上节介绍了如何修改网络结构,本节开始引入注意力机制
首先就还是按照上节的流程,借鉴一个代码,借鉴网站https://github.com/ZhugeKongan/Attention-mechanism-implementation,源码下载完成后,按照以下流程进行操作。
- models/commons.py —加入新增的网络结构
- models/yolov5*.yaml––修改现有模型的配置文件
-当引入新的层时,要修改后续的结构中的from参数- models/yolo.py––设定网络结构的传参
-当新的定义模块中存在输入输出维度时,要用gw调整输出维度- train.py––训练时指定模型的配置文件
1. STEP1 加入新增的网络结构
打开下载好的借鉴代码,找到SE_block.py文件打开
导入发现,F报错,这是因为借鉴的SE代码当中自定义了F,我们需要把定义的那部分也加进来
将此行添加到common.py中的import部分。
2. STEP2 加入新增的网络结构
首先,复制一份yolov5s.yaml文件重命名为SE-yolov5s.yaml
同时注意head这一部分,
画框部分只要是大于9的数字均要加1,因为将SE加在了第十层,这就导致十层以后的的层数要加1,图中原本为[1,14],改完之后变为[1,15],更改完代码如下,可以观察一下
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, 15], 1, Concat, [1]], # cat head P4
[-1, 3, C3, [512, False]], # 20 (P4/16-medium)
[-1, 1, Conv, [512, 3, 2]],
[[-1, 11], 1, Concat, [1]], # cat head P5
[-1, 3, C3, [1024, False]], # 23 (P5/32-large)
[[18, 21, 22], 1, Detect, [nc, anchors]], # Detect(P3, P4, P5)
]
3. STEP3 设定网络结构的传参
打开yolo.py文件
将上述代码添加到yolo.py文件中
4. STEP4 训练时指定模型的配置文件
更改—cfg参数
最后点击运行,参看效果即可
OK 也不知道到我写清楚了没有