图像目标检测算法-YOLOV5的学习

最新推荐文章于 2024-10-10 14:35:23 发布

dongdonglele521

最新推荐文章于 2024-10-10 14:35:23 发布

阅读量1k

点赞数 29

文章标签：目标检测 YOLO 学习

本文链接：https://blog.csdn.net/dongdonglele521/article/details/137134089

版权

一、yolov5的网络结构，官方给出的不同版本的yolov5模型区别在哪，这些区别会带来那些改变。

yolov5 5.0 的结构，输入会经过Focus结构,上图：

backbone 主要包含：Focus,C3,conv等结构，现在分别讲解:

Focus 网络：Focus 网络是对输入图片进行切片操作，假设输入图片的大小为640×640×3,间隔一个元素提取，每个通道整合输出320×320×4的数据，四个通道以此进行此操作。将每个通道相同位置的元素提取整合concat在一起。这样做的目的就是输入数据大小减小一半，但没有特征的损失，

Conv 结构包括：2d卷积、BN层、SILU层。

BN层：BN层的提出，主要是为了解决大部分的数据落入非线性饱和区，导致模型训练过程梯度消失，一方面增加模型训练时间，还有很大的可能模型到最后无法收敛。通过计算模型批次训练数据的均值和方差，对训练数据进行均值为0,方差为1的归一化处理。如果激活函数采用的是sigmoid 函数，可让大部分的训练数据落入线性区域内，加快模型的训练收敛速度，同时考虑到归一化处理后，对数据分布的变化比较大，引入缩放平移参数对数据进行仿射变换，尽可能保持数据的原始分布，又不至于让数据完全落入饱和区域内。

BN层的计算在training和testing阶段是不一样的。

trainning 阶段

testing 阶段，采用全局统计量，滑动平均的方法计算得出均值和方差。

running_mean = momentum * running_mean + (1 - momentum) * x_mean
running_var = momentum * running_var + (1 - momentum) * x_var

SILU层,激活函数层,也被称为 Swish 激活函数。他的定义为:

f(x)=x*sigmoid(x)，它结合了非线性和线性函数的两种特征。他能够解决梯度消失的问题，在x小于0的时候保留了负梯度的特点。

C3结构

C3 结构包含了卷积结构，bottleneck 结构，从而增加网络深度和感受野，更好的提取数据特征。

class C3(nn.Module):
def __init__(self, c1, c2, n=1, shortcut=True, g=1, e=0.5):
"""
:param c1: 整个 C3 的输入channel
:param c2: 整个 C3 的输出channel
:param n: 有n个Bottleneck
:param shortcut: bool Bottleneck中是否有shortcut，默认True
:param g: C3中的3x3卷积类型 =1普通卷积 >1深度可分离卷积
:param e: expansion ratio
"""
super(C3, self).__init__()
c_ = int(c2 * e)
self.cv_1 = Conv(c1, c_, 1, 1)
self.cv_2 = Conv(c1, c_, 1, 1)
self.m = nn.Sequential(*[Bottleneck(c_, c_, e=1, shortcut=True, g=1) for _ in range(n)])
self.cv_3 = Conv(2*c_, c2, 1, 1)

def forward(self, x):
return self.cv_3(torch.cat((self.m(self.cv_1(x)), self.cv_2(x)), dim=1))

深度可分离卷积包含两部分，由Depthwise Convolution和Pointwise Convolution两部分组成。

继续盗图讲解：