YOLO学习第4天：YOLOV5模型改进

原创 已于 2025-08-22 12:59:15 修改 · 603 阅读 · 14 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#YOLO #人工智能

于 2025-08-22 12:55:33 首次发布
部署运行你感兴趣的模型镜像

目标

逐步实现YOLOv5模型的改进

具体实现

（一）环境

语言环境：Python 3.10
编 译 器: PyCharm
框 架: YoloV5

（二）具体步骤
1. 核心文件

上次学习已经知道了YOLOv5的核心文件，YOLOv5的模型结构主要由这些文件控制：

  • models/yolov5s.yaml - 模型配置文件（还有n、m、l、x版本），这是“设计图纸”
  • models/common.py - 基础模块定义，网络的"零部件工厂"
  • models/yolo.py - 主要的模型构建文件，模型的"总装车间"
    image.png
2. 复制yolov5s.yaml配置文件成my_yolov5s.yaml

虽然先copy了但不进行任何改动，先验证一下,验证脚本：

# filename: test_my_model.py
import torch  
from models.yolo import Model  
  
model = Model('models/my_yolov5s.yaml')  
print(model)  
  
# 测试前向传播  
x = torch.randn(1, 3, 640, 640)  
y = model(x)  
print(f"输出形状:{[yi.shape for yi in y]}")

输出形状:[torch.Size([1, 3, 80, 80, 85]), torch.Size([1, 3, 40, 40, 85]), torch.Size([1, 3, 20, 20, 85])]

这输出的3个数：[1, 3, 80, 80, 85]，[1, 3, 40, 40, 85]，[1, 3, 20, 20, 85]怎么来的呢？在第2天里说过了
1: batch_size,输入批次的大小
3：每个尺度（网格单元）3个Anchor.
Anchors:

anchors:  
  - [10, 13, 16, 30, 33, 23] # P3/8  小目标：人脸、小动物
  - [30, 61, 62, 45, 59, 119] # P4/16  中目标：人体、自行车
  - [116, 90, 156, 198, 373, 326] # P5/32 大目标：汽车、卡车

输入640 x 640：
P3: 8倍下采样: 640 / 8 = 80 x 80
P4: 16倍下采样： 640 / 16 = 40 x 40
P5: 32倍下采样： 640 / 32 = 20 x 20

85怎么来的：每个Anchor包含85个数据[x, y, w, h, confidence, class1, class2, …, class80],
具体含义：

  • x, y (2个): 边界框中心点坐标
  • w, h (2个): 边界框宽度和高度
  • confidence (1个): 该位置包含目标的置信度
  • classes (80个): COCO数据集80个类别的概率 `nc: 80 # number of classes
3. 修改参数

方法一：修改第一层参数:

# 将通道数由64改成128
[-1, 1, Conv, [128, 6, 2, 2]], # 0-P1/2    64->128

执行test_my_model.py，发现：
image.png
第1、2层参数量翻倍，后续没有变化。说明前两层获得的图像特征多了，但是只影响了局部。
方法二：修改C3层重复次数

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, 6, C3, [128]], # 修改C3模块，将3->6  
    [-1, 1, Conv, [256, 3, 2]], # 3-P3/8

image.png
参数量由18816增加到29184，增加了大约55%。
方法三：增加网络层

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]], # C3模块  
    [-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, Conv, [1024, 3, 1]], # 人为增加一层  
    [-1, 1, SPPF, [1024, 5]], # 9  
  ]

同样的计算量和参数量都增加了。

现在开始根据下图进行调整：
image.png
理解一下这张图：

  • Backbone（特征提取）
    • 通过卷积层（Conv）、C3 模块、C2 模块和 SPPF 逐层提取特征。
    • C3 和 C2 是核心的残差结构，区别在于内部是否用 Bottleneck 进行堆叠，以及 shortcut 设计。
    • SPPF（Spatial Pyramid Pooling - Fast）用于扩大感受野，增强模型对多尺度目标的感知。
  • Head（特征融合）
    • 使用上采样（Upsample）、卷积（Conv）、C3 模块和 concat 来进行 FPN+PAN 融合。
    • 通过逐层拼接不同尺度的特征，确保小、中、大目标都能被检测到。
  • Prediction（输出检测层）
    • 在最后输出 3 个尺度的检测头（小目标、中目标、大目标）。
    • 每个检测头都会输出 类别预测 + 位置回归 + 置信度。
      查了一下common.py代码，并没有实现C2模块，这意味着需要自己实现。
# 新增加一个C2模块  
class C2(nn.Module):  
    def __init__(self, c1, c2, n=1, shortcut=True, g=1, e=0.5):  
        super().__init__()  
        c_ = int(c2 * e)  
        self.cv1 = Conv(c1, c_, 1, 1)  
        self.m = nn.Sequential(*(Bottleneck(c_, c_, shortcut, g, e=1.0) for _ in range(n)))  
        self.cv2 = Conv(2 * c_, c2, 1, 1)  
  
    def forward(self, x):  
        y1 = self.cv1(x)  
        y2 = self.m(y1)  
        return self.cv2(torch.cat((y1, y2), 1))

定义好后，注意在要yolo.py中注册一下,否则找不到C2模块：
image.png
最后修改yaml文件:

# Ultralytics 🚀 AGPL-3.0 License - https://ultralytics.com/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, 1, C3, [128]], # 3 C3模块 ,根据图片C3*1  
    [-1, 1, Conv, [256, 3, 2]], # 3-P3/8  
    [-1, 2, C2, [128, 128]], # 4 C2模块,根据图片C2*2  
    [-1, 1, Conv, [512, 3, 2]], # 5-P4/16  
    [-1, 1, C3, [512]], # 6 C3模块,根据图片C3*1  
    [-1, 1, Conv, [1024, 3, 2]], # 7-P5/32  
    [-1, 1, C3, [1024]], # 8 C3模块，根据图片C3*1  
    [-1, 1, SPPF, [1024, 5]], # 9  
  ]  
  
# YOLOv5 v6.0 head  
head: [  
    [-1, 1, Conv, [512, 1, 1]], # 10  
    [-1, 1, nn.Upsample, [None, 2, "nearest"]], # 11  
    [[-1, 6], 1, Concat, [1]], # 12 cat backbone P4  
    [-1, 1, C3, [512, False]], # 13 C3模块，根据图片C3*1  
  
    [-1, 1, Conv, [256, 1, 1]], # 14  
    [-1, 1, nn.Upsample, [None, 2, "nearest"]], # 15  
    [[-1, 4], 1, Concat, [1]], # 16 cat backbone P3  
    [-1, 1, C3, [256, False]], # 17 (P3/8-small) C3模块，根据图片C3*1  
  
    [-1, 1, Conv, [256, 3, 2]], # 18  
    [[-1, 14], 1, Concat, [1]], # 19 cat head P4  
    [-1, 1, C3, [512, False]], # 20 (P4/16-medium)C3模块，根据图片C3*1  
  
    [-1, 1, Conv, [512, 3, 2]], # 21  
    [[-1, 10], 1, Concat, [1]], # 22 cat head P5  
    [-1, 1, C3, [1024, False]], # 23 (P5/32-large)C3模块，根据图片C3*1  
  
    [[17, 20, 23], 1, Detect, [nc, anchors]], # 24Detect(P3, P4, P5)  
  ]

注意backbone的第5行C2模块的使用。
最后测试：


                 from  n    params  module                                  arguments                     
  0                -1  1      3520  models.common.Conv                      [3, 32, 6, 2, 2]              
  1                -1  1     18560  models.common.Conv                      [32, 64, 3, 2]                
  2                -1  1     18816  models.common.C3                        [64, 64, 1]                   
  3                -1  1     73984  models.common.Conv                      [64, 128, 3, 2]               
  4                -1  1     66176  models.common.C2                        [128, 128]                    
  5                -1  1    295424  models.common.Conv                      [128, 256, 3, 2]              
  6                -1  1    296448  models.common.C3                        [256, 256, 1]                 
  7                -1  1   1180672  models.common.Conv                      [256, 512, 3, 2]              
  8                -1  1   1182720  models.common.C3                        [512, 512, 1]                 
  9                -1  1    656896  models.common.SPPF                      [512, 512, 5]                 
 10                -1  1    131584  models.common.Conv                      [512, 256, 1, 1]              
 11                -1  1         0  torch.nn.modules.upsampling.Upsample    [None, 2, 'nearest']          
 12           [-1, 6]  1         0  models.common.Concat                    [1]                           
 13                -1  1    361984  models.common.C3                        [512, 256, 1, False]          
 14                -1  1     33024  models.common.Conv                      [256, 128, 1, 1]              
 15                -1  1         0  torch.nn.modules.upsampling.Upsample    [None, 2, 'nearest']          
 16           [-1, 4]  1         0  models.common.Concat                    [1]                           
 17                -1  1     90880  models.common.C3                        [256, 128, 1, False]          
 18                -1  1    147712  models.common.Conv                      [128, 128, 3, 2]              
 19          [-1, 14]  1         0  models.common.Concat                    [1]                           
 20                -1  1    296448  models.common.C3                        [256, 256, 1, False]          
 21                -1  1    590336  models.common.Conv                      [256, 256, 3, 2]              
 22          [-1, 10]  1         0  models.common.Concat                    [1]                           
 23                -1  1   1182720  models.common.C3                        [512, 512, 1, False]          
 24      [17, 20, 23]  1    229245  models.yolo.Detect                      [80, [[10, 13, 16, 30, 33, 23], [30, 61, 62, 45, 59, 119], [116, 90, 156, 198, 373, 326]], [128, 256, 512]]
my_YOLOv5s summary: 190 layers, 6857149 parameters, 6857149 gradients, 14.9 GFLOPs

和标准模块对比：

  • layers减少了214-190=24层
  • 总参数量减少了：7235389-6857149=378240（减少约15%）
  • GLOPS从16.6->14.9.
**（三）训练

使用第1天的数据集，训练命令如下：

>python .\train.py --img 640 --batch 16 --epochs 300 --data .\mydata\first.yaml --cfg .\models\my_yolov5s.yaml --weights .\yolov5s.pt --project .\runs\train\ --name c2_640 --cache --workers 0 --device 0 --hyp .\data\hyps\hyp.scratch-low.yaml

image.png

验证
> python .\val.py --weights .\runs\train\c2_640\weights\best.pt --data .\mydata\first.yaml --img 640 --task val

image.png

预测
 python .\detect.py --weights .\runs\train\c2_640\weights\best.pt --source .\mydata\images\fruit0.png --img 640 --conf-thres 0.25 --save-txt --save

image.png
image.png
注：本次主要是跑通自定义模型，至于精确度的问题，后续再学习。

您可能感兴趣的与本文相关的镜像

Yolo-v8.3

Yolo-v8.3

Yolo

YOLO（You Only Look Once）是一种流行的物体检测和图像分割模型，由华盛顿大学的Joseph Redmon 和Ali Farhadi 开发。 YOLO 于2015 年推出，因其高速和高精度而广受欢迎

YOLOv5改进 | 一文汇总：如何在网络结构中添加注意力机制、C3、卷积、Neck、SPPF、检测头
weixin_39818775的博客
05-24 1831
为了进一步提升YOLOv5的性能，研究人员提出了多种改进策略，包括注意力机制、C3模块、卷积改进、Neck改进、SPPF模块、检测头改进等。本文将对这些改进策略进行综述，介绍其原理、应用场景、算法实现、代码示例、部署测试方法、文献资料、应用案例、总结、影响和未来扩展方向等。C3模块是一种用于特征提取的网络结构，它能够融合不同尺度的特征，从而提升模型对小目标的检测能力。SPPF模块是一种用于多尺度特征融合的网络结构，它可以提取不同尺度的特征并进行融合，从而提升模型对多尺度目标的检测能力。
yolov5及其算法改进
m0_38113054的博客
12-27 2629
YOLOv5 是一个基于 Anchor 的单阶段目标检测，其主要分为以下 5 个阶段：1、输入端：Mosaic 数据增强、自适应Anchor计算、自适应图像缩放；2、Backbone：提取出高中低层的特征，使用了 CSP 结构、SPPF、SiLU 等操作；3、Neck：使用 FPN+PAN 结构，将各层次的特征进行融合，并提取出大中小的特征图；4、Head：进行最终检测部分，在特征图上应用 Anchor Box，并生成带有类别概率、类别得分以及目标框的最终输出向量；
YOLO 常用训练参数详解与调优指南
最新发布
追求知识的巅峰，分享经验总结
11-07 2271
本文总结了YOLOv8模型训练的核心参数配置方法，针对不同场景提供优化建议。核心参数包括模型权重、数据配置、图像尺寸、批次大小等基础设置。针对9种常见训练场景（如小目标检测、复杂背景、类别不平衡等），分别给出具体参数调整策略。例如，小目标检测建议增大图像尺寸至960/1280，保持mosaic增强；类别不平衡问题可通过加权采样和Focal Loss解决。文章还详细解析了数据增强、损失函数等辅助参数的设置要点，提供完整的调优思路，帮助用户在模型速度与精度间取得平衡。
YOLO学习路线——从入门原理到实战部署，一步步掌握目标检测“速度王者”
OpenCVtuxiang的博客
05-24 1913
YOLO目标检测学习路线指南：从基础到实战部署，掌握YOLO系列算法核心要点。建议学习路径：1）夯实CNN与目标检测基础；2）理解YOLO各版本演进特点；3）实战训练（数据准备→模型优化）；4）工程部署（本地/移动端应用）；5）进阶方向（多目标跟踪等）。提供完整学习资源清单，包含官方论文、GitHub项目及视频教程，帮助开发者快速掌握这一高效实用的目标检测技术。
yolo.py文件解读
Pinospot的博客
01-06 1064
yolo文件解读学习
零基础教程：Yolov5模型改进-添加13种注意力机制
pyscl01的博客
09-25 5930
零基础教程：Yolov5模型改进-添加注意力机制的详细步骤
深度学习Week17-模型改进（YOLOv5）
m0_62237233的博客
02-26 383
本周任务：修改YOLOv5s的网络结构图，请根据网络结构图以及第Y1～Y5周的内容修改对应代码，并跑通程序。
【YOLO系列】YOLOv5超详细解读（源码详解＋入门实践＋改进）
热门推荐
路人贾的博客
03-03 24万+
一文带你详细了解YOLOv5（含YOLO系列论文讲解+源码详解+入门实践+算法改进）
目标检测网络：YOLOv5 模型复现
悠眠小虫的博客
05-19 1424
这种方法使得图像的宽度和高度减半，实现二倍下采样，同时保留空间信息。随后，卷积操作进一步提取特征，生成具有更高通道数的特征图，这些特征图在空间分辨率上是原始图像的一半，但在通道维度上是原始图像的四倍。以YOLOv5s为例，原始的640× 640×3的图像输入Focus结构，采用切片操作，先变成320× 320×12的特征图，再经过一次卷积操作，最终变成320 ×320× 32的特征图。原始缩放尺寸是416*416，都除以原始图像的尺寸后，可以得到0.52，和0.69两个缩放系数，选择小的缩放系数。
YOLO学习笔记 ｜ 从YOLOv5到YOLOv11：技术演进与核心改进
尘世冰封的专栏
04-23 590
从YOLOv5到YOLOv11的技术演进，展现了目标检测领域从工程优化到理论突破的完整路径。各版本的改进始终围绕三个核心维度：精度提升、速度优化、易用性增强。算法层面：Transformer与CNN的深度融合硬件层面：面向神经拟态芯片的架构创新应用层面：开放世界检测与少样本学习生态层面：开源社区驱动的协同创新值得关注的是，YOLO系列正从单纯的检测框架向通用视觉基座演进，其技术路线为整个计算机视觉领域提供了重要参考。
YOLO系列论文综述（从YOLOv1到YOLOv11）【第10篇：YOLOv8——集成检测、分割和跟踪能力】
https://github.com/Donvink，专注于计算机视觉、目标检测、目标跟踪等方向
11-30 4267
YOLOv8提供可定制的模块化设计方便用户根据需求进行扩展；内置多种训练和超参数优化策略简化模型调优过程；集成检测、分割和跟踪功能。
Pruned-YOLO:使用模型修剪方法获得基于YOLOv5的紧凑模型Pruned-YOLOv5
03-25
修剪YOLO 使用模型修剪方法获得紧凑模型，即基于YOLOv5的Pruned-YOLOv5。 注意： 1.该项目基于 。 首先将其安装。 然后，使用此处提供的模型配置文件（ coco_yolov5l.yaml ）和网络模块定义文件（ common.py ）替换原始的对应文件。 2.参考 ，我们还使用次梯度方法进行稀疏度训练（ sparsity.py ）。 此外，稀疏训练和微调相结合以简化修剪流程。 在训练过程中，我们介绍了软掩膜策略和稀疏因子余弦衰变。 3.使用train_sr.py进行稀疏火车，可以直接进行修剪，而无需进行微调。 4.请把prune_channel_v5_weightingByKernel.py和prune_layer_v5_weightingByKernel.py放在主目录（ / yolov5 / ）中。 前者用于通道修剪，后者用于层修剪。 模型修剪可以由他们
论文阅读——对YOLO的全面回顾：从YOLOV1及以上
balabala_333的博客
07-28 1588
YOLO已经成为机器人技术、无人驾驶汽车和视频监控应用程序的中心实时目标检测系统。我们对YOLO的演变进行了全面的分析，检查了从原始YOLO到YOLOv8和YOLO-NAS的每次迭代中的创新和贡献。我们首先描述标准度量和后处理；然后，我们讨论了网络架构的主要变化和每个模型的训练技巧。最后，我们总结了YOLO发展的基本教训，并对其未来提供了展望，强调了增强实时目标检测系统的潜在研究方向。
YOLOv5改进 | 注意力机制 | 理解全局和局部信息的SE注意力机制
kay_545
05-10 3058
YOLOv5添加注意力机制，yolov5创新
YOLOv5算法改进（1）— 如何去改进YOLOv5算法
小哥谈
08-15 8057
为了让大家能够清楚地了解如何去改进YOLOv5算法以及从哪几方面去进行改进，本篇文章就简单介绍一下本系列的算法改进思想！
yolov5详解与改进
qq_44089890的博客
04-13 1万+
https://github.com/z1069614715/objectdetection_scriptOptimal Transport Assignment（OTA）是YOLOv5中的一个改进，它是一种更优的目标检测框架，可以在保证检测精度的同时，大幅提升检测速度。在传统的目标检测框架中，通常采用的是匈牙利算法（Hungarian Algorithm）进行目标与检测框的匹配。这种算法虽然能够找到最优匹配，但是在实际应用中，由于匹配的计算量过大，往往会导致检测速度过慢。OTA算法通过引入一种新的目标与检
YOLOv5改进（一）改进的核心内容
qq_45874142的博客
05-08 1万+
本节介绍了改进YOLOv5中的较难部分：添加自己设计的模块的办法，需要设计自己的模块，并推导一些尺度和通道数，然后在yaml文件中配置模型参数，在yolo.py中配置输出通道数，如果自己推导了整个模型每层的尺寸和通道数，配置这些参数就相对容易。
深入解析yolov5，为什么算法都是基于yolov5做改进的？（一）
dont worry about it的博客
05-01 5万+
YOLOv5是一种单阶段目标检测算法，它在YOLOv4的基础上引入了多项改进，显著提升了检测的速度和精度。YOLOv5的设计哲学是简洁高效，它有四个版本：YOLOv5s、YOLOv5m、YOLOv5l、YOLOv5x，分别对应不同的模型大小和性能。YOLOv5的四个版本（s,m,l,x）——YOLOv5s、YOLOv5m、YOLOv5l、YOLOv5x，它们之间的主要区别在于模型的深度和宽度，即模型的复杂度和性能。下面是各个版本的具体区别：可以看到每个模型对应的大小速度检测性能都有差距。
YOLOv5改进系列(三) 本文(7万字) | 更换主干backbone | MobileNetV3 | ShuffleNetV2 | EfficientNetv2 | GhostNet | 等 |
专注于人工智能学习，总结
12-29 4491
《人工智能专栏》 Python与Python | 机器学习 | 深度学习 | 目标检测 | YOLOv5及其改进 | YOLOv8及其改进 | 关键知识点 | 各种工具教程MobileNetV3，是谷歌在2019年3月21日提出的轻量化网络架构，在前两个版本的基础上，加入神经网络架构搜索（NAS）和h-swish激活函数，并引入SE通道注意力机制，性能和速度都表现优异，受到学术界和工业界的追捧。引用大佬的描述：MobileNet V3 = MobileNet v2 + SE结构 + hard
免费获取YOLO V4模型文件：yolov4.conv.137
标题中提到的“yolov4.conv.137”指的是YOLO V4版本的第137个卷积层的权重参数文件，通常以`.weights`或`.conv`作为扩展名。这个文件存储了经过大量图像数据集预训练的网络参数，用于初始化卷积神经网络的权重，以...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值