（六）yolov5:模型修改和训练

 🍨 本文为🔗365天深度学习训练营 中的学习记录博客
🍖 原作者：K同学啊|接辅导、项目定制 

        原始的yolov5s的网络结构如下所示：

 1 修改任务

        现对模型结构进行修改，将网络结构修改为如下图所示：

        其中C2是在C3的基础上进行的修改，其结构如下图所示：

        经分析可知，需要做如下修改：

        （1）将第4层C3*2修改为C2*2

        （2）将第6层C3*3修改为C3*1

        （3）去除第7、8层

2 模型配置文件（yaml）修改

# YOLOv5 v6.0 backbone
backbone:
  # [from, number, module, args] args:channel、kernel_size、stride、padding、bias
  [[-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, C2, [128]], # 将C3*2修改为C2*2
#   [-1, 6, C3, [256]],
   [-1, 1, Conv, [512, 3, 2]],  # 5-P4/16
   [-1, 3, C3, [512]], # 将C3*3修改为C3*1
#   [-1, 9, C3, [512]],
#   [-1, 1, Conv, [1024, 3, 2]],  # 7-P5/32 # 删除第7层
#   [-1, 3, C3, [1024]],                    # 删除第8层
   [-1, 1, SPPF, [512, 5]],  # 9           # 为连接第6层，修改相应参数
#   [-1, 1, SPPF, [1024, 5]],  # 9
  ]

# YOLOv5 v6.0 head
head:
#  [[-1, 1, Conv, [512, 1, 1]],
   [[-1, 1, Conv, [512, 3, 2]],# 修改参数
   [-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, 12], 1, Concat, [1]],  # cat head P4 # 修改层数 14-2
   [-1, 3, C3, [512, False]],  # 20 (P4/16-medium)

   [-1, 1, Conv, [512, 3, 2]],
#   [[-1, 10], 1, Concat, [1]],  # cat head P5
   [[-1, 8], 1, Concat, [1]],  # cat head P5 # 修改层数 10-2
   [-1, 3, C3, [1024, False]],  # 23 (P5/32-large)

#   [[17, 20, 23], 1, Detect, [nc, anchors]],  # Detect(P3, P4, P5)
   [[15, 18, 21], 1, Detect, [nc, anchors]],  # Detect(P3, P4, P5) # 修改层数
  ]

        根据分析，将yolov5s.yaml文件进行如上所示修改，注意由于删除了两个层，在Head中，部分输入层需要进行相应的修改。

        另外，C2的实现已在之前的文章中有作详细说明。

3 训练

        经过修改后，执行以下命令进行训练，

train.py --img 640 --batch 4 --epoch 1 --data data/fruit.yaml --cfg models/yolov5s.yaml --weights weights/yolov5s.pt

        训练时的部分信息如下所示：

 

         以上仅为测试，查看之前的修改是否正确，从训练结果看，mAP值很低，需要增加训练。