Yolov5网络架构和组件

 

目录

         控制参数:

anchors先验框的配置:

backbone主干网络设置:

head头部网络设置:

yolov5网络整体架构流程

 Focus操作


Yolov5网络架构和组件_第1张图片

相对于一些早期的检测网络,比如faster-Rcnn来说,网络的架构一般分为,图像输入模块,backbone主干网络,Neck颈部模块,检测头Dense Prediction检测模块。

backbone主干网络一般由:VGG16,Resnet50,ResneXt101,Darknet53等网络构成。

Neck颈部模块一般是一些:FPN,PANet,Bi-FPN等功能块组成,一般实现的功能基础都是上采样。

但是在Yolov5中,作者没有单独给出Neck颈部模块, 而是打包一起放在了头部模块。              Yolov5的主干网络主要是由Focus,BottleneckCSP,SPP功能模块构成。                                                    头部网络主要是由PANet+Detect(也就是Yolov3/v4的原头部网络)构成。

这里我们先去下载Yolov5的原文件

下载地址:https://github.com/ultralytics/yolov5

Yolov5网络架构和组件_第2张图片

可以看到在models文件夹下有一堆.yaml文件,这个就是yolov5的网络架构参数文件,有不同的版本,大体的框架是一样的,这里由yolov5s版本举例。先看代码

# YOLOv5  by Ultralytics, GPL-3.0 license

# Parameters
nc: 80  # number of classes   
depth_multiple: 0.33  # model depth multiple   
width_multiple: 0.50  # layer channel multiple  

anchors:
  - [10,13, 16,30, 33,23]  # P3/8   
  - [30,61, 62,45, 59,119]  # P4/16   
  - [116,90, 156,198, 373,326]  # P5/32   


# YOLOv5 v6.0 backbone
backbone:
  # [from, number, module, args]
  [[-1, 1, Conv, [64, 6, 2, 2]],  # 0-P1/2
   [-1, 1, Conv, [128, 3, 2]],  # 1-P2/4   
   [-1, 3, C3, [128]],        
   [-1, 1, Conv, [256, 3, 2]],  # 3-P3/8
   [-1, 6, C3, [256]],
   [-1, 1, Conv, [512, 3, 2]],  # 5-P4/16
   [-1, 9, C3, [512]],
   [-1, 1, Conv, [1024, 3, 2]],  # 7-P5/32
   [-1, 3, C3, [1024]],
   [-1, 1, SPPF, [1024, 5]],  # 9
  ]

# YOLOv5 v6.0 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, C3, [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, C3, [256, False]],  # 17 (P3/8-small)

   [-1, 1, Conv, [256, 3, 2]],
   [[-1, 14], 1, Concat, [1]],  # cat head P4
   [-1, 3, C3, [512, False]],  # 20 (P4/16-medium)

   [-1, 1, Conv, [512, 3, 2]],
   [[-1, 10], 1, Concat, [1]],  # cat head P5
   [-1, 3, C3, [1024, False]],  # 23 (P5/32-large)

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

代码由4部分组成,最上面的控制参数,anchors先验框的配置,backbone主干网络设置,head头部网络设置。

控制参数:

# 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的个数
# 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先验框的配置:

anchors:
  - [10,13, 16,30, 33,23]  # P3/8   8倍下采样的层面   [宽度,高度]
  - [30,61, 62,45, 59,119]  # P4/16   16倍下采样的层面
  - [116,90, 156,198, 373,326]  # P5/32    32倍下采样的层面

backbone主干网络设置:

backbone:
  # [from, number, module, args]
  # from:当前模块输入来自哪一层,-1表示上一层输入
  # number:本模块重复次数,1表示只有一个,3表示有3个相同的模块
  # conv卷积层   C3:BottleneckCSP  SPPF:SPP模块
  [[-1, 1, Conv, [64, 6, 2, 2]],  # 0-P1/2
   [-1, 1, Conv, [128, 3, 2]],  # 1-P2/4   128表示有128个卷积核,3表示3×3的卷积核,2步长为2
   [-1, 3, C3, [128]],         # 这里的重复次数,要乘上一开始的缩放因子
   [-1, 1, Conv, [256, 3, 2]],  # 3-P3/8
   [-1, 6, C3, [256]],
   [-1, 1, Conv, [512, 3, 2]],  # 5-P4/16
   [-1, 9, C3, [512]],
   [-1, 1, Conv, [1024, 3, 2]],  # 7-P5/32
   [-1, 3, C3, [1024]],
   [-1, 1, SPPF, [1024, 5]],  # 9
  ]

head头部网络设置:

# 作者没有区分neck模块, 所以里面包含了PANet + Detect部分
head:
  [[-1, 1, Conv, [512, 1, 1]],    # 卷积层
   [-1, 1, nn.Upsample, [None, 2, 'nearest']],  # 上采样
   [[-1, 6], 1, Concat, [1]],  # cat backbone P4    拼接层
   [-1, 3, C3, [512, False]],  # 13    这里的重复次数,要乘上一开始的缩放因子

   [-1, 1, Conv, [256, 1, 1]],
   [-1, 1, nn.Upsample, [None, 2, 'nearest']],
   [[-1, 4], 1, Concat, [1]],  # cat backbone P3
   [-1, 3, C3, [256, False]],  # 17 (P3/8-small)

   [-1, 1, Conv, [256, 3, 2]],
   [[-1, 14], 1, Concat, [1]],  # cat head P4
   [-1, 3, C3, [512, False]],  # 20 (P4/16-medium)

   [-1, 1, Conv, [512, 3, 2]],
   [[-1, 10], 1, Concat, [1]],  # cat head P5
   [-1, 3, C3, [1024, False]],  # 23 (P5/32-large)

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

这里需要注意的是这两个参数depth_multiple用于控制模型的深度(BottleneckCSP数),width_multiple用于控制conv通道个数 (卷积核数量)。只要牵涉到CSP操作和conv操作的时候就要用该参数,去乘上重复次数,已达到对模型深度的控制。

# yolov5l版本

depth_multiple: 1.0  # model depth multiple
width_multiple: 1.0  # layer channel multiple

# yolov5m版本

depth_multiple: 0.67  # model depth multiple
width_multiple: 0.75  # layer channel multiple

# yolov5n版本

depth_multiple: 0.33  # model depth multiple
width_multiple: 0.25  # layer channel multiple

# yolov5s版本

depth_multiple: 0.33  # model depth multiple  
width_multiple: 0.50  # layer channel multiple 

# yolov5x版本

depth_multiple: 1.33  # model depth multiple
width_multiple: 1.25  # layer channel multiple

这里可以看出,官方提供的不同版本的主要区别就是模型深度的不同,不同深度的模型,计算量也不一样,有的多,有的少。对于不同的场景,所需要的模型计算量是不一样的,也不是越深的模型越好,视情况而定,杀鸡焉用牛刀。

Yolov5s Yolov5m Yolov5L Yolov5x
depth_multiple 0.33 0.67 1.0 1.33
width_multiple 0.5 0.75 1.0 1.25
BottleneckCSP数(BCSP True) 1,3,3 2,6,6 3,9,9 4,12,12
BottleneckCSP数(BCSP False) 1 2 3 4
Conv卷积核数量 32,64,128,256,512 48,96,192,384,768 64,128,256,512,1024 80,160,320,640,1280

yolov5网络整体架构流程

Yolov5网络架构和组件_第3张图片

 Focus操作

我们可以看到图像最先输入进去之后进行了一个Focus处理。

这个操作就是把数据先切分成4分,每份数据就相当于下采样两倍得到,然后在channel维度进行拼接,然后再进行卷积操作。

Yolov5网络架构和组件_第4张图片

 就相当于图像的数据没有什么变动,但是多了4倍的数据量。大大提高了原始数据量。这个原理相当于这个视频。

神奇!一张狗狗照片,裁碎竟变四张_哔哩哔哩_bilibili

将细节更好的显现出来。

SPP空间金字塔池化

Yolov5网络架构和组件_第5张图片Yolov5网络架构和组件_第6张图片

上图非常清晰的表现出,整个池化的过程。但是在第一次卷积的过程中会因为使用的卷积核大小不一样,导致没办法进行张量的拼接。作者直接采用了填充的方式硬生生的拼了上去。

 

 参考:

深入浅出Yolo系列之Yolov5核心基础知识完整讲解 - 知乎

【目标检测新手首选】PyTorch从零带你搭建YOLOV5目标检测平台!-人工智能/计算机视觉/深度学习_哔哩哔哩_bilibili

你可能感兴趣的:(YOLO,深度学习,人工智能)