机器视觉教学：YOLOAir库使用（五）

最新推荐文章于 2024-03-14 20:15:47 发布

noopier

最新推荐文章于 2024-03-14 20:15:47 发布

阅读量209

点赞数

文章标签： python

本文链接：https://blog.csdn.net/noopier/article/details/132300262

版权

YOLOAir ：面向小白的目标检测库，更快更方便更完整的YOLO库

在这里插入图片描述

模型多样化 ：基于不同网络模块构建不同检测网络模型。

模块组件化
：帮助用户自定义快速组合Backbone、Neck、Head，使得网络模型多样化，助力科研改进检测算法、模型改进，网络排列组合，构建强大的网络模型。

统一模型代码框架、统一应用方式、统一调参、统一改进、易于模块组合、构建更强大的网络模型
：内置YOLOv5、YOLOv7、YOLOX、YOLOR、Transformer、Scaled_YOLOv4、YOLOv3、YOLOv4、YOLO-
Facev2、TPH-YOLO、YOLOv5Lite、SPD-YOLO、SlimNeck-YOLO、PicoDet等模型网络结构

基于 YOLOv5 代码框架，并同步适配稳定的YOLOv5_v6.1更新, 同步v6.1部署生态。使用这个项目之前, 您可以先了解YOLOv5库。

YOLOv5仓库 ：https://github.com/ultralytics/yolov5

YOLOAir项目地址 🌟: https://github.com/iscyy/yoloair

YOLOAir部分改进说明教程 🌟: https://github.com/iscyy/yoloair/wiki/Improved-
tutorial-presentation

YOLOAir CSDN地址 ：https://blog.csdn.net/qq_38668236

YOLOAir库使用说明

1. 下载源码

$ git clone https://github.com/iscyy/yoloair.git

或者打开github链接，下载项目源码，点击Code选择Download ZIP

在这里插入图片描述

2. 配置环境

首先电脑安装Anaconda，本文YOLOAir环境安装在conda虚拟环境里

2.1 创建一个python3.8的conda环境yoloair

conda create -n yoloair python=3.8

2.2 安装Pytorch和Torchvision环境

安装Pytorch有种方式，一种是官网链接[安装]https://pytorch.org/()，另外一中是下载whl包到本地再安装

Pytorch whl包下载地址：https://download.pytorch.org/whl/torch/

TorchVision包下载地址：https://download.pytorch.org/whl/torchvision/

本文Pytorch安装的版本为1.8.0，torchvision对应的版本为0.9.0

在这里插入图片描述

注意：cp对应Python包版本，linux对应lLinux版本，win对应Windows版本

当whl文件下载到本地后，进入包下载命令，使用pip install 包名来安装：

pip install torch-1.8.0+cu111-cp38-cp38-win_amd64.whl
pip install torchvision-0.9.0+cu111-cp38-cp38-win_amd64.whl

2.3 安装其他包依赖

YOLOAir项目依赖包具体包含如下：其中Base模块是基本项目依赖包，Logging和Plotting是模型训练时用到的日志和画图包，Export是用于模型转换时用到的（如pt转ONNX、TRT等），thop包是用来计算参数量的

在这里插入图片描述

进入到下载的YOLOAir项目目录，使用以下命令安装项目包依赖

pip install -r requirements.txt # 安装依赖包

如果嫌安装速度太慢，可以在此网站（https://pypi.org/）找包下载到本地再安装

2.4 开箱训练

train.py里面可以设置各种参数，具体参数解释详见后续实战更新

python train.py --data coco128.yaml --cfg configs/yolov5/yolov5s.yaml

2.5 模型推理

detect.py在各种数据源上运行推理, 并将检测结果保存到runs/detect目录

python detect.py --source 0 # 网络摄像头
img.jpg # 图像
vid.mp4 # 视频
path/ # 文件夹
path/*.jpg # glob

2.6 集成融合

如果使用不同模型来推理数据集，则可以使用 wbf.py文件通过加权框融合来集成结果，只需要在wbf.py文件中设置img路径和txt路径

$ python wbf.py

开箱使用YOLOAir

1. 模块选择

本文选取全局注意力机制GAM（Global Attention Mechanism），整体结构如下图所示：
在这里插入图片描述

通道注意力子模块：通道注意子模块使用三维排列来在第三个维度（即通道维度）上保留信息，然后用一个两层的MLP(多层感知器)放大跨维通道-空间依赖性(MLP是一种编码-解码器结构，与BAM相同，其压缩比为r)，通道注意子模块如下图所示

空间注意力子模块：在空间注意力子模块中，为了关注空间信息，使用两个卷积层进行空间信息融合，还从通道注意力子模块中使用了与BAM相同的缩减比r；与此同时由于最大池化操作减少了信息的使用，产生了消极的影响，这里删除了池化操作以进一步保留特性映射，因此空间注意力模块有时会显著增加参数的数量；为了防止参数显著增加，在ResNet50中采用带Channel Shuffle的Group卷积，无Group卷积的空间注意力子模块如下图所示
在这里插入图片描述

import numpy as np
import torch
from torch import nn
from torch.nn import init

参考论文：https://arxiv.org/pdf/2112.05561v1.pdf
class GAM_Attention(nn.Module):
# https://paperswithcode.com/paper/global-attention-mechanism-retain-information
def init(self, c1, c2, group=True, rate=4):
super(GAM_Attention, self).init()

    self.channel_attention = nn.Sequential(
        nn.Linear(c1, int(c1 / rate)),
        nn.ReLU(inplace=True),
        nn.Linear(int(c1 / rate), c1)
    )

    self.spatial_attention = nn.Sequential(

        nn.Conv2d(c1, c1 // rate, kernel_size=7, padding=3, groups=rate) if group else nn.Conv2d(c1, int(c1 / rate),
                                                                                                 kernel_size=7,
                                                                                                 padding=3),
        nn.BatchNorm2d(int(c1 / rate)),
        nn.ReLU(inplace=True),
        nn.Conv2d(c1 // rate, c2, kernel_size=7, padding=3, groups=rate) if group else nn.Conv2d(int(c1 / rate), c2,
                                                                                                 kernel_size=7,
                                                                                                 padding=3),
        nn.BatchNorm2d(c2)
    )

def forward(self, x):
    b, c, h, w = x.shape
    x_permute = x.permute(0, 2, 3, 1).view(b, -1, c)
    x_att_permute = self.channel_attention(x_permute).view(b, h, w, c)
    x_channel_att = x_att_permute.permute(0, 3, 1, 2)
    # x_channel_att=channel_shuffle(x_channel_att,4) #last shuffle
    x = x * x_channel_att

    x_spatial_att = self.spatial_attention(x).sigmoid()
    x_spatial_att = channel_shuffle(x_spatial_att, 4)  # last shuffle
    out = x * x_spatial_att
    # out=channel_shuffle(out,4) #last shuffle
    return out

2.模型配置

# parameters
nc: 10 # number of classes
depth_multiple: 0.33 # model depth multiple
width_multiple: 0.50 # layer channel multiple

# anchors
anchors:
#- [5,6, 7,9, 12,10] # P2/4
- [10,13, 16,30, 33,23] # P3/8
- [30,61, 62,45, 59,119] # P4/16
- [116,90, 156,198, 373,326] # P5/32

# YOLOv5 backbone
backbone:
  # [from, number, module, args]               # [c=channels,module,kernlsize,strides]
  [[-1, 1, Conv, [64, 6, 2, 2]],  # 0-P1/2           [c=3,64*0.5=32,3]
   [-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, GAM_Attention, [512,512]], #9
   [-1, 1, SPPF, [1024,5]], #10
  ]

# YOLOv5 head
head:
  [[-1, 1, Conv, [512, 1, 1]], 
   [-1, 1, nn.Upsample, [None, 2, 'nearest']],
   [[-1, 6], 1, Concat, [1]],  # cat backbone P4
   [-1, 3, C3, [512, False]],  # 14

[-1, 1, Conv, [256, 1, 1]],
[-1, 1, nn.Upsample, [None, 2, ‘nearest’]],
[[-1, 4], 1, Concat, [1]], # cat backbone P3
[-1, 3, C3, [256, False]], # 18 (P3/8-small)
[-1, 1, GAM_Attention, [128,128]], #19

[-1, 1, Conv, [256, 3, 2]],
[[-1, 15], 1, Concat, [1]], # cat head P4
[-1, 3, C3, [512, False]], # 22 (P4/16-medium) [256, 256, 1, False]
[-1, 1, GAM_Attention, [256,256]],

[-1, 1, Conv, [512, 3, 2]], #[256, 256, 3, 2]
[[-1, 11], 1, Concat, [1]], # cat head P5
[-1, 3, C3, [1024, False]], # 25 (P5/32-large) [512, 512, 1, False]
[-1, 1, GAM_Attention, [512,512]], #

[[19, 23, 27], 1, Detect, [nc, anchors]], # Detect(P3, P4, P5)
]

nc：检测的类别数
depth_multiple：控制每层代码块的个数
width_multiple：控制每层特征图的深度
参数量：YOLOv5s_gam summary: 314 layers, 11069767 parameters, 11069767 gradients, 21.6 GFLOPs

3.模块配置

在yolo.py中加载模块，配置相关参数（先在Common.py中导入该模块）

elif m in [GAM_Attention]:
c1, c2 = ch[f], args[0]
if c2 != no: # if not output
c2 = make_divisible(c2 * gw, 8)
args = [c1, *args[1:]]

4.开箱训练

笔者对一个三类别目标检测任务进行训练，得到最终的结果图如下：

在这里插入图片描述

GAM训练结果图

在这里插入图片描述

SENet训练结果图

训练超参数：hyp.yaml

loss_category: CIoU
mode: yolo
use_aux: false
weights: weights/yolov5s.pt
cfg: configs/yolov5/attention/yolov5s_gam.yaml
data: data/fire_smoke.yaml
hyp: data/hyps/hyp.VOC.yaml
epochs: 300
batch_size: 64
imgsz: 640
rect: false
resume: false
nosave: false
noval: false
noautoanchor: false
noplots: false
evolve: null
bucket: ‘’
cache: null
image_weights: false
device: 0,1
multi_scale: false
single_cls: false
optimizer: SGD
sync_bn: false
workers: 8
project: runs/train
name: 0808
exist_ok: false
quad: false
cos_lr: false
label_smoothing: 0.0
patience: 100
freeze:
- 0
save_period: -1
local_rank: -1
entity: null
upload_dataset: false
bbox_interval: -1
artifact_alias: latest
swin_float: false
save_dir: runs/train/08083

所有实验默认初始化参数为yolov5s，模型为yolov5s权重加载
base_size=64，hyp=hyp.VOC.yaml，epoch=300，IOU=CIOU，Imgsz=640
相比于普通的YOLOv5模型，添加了GAM_Attention模块的模型在训练稳定性上更胜一筹，训练和验证loss下降比较快且平稳；但相比于添加了SENet模块的YOL0v5模型，其在训练初期比较动荡且参数量较多，因此笔者建议在Neck模块中删减GAM_Attention（仅在最后一层预测层即可）

项目分享：

https://gitee.com/sinonfin/algorithm-sharing

noopier

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
机器视觉教学：YOLOAir库使用（五）

面向小白的目标检测库，更快更方便更完整的YOLO库：基于不同网络模块构建不同检测网络模型。：帮助用户自定义快速组合Backbone、Neck、Head，使得网络模型多样化，助力科研改进检测算法、模型改进，网络排列组合，构建强大的网络模型。：内置YOLOv5、YOLOv7、YOLOX、YOLOR、Transformer、Scaled_YOLOv4、YOLOv3、YOLOv4、YOLO-
复制链接

扫一扫