目标检测 YOLOv5 Backbone中的Focus

最新推荐文章于 2024-08-27 00:01:51 发布

二分掌柜的

最新推荐文章于 2024-08-27 00:01:51 发布

阅读量6.4k

点赞数 4

分类专栏： YOLOv5 文章标签： yolov5

本文链接：https://blog.csdn.net/flyfish1986/article/details/115634582

版权

YOLOv5 专栏收录该内容

98 篇文章

订阅专栏

本文详细介绍了YOLOv5s模型中的Focus模块，该模块结合了标准卷积，用于信息聚焦。Focus首先将输入图像复制并切片，然后在深度上连接这些切片，接着通过卷积层处理，最后通过BatchNorm2d和SiLU激活函数。Focus的作用是将输入的(b,c,w,h)转换为(b,4c,w/2,h/2)，并确保输出通道是8的倍数。此外，还解释了张量连接的操作，并提供了相关代码示例。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

目标检测 YOLOv5 Backbone中的Focus

flyfish

版本：YOLOv5
YOLOv5:v5
第一个v5是YOLO的第5个版本，YOLOv5也是在迭代改进的，第二v5是YOLOv5中的第5个版本
与YOLOv5:v4还是有差别的。
这里以YOLOv5s版说明，s是最小的那版，其他的类似yolov5m、yolov5l、yolov5x是模型依次变大的版本
Backbone的开头就是Focus，Focus中包含了标准卷积

标准卷积（Standard convolution） = Conv2d + BatchNorm2d +SiLU

详细写如下

(conv): Conv2d(12, 32, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1), bias=False)
(bn): BatchNorm2d(32, eps=0.001, momentum=0.03, affine=True, track_running_stats=True)
(act): SiLU()

标准卷积代码在common.py

class Conv(nn.Module):
    # Standard convolution
    def __init__(self, c1, c2, k=1, s=1, p=None, g=1, act=True):  # ch_in, ch_out, kernel, stride, padding, groups
        super(Conv, self).__init__()
        self.conv = nn.Conv2d(c1, c2, k, s, autopad(k, p), groups=g, bias=False)
        self.bn = nn.BatchNorm2d(c2)
        self.act = nn.SiLU() if act is True else (act if isinstance(act, nn.Module) else nn.Identity())

    def forward(self, x):
        return self.act(self.bn(self.conv(x)))

    def fuseforward(self, x):
        return self.act(self.conv(x))

通过输出的配置看Focus

                 from  n    params  module                                  arguments                     
  0                -1  1      3520  models.common.Focus                     [3, 32, 3]                    
  1                -1  1     18560  models.common.Conv                      [32, 64, 3, 2]

Focus的输入tensor的形状是(b,c,w,h)输出tensor的形状是(b,4c,w/2,h/2)

YOLOv5s假设一张图像，默认b,c,w,h也就是1x3x640x640的输入，这里简写3x640x640先复制四份，然后通过切片操作将这个四张图像切成了四个3x320x320，接下来使用concat从深度上连接这四个切片，输出为12x320x320，之后再通过卷积核数为32的卷积层，生成32x320x320的输出，最后经过BatchNorm2d 和SiLU将结果输入到下一个卷积层。

Focus默认的输出通道是64，而yolov5s里的放缩系数是0.5，输出通道为32。make_divisible()函数保证输出通道是8的倍数.
make_divisible代码在general.py

def make_divisible(x, divisor):
    # Returns x evenly divisible by divisor
    return math.ceil(x / divisor) * divisor

Focus代码在common.py

class Focus(nn.Module):
    # Focus wh information into c-space
    def __init__(self, c1, c2, k=1, s=1, p=None, g=1, act=True):  # ch_in, ch_out, kernel, stride, padding, groups
        super(Focus, self).__init__()
        self.conv = Conv(c1 * 4, c2, k, s, p, g, act)
        # self.contract = Contract(gain=2)

    def forward(self, x):  # x(b,c,w,h) -> y(b,4c,w/2,h/2)
        return self.conv(torch.cat([x[..., ::2, ::2], x[..., 1::2, ::2], x[..., ::2, 1::2], x[..., 1::2, 1::2]], 1))
        # return self.conv(self.contract(x))

对比张量连接方式

import torch
x = torch.arange(1,9)
x = x.reshape(2,4)
print(x)
# tensor([[1, 2, 3, 4],
#         [5, 6, 7, 8]])
#不同维度的张量连接
print(torch.cat((x, x, x), 0))#按0维连接
# tensor([[1, 2, 3, 4],
#         [5, 6, 7, 8],
#         [1, 2, 3, 4],
#         [5, 6, 7, 8],
#         [1, 2, 3, 4],
#         [5, 6, 7, 8]])
print(torch.cat((x, x, x), 1))#按1维连接
# tensor([[1, 2, 3, 4, 1, 2, 3, 4, 1, 2, 3, 4],
#         [5, 6, 7, 8, 5, 6, 7, 8, 5, 6, 7, 8]])