第n层获得输入

number： 网络模块数量

model： 网络模块的名称

args：[ch_out, kernel, stride, padding, groups] 省略了ch_in（输入通道），直接默认了是上一层的输出通道数

注意：

反映不出来一张照片的像素大小

如：input: 3x640x640

[ch_out, kernel, stride, padding]=[64,6,2,2]

故新的通道数为64x0.5=32（这里0.5是width_multiple）

根据特征图计算公式:Feature_new=(Feature_old-kernel+2xpadding)/stride+1可得:新的特征图尺寸为:

Feature_new=(640-6+2x2)/2+1=320

作用

①通过矩阵的点乘来提取图片中的特征

②1×1时候改变通道数

concat

网络结构

源码

class Concat(nn.Module):
    # Concatenate a list of tensors along dimension
    # 沿维度连接张量列表
    def __init__(self, dimension=1):
        super().__init__()
        self.d = dimension

    def forward(self, x):
        return torch.cat(x, self.d)

参数解读

[[-1, 6], 1, Concat, [1]]  # cat backbone P4

[ -1, 6 ]： 表示把上一层和第六层的拼接起来（这里可以把特征图打印出来，特别明显）

1： block的number

Concat： module

[ 1 ]： 指定拼接维度，此处按照维度1进行拼接，其他维度不变（只拼接channel维度：相加）

作用:

把两个层的通道数连接起来，合并前后两个feature map

C3

网络结构

C3模块其实是简化版的BottleneckCSP，该部分除了Bottleneck之外，只有3个卷积模块，可以减少参数，所以取名C3

在backbone中有shortcut，而在Neck中不存在shortcut模块（因为backbone已经完成了特征的提取，Neck就不用一味的加深网络（不带残差））。这也是为什么Neck端的C3block有False的参数

源码

class C3(nn.Module):
    # C3() is an improved version of CSPBottleneck()
    # It is simpler, faster and lighter with similar performance and better fuse characteristics
    # CSP Bottleneck with 3 convolutions
    def __init__(self, c1, c2, n=1, shortcut=True, g=1, e=0.5):  # ch_in, ch_out, number, shortcut, groups, expansion
        super().__init__()
        c_ = int(c2 * e)  # hidden channels
        self.cv1 = Conv(c1, c_, 1, 1)
        self.cv2 = Conv(c1, c_, 1, 1)
        self.cv3 = Conv(2 * c_, c2, 1)  # act=FReLU(c2)
        self.m = nn.Sequential(*(Bottleneck(c_, c_, shortcut, g, e=1.0) for _ in range(n)))
        # self.m = nn.Sequential(*[CrossConv(c_, c_, 3, 1, g, 1.0, shortcut) for _ in range(n)])

    def forward(self, x):
        return self.cv3(torch.cat((self.m(self.cv1(x)), self.cv2(x)), dim=1))

参数解读

[-1, 3, C3, [1024]],  

-1：-1表示从上一层获得输入

3： 有3个C3模块

c3： 模块的名称（和yolo.py和commom.py相对应）

[1024]： 输出通道数

作用

精简网络结构，减少计算量，降低模型推理时间

SPPF

网络结构

源码

class SPPF(nn.Module):
    # Spatial Pyramid Pooling - Fast (SPPF) layer for YOLOv5 by Glenn Jocher
    def __init__(self, c1, c2, k=5):  # equivalent to SPP(k=(5, 9, 13))
        super().__init__()
        c_ = c1 // 2  # hidden channels
        self.cv1 = Conv(c1, c_, 1, 1)
        self.cv2 = Conv(c_ * 4, c2, 1, 1)
        self.m = nn.MaxPool2d(kernel_size=k, stride=1, padding=k // 2)

    def forward(self, x):
        x = self.cv1(x)
        with warnings.catch_warnings():
            warnings.simplefilter('ignore')  # suppress torch 1.9.0 max_pool2d() warning
            y1 = self.m(x)
            y2 = self.m(y1)
            return self.cv2(torch.cat([x, y1, y2, self.m(y2)], 1))

参数解读

[-1, 1, SPPF, [1024, 5]

[1024, 5]： 输出通道数1024和最大池化卷积核为5×5

作用

为了保证准确率相似的条件下，减少计算量，以提高速度，使用3个5x5的最大池化，代替原来的5×5、9x9、13×13最大池化

Upsample

网络结构

可参考FPN上采样的网络结构（我猜的）

源码

见Pytorch官方

参数解读

[-1, 1, nn.Upsample, [None, 2, 'nearest']]

[None, 2, ‘nearest’]： 上采样倍数为2，采样样式为nearest，也就是最近填充

作用

上采样，提取语义特征

Detect

参考：YOLOv5的head详解_Marlowee的博客-CSDN博客_head yolov5

里面有detect的源码解读

参数解读

[17, 20, 23], 1, Detect, [nc, anchors]

[17, 20, 23]： 指那些层数传递到Detect层中

1： number

Detect： name