文章目录
- 前言
- 1、YOLOv5s-6.0组成
- 2、YOLOv5s网络介绍
- 2.1、参数解析
- 2.2、YOLOv5s.yaml
- 2.3、YOLOv5s网络结构图
- 3、附件
- 3.1、yolov5s.yaml 解析表
- 3.2、 yolov5l.yaml 解析表
- 总结
前言
最近在重构YOLOv5代码，本章主要介绍YOLOv5s的网络结构
1、YOLOv5s-6.0组成
我们熟知YOLOv5s由三部分组成，分别为backbone、neck、head
- backbone：主干网络，大多时候指的是提取特征的网络，其作用就是提取图片中的信息，供后面的网络使用。backbone主干网络可以直接加载官方已经训练好的模型参数，此外其后面，添加自己需要的网络，让自定义模型更加贴合实际使用。
- neck：放在backbone和head之间，进一步利用backbone提取的特征，提高模型的鲁棒性
- head：获取网络输出，head利用之前提取的特征，做出预测。
2、YOLOv5s网络介绍
2.1、参数解析
-
nc：数据集中的类别数
-
depth_multiple：模型层数因子(用来调整网络的深度)
- 为了控制层的重复的次数。它会和后面的backbone & head的number相乘后取整，代表该层的重复的数量
- 如：[[-1, 1, Conv, [64, 6, 2, 2]]，当depth_multiple为1时候，则重复1*1个
-
width_multiple：模型通道数因子(用来调整网络的宽度)
- 为了控制输出特征图的通道数，它会和出特征图的通道数相乘，代表该层的输出通道数。
- 如：[[-1, 1, Conv, [64, 6, 2, 2]]，当width_multiple为0.5时候，则输出通道为64*0.5=32通道
-
anchors：锚定框
- yolov5 初始化了 9 个 anchors，分别在三个特征图 （feature map）中使用，每个 feature map 的每个 grid cell （网络单元）都有三个 anchor 进行预测。分配规则：
- 尺度越大的 feature map 越靠前，相对原图的下采样率越小，感受野越小，所以相对可以预测一些尺度比较小的物体(小目标)，分配到的 anchors 越小。
- 尺度越小的 feature map 越靠后，相对原图的下采样率越大，感受野越大，所以可以预测一些尺度比较大的物体(大目标)，所以分配到的 anchors 越大。
- 即在小特征图（feature map）上检测大目标，中等大小的特征图上检测中等目标，在大特征图上检测小目标。
- yolov5 初始化了 9 个 anchors，分别在三个特征图 （feature map）中使用，每个 feature map 的每个 grid cell （网络单元）都有三个 anchor 进行预测。分配规则：
-
[from, number, module, args] 参数
-
第一个参数 from ：从哪一层获得输入，-1表示从上一层获得，[-1, 6]表示从上层和第6层两层获得。
-
第二个参数 number：表示有几个相同的模块，如果为9则表示有9个相同的模块。
-
第三个参数 module：模块的名称，这些模块写在common.py中。
-
第四个参数 args：类的初始化参数，用于解析作为 moudle 的传入参数。
- args参数依次为：输出channel,卷积核大小kernel size,步长stride,p零填充大小
2.2、YOLOv5s.yaml
nc: 80 # number of classes 数据集中的类别数，也就是你要检测的类别数 depth_multiple: 0.33 # model depth multiple 模型层数因子(用来调整网络的深度) width_multiple: 0.50 # layer channel multiple 模型通道数因子(用来调整网络的宽度) anchors: # 表示作用于当前特征图的Anchor大小为 xxx # 9个anchor，其中P表示特征图的层级，P3/8该层特征图缩放为1/8,是第3层特征 - [10,13, 16,30, 33,23] # P3/8， 表示[10,13],[16,30], [33,23]3个anchor - [30,61, 62,45, 59,119] # P4/16 - [116,90, 156,198, 373,326] # P5/32 # YOLOv5s v6.0 backbone backbone: # [from, number, module, args] [[-1, 1, Conv, [64, 6, 2, 2]], # 0-P1/2，通过该层之后特征图的大小变成原图的1/2 [-1, 1, Conv, [128, 3, 2]], # 1-P2/4，通过该层之后特征图的大小变成原图的1/4 [-1, 3, C3, [128]], # 2，通过该层之后特征图的大小不变 [-1, 1, Conv, [256, 3, 2]], # 3-P3/8，过该层之后特征图的大小变成原图的1/8 [-1, 6, C3, [256]], # 4，通过该层之后特征图的大小不变 [-1, 1, Conv, [512, 3, 2]], # 5-P4/16，，过该层之后特征图的大小变成原图的1/16 [-1, 9, C3, [512]], [-1, 1, Conv, [1024, 3, 2]], # 7-P5/32 [-1, 3, C3, [1024]], [-1, 1, SPPF, [1024, 5]], # 9 ] # YOLOv5s v6.0 head head: [[-1, 1, Conv, [512, 1, 1]], [-1, 1, nn.Upsample, [None, 2, 'nearest']], #11 不改变通道数，特征图的长和宽会增加一倍 [[-1, 6], 1, Concat, [1]], # 12 cat backbone P4 与第6层的输出进行特征图的融合 [-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，与第4层的输出进行特征图的融合。 [-1, 3, C3, [256, False]], # 17 (P3/8-small) [-1, 1, Conv, [256, 3, 2]], [[-1, 14], 1, Concat, [1]], # cat head P4，与第14层的输出进行特征图的融合 [-1, 3, C3, [512, False]], # 20 (P4/16-medium) [-1, 1, Conv, [512, 3, 2]], [[-1, 10], 1, Concat, [1]], # cat head P5，与第10层的输出进行特征图的融合 [-1, 3, C3, [1024, False]], # 23 (P5/32-large) [[17, 20, 23], 1, Detect, [nc, anchors]], # Detect(P3, P4, P5) ]
2.3、YOLOv5s网络结构图
3、附件
在yolov5中有l,n,m,s,x，5种配置文件，这5种配置文件只是depth_multiple和width_multiple两个参数不同，其它部分都相同的。
3.1、yolov5s.yaml 解析表
- yolov5s.yaml的width_multiple都为0.50
- 举例：[[-1, 1, Conv, [64, 6, 2, 2]]，当width_multiple为0.5时候，则输出通道为64*0.5=32通道
层数 from moudule arguments input output 0 -1 Conv [3, 32, 6, 2, 2] [3, 640, 640] [32, 320, 320] 1 -1 Conv [32, 64, 3, 2] [32, 320, 320] [64, 160, 160] 2 -1 C3 [64, 64, 1] [64, 160, 160] [64, 160, 160] 3 -1 Conv [64, 128, 3, 2] [64, 160, 160] [128, 80, 80] 4 -1 C3 [128, 128, 2] [128, 80, 80] [128, 80, 80] 5 -1 Conv [128, 256, 3, 2] [128, 80, 80] [256, 40, 40] 6 -1 C3 [256, 256, 3] [256, 40, 40] [256, 40, 40] 7 -1 Conv [256, 512, 3, 2] [256, 40, 40] [512, 20, 20] 8 -1 C3 [512, 512, 1] [512, 20, 20] [512, 20, 20] 9 -1 SPPF [512, 512, 5] [512, 20, 20] [512, 20, 20] 10 -1 Conv [512, 256, 1, 1] [512, 20, 20] [256, 20, 20] 11 -1 Upsample [None, 2, ‘nearest’] [256, 20, 20] [256, 40, 40] 12 [-1, 6] Concat [1] [1, 256, 40, 40],[1, 256, 40, 40] [512, 40, 40] 13 -1 C3 [512, 256, 1, False] [512, 40, 40] [256, 40, 40] 14 -1 Conv [256, 128, 1, 1] [256, 40, 40] [128, 40, 40] 15 -1 Upsample [None, 2, ‘nearest’] [128, 40, 40] [128, 80, 80] 16 [-1, 4] Concat [1] [1, 128, 80, 80],[1, 128, 80, 80] [256, 80, 80] 17 -1 C3 [256, 128, 1, False] [256, 80, 80] [128, 80, 80] 18 -1 Conv [128, 128, 3, 2] [128, 80, 80] [128, 40, 40] 19 [-1, 14] Concat [1] [1, 128, 40, 40],[1, 128, 40, 40] [256, 40, 40] 20 -1 C3 [256, 256, 1, False] [256, 40, 40] [256, 40, 40] 21 -1 Conv [256, 256, 3, 2] [256, 40, 40] [256, 20, 20] 22 [-1, 10] Concat [1] [1, 256, 20, 20],[1, 256, 20, 20] [512, 20, 20] 23 -1 C3 [512, 512, 1, False] [512, 20, 20] [512, 20, 20] 24 [17, 20, 23] Detect [80, [[10, 13, 16, 30, 33, 23], [30, 61, 62, 45, 59, 119], [116, 90, 156, 198, 373, 326]], [128, 256, 512]] [1, 128, 80, 80],[1, 256, 40, 40],[1, 512, 20, 20] [1, 3, 80, 80, 85],[1, 3, 40, 40, 85],[1, 3, 20, 20, 85] 3.2、 yolov5l.yaml 解析表
注：yolov5l.yaml的depth_multiple和width_multiple都为1
层数 from moudule arguments input output 0 -1 Conv [3, 64, 6, 2, 2] [3, 640, 640] [64, 320, 320] 1 -1 Conv [64, 128, 3, 2] [64, 320, 320] [128, 160, 160] 2 -1 C3 [128,128, 1] [128, 160, 160] [128 160, 160] 3 -1 Conv [128,256, 3, 2] [128 160, 160] [256, 80, 80] 4 -1 C3 [256,256, 2] [256, 80, 80] [256, 80, 80] 5 -1 Conv [256,512, 3, 2] [256, 80, 80] [512, 40, 40] 6 -1 C3 [512, 512, 3] [512, 40, 40] [512, 40, 40] 7 -1 Conv [512, 1024, 3, 2] [512, 40, 40] [1024, 20, 20] 8 -1 C3 [1024, 1024, 1] [1024, 20, 20] [1024, 20, 20] 9 -1 SPPF [1024, 1024, 5] [1024, 20, 20] [1024, 20, 20] 10 -1 Conv [1024,512, 1, 1] [1024, 20, 20] [512, 20, 20] 11 -1 Upsample [None, 2, ‘nearest’] [512, 20, 20] [512, 40, 40] 12 [-1, 6] Concat [512+512] [1, 512, 40, 40],[1, 512, 40, 40] [1024, 40, 40] 13 -1 C3 [1024,512, 1, False] [1024, 40, 40] [512, 40, 40] 14 -1 Conv [512,256, 1, 1] [512, 40, 40] [256, 40, 40] 15 -1 Upsample [None, 2, ‘nearest’] [256, 40, 40] [256, 80, 80] 16 [-1, 4] Concat [256+256] [1, 256, 80, 80],[1, 256, 80, 80] [512, 80, 80] 17 -1 C3 [512, 256, 1, False] [512, 80, 80] [256, 80, 80] 18 -1 Conv [256, 256, 3, 2] [256, 80, 80] [256, 40, 40] 19 [-1, 14] Concat [256+256] [1, 256, 40, 40],[1, 256, 40, 40] [512, 40, 40] 20 -1 C3 [512, 512, 1, False] [512, 40, 40] [512, 40, 40] 21 -1 Conv [512, 512, 3, 2] [512, 40, 40] [512, 20, 20] 22 [-1, 10] Concat [512+512] [1, 512, 20, 20],[1, 512, 20, 20] [1024 20, 20] 23 -1 C3 [1024,1024, 1, False] [1024, 20, 20] [1024, 20, 20] 24 [17, 20, 23] Detect [80, [[10, 13, 16, 30, 33, 23], [30, 61, 62, 45, 59, 119], [116, 90, 156, 198, 373, 326]], [128, 256, 512]] [1, 256, 80, 80],[1, 512, 40, 40],[1, 1024, 20, 20] [1, 3, 80, 80, 85],[1, 3, 40, 40, 85],[1, 3, 20, 20, 85] 总结
其实看懂代码，结合画的网络结构图，就很容易理解YOLO的模型。后续，将会介绍如何利用YOLOv5进行训练。
参考文章
- YOLOv5 模型结构及代码详细讲解
- YOLOv5-网络结构
- YOLOv5 Focus C3 各模块详解及代码实现
