yolov5+shufflenet轻量化目标检测

最新推荐文章于 2024-05-14 08:00:00 发布

HySmiley

最新推荐文章于 2024-05-14 08:00:00 发布

阅读量1.3k

点赞数

分类专栏：深度学习实践文章标签：目标检测深度学习人工智能

本文链接：https://blog.csdn.net/m0_37264397/article/details/126613763

版权

深度学习实践专栏收录该内容

6 篇文章 15 订阅 ¥19.90 ¥99.00

订阅专栏

超级会员免费看

一、backbone与head

yolov5中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]],
   [-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, SPPF, [1024, 5]],  # 9
  ]

from：表示与上层连接

number：模块重复次数

modul：模块类型

args：卷积层参数信息

其中，存在“#0-P1/2，# 1-P2/4..”标记，

"0","1"..表示当成层的序号，在head模块中用到并且+1

“P1/2,P2/4”表示经过该层，feature map的尺寸缩减为原图2倍、4倍。。

其中C3模块结构形式：

了解本专栏