【目标检测-YOLO】YOLOv5-v6.0-yolov5s网络架构详解（第一篇）

已于 2022-07-08 10:50:45 修改
阅读量1w 收藏 66
点赞数 12
分类专栏： YOLO 视觉 文章标签： YOLOv5s
于 2022-03-18 20:29:00 首次发布
本文为博主原创文章，未经博主允许不得转载。
本文链接：https://blog.csdn.net/hymn1993/article/details/123578016
版权
YOLO 同时被 2 个专栏收录
30 篇文章 90 订阅 ¥9.90 ¥99.00
订阅专栏 超级会员免费看
视觉
40 篇文章 5 订阅
订阅专栏
本文详细介绍了YOLOv5s在v6.0版本的网络架构，包括从官方ONNX文件的解析问题，到利用onnx-simplifier简化模型的过程，以及对Conv+BN融合操作的讨论。最终，作者分享了如何导出并展示带BN层的ONNX模型的解决方案。
摘要由CSDN通过智能技术生成

1. 准备工作

趁热打铁。上节分析了 v5.0 的 yolov5s 模型架构，本节顺便把 v6.0的图也画下。官方代码中贴心的给提供了 onnx 文件，如下图： 

但是，当我打开 onnx 的时候，我麻了...

 所以，还是需要自己生成下 onnx 文件。

2. 折腾

打开 export.py 惊喜发现，代码中提供了onnx-simplifier导出，这种导出的模型更加简洁。https://github.com/daquexian/onnx-simplifier

了解本专栏 订阅专栏 解锁全文 超级会员免费看
理心炼丹
关注
专栏目录
订阅专栏
【目标检测-YOLO】YOLOv5-v6.0-网络架构详解（第二篇）
博观约取，厚积薄发
03-31 1万+
YOLOv5-v6.0-网络架构详解，包含架构图
yolov5-v6.0详细解读
慕溪同学的博客
03-13 4880
YOLOv5目前有YOLOv5n、YOLOv5s、YOLOv5m、YoLOv5l、YOLOv5x五个版本。这五个版本在网络结构上是没有区别的，唯一的区别就是网络的宽度和深度不一样，在这5个版本的配置文件里面是通过设置不同的depth_multiple和width_multiple来控制网络的大小。其中depth_multiple控制网络的深度（BottleneckCSP数），width_multiple控制网络的宽度（卷积核数量）。
YOLOv5超详细环境搭建以及模型训练（GPU版本）
最新发布
2401_85556416的博客
08-24 2052
右键点击【我的电脑】(此电脑)--【属性】--点击【高级系统设置】--【高级】--【环境变量】-找到系统变量下的【Path】--右侧点击【新建】，按照我标红框的进行添加即可。点击【File】-->【setting】-->【Project】-->【Python Interpreter】-->【Add Interpreter】-->【Add Local Interpreter】方法二：【鼠标右键桌面】--【显示更多选项】--【NVIDIA控制面板】--在控制面板的左下角点击【系统信息】--选择【组件】
YOLOv5 6.0 结构图
Eagle的博客
05-27 2678
贡献一张6.0版本的结构图，想要用的拿去
Yolov5-6.0系列 | yolov5的模型网络构建
Clichong
06-06 8451
如有错误，恳请指出。学习yolov5的代码，这里首先从yolov5模型的搭建整个流程来介绍。以yolov5-6.0版本为例，这篇笔记主要是关于yolov5模型的构建分析，其模型的搭建代码全部放在了moodel文件下，主要的yolo.py文件完成了整个模型的搭建（调用了其他的模块）。而关于具体的一些模块的实现，可以参考我的其他文章，这篇笔记主要记录yolo.py这个文件。在yolov5-6.0版本的yolo.py中，主要有3个内容，Detect类，Model类以及parse_model函数，以下就分别介绍这几
Yolov5-v6.0模型详解
weixin_47604030的博客
02-01 1万+
Yolov5-v6.0模型详解 # YOLOv5 v6.0 backbone backbone: # [from, number, module, args] [[-1, 1, Conv, [64[l1], 6[l2], 2[l3], 2[l4]]], # 0-P1/2 [-1, 1, Conv, [128, 3, 2]], # 1-P2/4 [-1, 3[l5], C3, [128]], [-1, 1, Conv, [256, 3, 2]], # 3...
目标检测 YOLOv5网络v6 0版本总结
BigCabbageFy的博客
06-30 9400
YOLOv5s_5.xYOLOv5s_6.x与YOLOv5_5.x相比较，YOLOv5_6.x网络结构更加精简：从结构图可以看出网络分为输入端、Backbone、Neck、Head输出端四个部分。YOLOv5包含：YOLOv5s、YOLOv5m、YOLOv5l、YOLOv5x四种版本，下面以YOLOv5s为例**：**数据增强Mosaic将四张图片拼成一张图片Copy paste将部分目标随机粘贴到图片中，前提是数据要有实例分割才可以Random affine随即进行仿射变换，其中包括旋转、缩放、平移和裁剪
【目标检测-YOLO】YOLOv5-yolov5s TensorRT部署准备之ONNX导出（第一篇）
博观约取，厚积薄发
04-01 7601
下面的内容是对 YOLOv5-yolov5s TensorRT部署前的准备之导出可用的ONNX。 之前已经写过部分内容，但是还不够详细。 1. YOLOv5-6.0版本 以下内容以 6.0 版本为准。 修改导出文件： def forward(self, x): z = [] # inference output for i in range(self.nl): x[i] = self.m[i](x[i]) # conv2d
YOLOv5改进系列（15）——增加小目标检测层
路人贾的博客
07-09 6806
手把手教你YOLOv5改进系列之增加小目标检测层
YOLOv5源码逐行超详细注释与解读（5）——配置文件yolov5s.yaml
路人贾的博客
03-22 1万+
全网最详细的YOLOv5源码解读之配置文件yaml。逐行注释，逐句讲解，一文带你了解yaml。小白必看！
YOLOV5—6.0 网络结构图
qq_36230981的博客
02-27 8582
yolov5 网络结构图。
yolov5s-6.0网络模型结构图
热门推荐
qianxun
02-09 3万+
因为在6.0上做的了一些东西，所以将6.0得网络模型画了出来，之前也画过5.0的网络模型，有兴趣的小伙伴可以看下。 yolov5s-5.0网络模型结构图_zhangdaoliang1的博客-CSDN博客_yolov5s模型结构看了很多yolov5方面的东西，最近需要yolov5得模型结构图，但是网上的最多的是大白老师的，但是大白老师的yolov5得模型结构图不知道是哪个版本得，肯定不是5.0和6.0版本得。参考了大白老师得模型结构图和其他大佬的模型结构图，以及参考了yolov5得onnx。画出了以下得结构
YOLOv5s_v6.0版本结构简图
weixin_45231460的博客
04-24 1389
YOLOV5s的结构图
shangshanegsn的博客
09-15 3694
YOLO
Yolov5 网络结构
钟鸣的博客
03-17 8202
yolov5 的网络结构 yolov5 的网络结构的配置文件在models文件夹下，有yolov5n.yaml, yolov5s.yaml, yolov5m.yaml等等。几个网络结构其实都一样，通过depth_multiple和width_multiple参数来控制网络结构的深度和宽度。 主要理解 head和backbone部分，根据需求对模型做修改时主要也是改动backbone部分。 # YOLOv5 v6.0 backbone backbone: # [from, number, module,
【Yolov系列】Yolov5学习（一）：大致框架
qq_43737512的博客
04-24 5089
Yolov5学习（一）：大致框架
YOLOv5s网络模型讲解(一看就会)
生活需要深度
04-16 1852
[10,13, 16,30, 33,23] # P3/8， 表示[10,13],[16,30], [33,23]3个anchor。[[-1, 1, Conv, [64, 6, 2, 2]], # 0-P1/2，通过该层之后特征图的大小变成原图的1/2。[-1, 1, Conv, [512, 3, 2]], # 5-P4/16，，过该层之后特征图的大小变成原图的1/16。[-1, 1, Conv, [128, 3, 2]], # 1-P2/4，通过该层之后特征图的大小变成原图的1/4。
YOLOv5S网络框架设计-CSC&C3&SPPF模块
weixin_57379543的博客
08-03 5018
CBS: C代表Conv，B代表，S代表SiLu激活函数CBS模块封装了卷积、批归一化和激活函数的组合操作self.conv: 用nn.Conv2d创建了一个二维卷积层self.bn：使用创建了一个二维批归一化层self.act：根据act参数确定是否应用激活函数，默认为nn.SiLU()，如果act既不是True也不是nn.Module类型，则应用恒等函数。运算顺序由前向传播方法中，先对输入x进行卷积操作，然后应用批归一化和激活函数，并返回结果。在融合正向传播方法。
YOLO-TLA: 小目标检测新突破 - 基于YOLOv5的高效轻量化模型
YOLO-TLA是一种基于YOLOv5的高效轻量级小目标检测模型，针对实际应用中小目标检测的准确性问题进行了深入研究。在目标检测这个计算机视觉的关键领域，尽管已有显著的进步，但处理小物体时的挑战依然存在，如检测不...
评论 14
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

打赏作者

理心炼丹

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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