YOLOv5 - yolov5s.yaml 文件

 

基于深度学习的目标检测模型的结构:输入->主干->脖子->头->输出。主干网络提取特征，脖子提取一些更复杂的特征，然后头部计算预测输出。

YOLOv5网络结构主要由以下几部分组成:
骨干网络(Backbone) ：Backbone:骨干网络，主要指用于特征提取的，已在大型数据集(例如ImageNet|COCO等)_上完成预训练，拥有预训练参数的卷积神经网络，例如: ResNet-50、 Darknet53等
颈部网络(Neck)：Neck:颈部网络，在Backone和Head之间， 会添加一-些用于收集不同阶段中特征图的网络层。
头部网络(Head)：主要用于预测目标的种类和位置(bounding boxes)

 YOLOv5的配置文件（通常是`.yaml`文件）包含了用于训练和测试YOLOv5模型的各种参数和超参数设置。

# YOLOv5  by Ultralytics, AGPL-3.0 license

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

•     nc 表示 "number of classes"，即目标检测任务中的类别数量。
•    depth_multiple 是模型深度的倍数，它用于调整YOLOv5的网络深度。在这里，它被设置为0.33，意味着模型的深度将是标准深度的1/3。
•    width_multiple 是模型通道宽度的倍数，它用于调整YOLOv5的通道宽度。

 

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

anchors 参数包含了一组锚框（anchor boxes），每个锚框是一个宽度和高度的列表。这些锚框通常是在不同尺度的特征图上使用的，以便模型可以检测不同大小的目标。

每行对应一个不同尺度的特征图。在这个示例中，有三个不同尺度的特征图，分别是P3/8、P4/16和P5/32。每个特征图使用两个锚框，因此每个特征图有两行，每行包含了两个锚框。

每个锚框的宽度和高度的值是按顺序排列的，这些值通常是根据目标数据集和任务来选择的。

1. 作用：

   • 提供不同尺度的预定义边界框，以适应不同大小的目标。这些锚框有助于模型精确地定位目标的位置。

   • 通过使用不同比例的锚框，模型可以更好地处理大尺寸和小尺寸的目标。

2. 如何使用：

   • 在训练YOLOv5模型时，anchors参数会被用于计算目标检测框的损失函数。模型会预测每个锚框的位置和类别，然后使用这些预测值与真实目标框进行比较，从而计算损失。

   • 模型会根据训练数据自动调整锚框，以便更好地适应目标的大小和形状。训练过程中，模型会学习如何根据预测值来调整锚框，以提高检测准确性。

   • 在推理（测试）阶段，模型使用这些锚框来生成目标检测框。它会使用预测的坐标偏移量和锚框的宽度、高度来确定目标框的位置。模型会使用类别预测来确定目标的类别。

   • 锚框的选择和调整通常会影响模型的性能和准确性。如果数据集包含特定尺寸和比例的目标，可以根据数据集的特点来选择或优化锚框的值，以获得更好的检测性能。

# 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
  ]

1. [[from, number, module, args]]：这个部分包含了一系列的网络模块，每个模块由一个列表表示。每个模块描述了一个阶段或层的配置。

2. [-1, 1, Conv, [64, 6, 2, 2]]：这是第一个模块，它执行卷积操作。具体来说，它执行了以下操作：

   • from：-1 表示从上一个阶段继承特征图。
   • number：1 表示只有一个卷积层。
   • module：Conv 表示卷积层。
   • args：[64, 6, 2, 2] 包含了卷积层的参数，包括输出通道数（64）、卷积核大小（3x3），步幅（2），和填充（2）等。

3. [-1, 1, Conv, [128, 3, 2]]：这是第二个模块，它也是一个卷积层，输出通道数为128，卷积核大小为3x3，步幅为2。

4. [-1, 3, C3, [128]]：这是一个C3模块，它执行一系列的卷积操作以提取特征。[-1, 3, C3, [128]]中的3表示它包含3个卷积层，[128]表示输出通道数。

5. 类似地，接下来的模块定义了主干网络中的其他阶段，每个阶段包括不同数量的卷积层和特定的配置。

6. [-1, 1, SPPF, [1024, 5]]：最后一个模块是SPPF（Spatial Pyramid Pooling with Fused），它执行空间金字塔池化操作。这个操作用于捕获不同尺度的上下文信息，以提高模型的感知能力。

# 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)
  ]

 

1. [[from, number, module, args]]：这个部分包含了一系列的网络模块，每个模块由一个列表表示。每个模块描述了一个阶段或层的配置。

2. [-1, 1, Conv, [512, 1, 1]]：这是第一个模块，它执行一个卷积操作。具体来说，它执行了以下操作：

   • from：-1 表示从上一个阶段继承特征图。
   • number：1 表示只有一个卷积层。
   • module：Conv 表示卷积层。
   • args：[512, 1, 1] 包含了卷积层的参数，包括输出通道数（512）、卷积核大小（1x1），步幅（1）等。

3. [-1, 1, nn.Upsample, [None, 2, 'nearest']]：这个模块执行上采样操作，将特征图的分辨率增加两倍。

4. [[-1, 6], 1, Concat, [1]]：这个模块使用Concat操作，将来自主干网络的P4特征图与当前特征图进行连接。

5. [-1, 3, C3, [512, False]]：这是一个C3模块，它包含了一系列卷积操作，用于处理特征。[512, False]表示输出通道数为512。

6. 类似地，接下来的模块定义了头部网络中的其他阶段，每个阶段包括不同数量的卷积层和特定的配置。

7. [[17, 20, 23], 1, Detect, [nc, anchors]]：最后一个模块是Detect模块，用于执行目标检测。它将来自不同尺度的特征图（P3、P4、P5）进行连接，以便进行目标检测。nc表示类别的数量，anchors表示锚框的配置。