YOLO v5模型的yaml文件参数理解

YOLO v5模型的yaml文件参数理解

---

---

前言

最近在修改YOLO v5一些模型时候或者加入一些新的东西进去，发现YOLO v5的模型文件也需要我们非常熟悉，这样添加模块就不会出现错误.

---

一、YOLO v5网络配置文件

YOLO v5的配置文件为yaml类型，yolov5.yaml文件通过yolo.py解析文件配置模型的网络结构。yaml文件配置网络的好处是十分的方便不需要像YOLO v3的config设置网络一样进行叠加，只需要在yaml配置文件中的参数进行修改即可。然后我对YOLO v5的配置文件最近进行了梳理与应用。

1.模型深度与宽度

从github拉一下代码文件，数据集配置的文件在data文件目录下，YOLO v5模型的配置文件在models文件下，我们会看到四个YOLO v5模型的配置文件yolov5s.yaml、yolov5n.yaml、yolov5m.yaml、yolov5l.yaml,我就以yolov5s.yaml讲解一下模型配置文件的参数

nc: 1  # number of classes
depth_multiple: 0.33  # model depth multiple
width_multiple: 0.50  # layer channel multiple

• nc: 目标的类别数目，也是你数据集中类别标签的数目。
• depth_multiple：模型深度（控制模块的数量），当模块的数量number不为1时，模块的数量= depth_multiple * number。
• width_multiple：模型的宽度（控制卷积核的数量）， 卷积核的数量= 数量*width_multiple

2. anchors

anchors:
  - [10,13, 16,30, 33,23]  # P3/8
  - [30,61, 62,45, 59,119]  # P4/16
  - [116,90, 156,198, 373,326]  # P5/32

YOLO v5已经在yolov5s.yaml预设好了输入图像为640*640分辨率对应的anchor尺寸，yolov5的anchor也是在大特征图上检测小目标，在小特征图上检测大目标。三个特征图，每个特征图上的格子有三种尺寸的anchor。
其实还可以随机生成3中的不同检测框，可以用一下代码来代替：

anchors: 3

二、网络结构部分

1.Backbone

• 区分 [-1, 1, Conv, [64, 6, 2, 2] 中的含义 与 该通道运行解析时的[3, 32, 6, 2, 2]含义。

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]],                               # 2          
   [-1, 1, Conv, [256, 3, 2]],                       # 3-P3/8      
   [-1, 6, C3, [256]],                               # 4           
   [-1, 1, Conv, [512, 3