训练YOLOv9-S

heromps

已于 2024-03-22 17:01:21 修改

阅读量660

点赞数 3

分类专栏： YOLO 文章标签：人工智能深度学习

于 2024-03-21 22:36:06 首次发布

本文链接：https://blog.csdn.net/heromps/article/details/136922631

版权

YOLO 专栏收录该内容

9 篇文章

订阅专栏

本文详细介绍了YOLOv9-S网络结构的修改，包括参数调整、模型配置文件的更新，以及如何使用train_dual.py和val.py进行模型训练和验证。作者展示了从原始Yolov9到YOLOv9-S的具体步骤和关键参数的处理方法。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1. YOLOv9-S网络结构

1.1 改前改后的网络结构（参数量、计算量）对比

修改前调用的yolo.py测试的yolov9.yaml的打印网络情况，包含参数量、计算量
在这里插入图片描述
修改后调用的yolo.py测试的yolov9.yaml的打印网络情况，包含参数量、计算量

1.2 修改YOLOv9-s架构

在models/yolo.py文件中，Ctrl+F定位到args = [c1, c2, *args[1:]]，然后再如下位置添加代码

            if m in (RepNCSPELAN4,):
                args[1] = make_divisible(args[1] * gw, 8)
                args[2] = make_divisible(args[2] * gw, 8)
                args[3] = max(round(args[3] * gd), 1) if n > 1 else n

还是在models/yolo.py中，定位到elif m is CBLinear，然后做如下更改

            c2 = [int(x * gw) for x in args[0]]

在这里插入图片描述
3. 修改模型配置文件：直接拷贝models/detect/yolov9.yaml然后重命名为yolov9-S.yaml，并做以下更改

2. 开始训练

按照需求修改train_dual.py中的以下参数
在这里插入图片描述
需要注意的是，这里只能写成这样，因为官方只给了这一个超参数设置文件：

键入以下命令开始训练：

python train.py --name yolov9-S

在这里插入图片描述

3. 验证

3.1 修改val.py中的以下参数

在这里插入图片描述

3.2 命令验证

python val.py --name yolov9-S

在这里插入图片描述