yolov5的网络结构输入输出讲解,利用netron工具进行分析
1,使用的工具
netorn工具,查看yolov5s.pt导出的onnx模型,目前netorn支持pt智能看到大的架构,看不到具体的输入输出,所以最好转为onnx后,进行查看。
如果在导出的时候有报错,注意安装onnx:请查看nvidia jetson 错误 no module named onnx
2,模型输出介绍
name: output output的type: float32[1,25200,85]
85=80分类+4个坐标+置信度 25200=80* 80* 3+40* 40* 3+20* 20* 3(不同尺寸的卷积核计算,将计算结果进行拼接),其中80指的是80个分类的置信度概率,而最后一位也是置信度,指的是检测框里存在目标的概率大小,注意两个置信度不一样。
最后一个85可能是255,Prediction中用于预测的三个特征图①19* 19* 255、②38* 38* 255、③76* 76* 255。[注:255表示80类别(1+4+80)×3=255] 其中3表示的是anchor