YOLOv5白皮书-第Y5周：yolo.py文件解读

最新推荐文章于 2024-06-20 11:52:21 发布

Oaix Nay

最新推荐文章于 2024-06-20 11:52:21 发布

阅读量2.6k

点赞数 8

分类专栏： 365天深度学习训练记录文章标签： python 深度学习 pytorch

本文链接：https://blog.csdn.net/qq_27889941/article/details/128443507

版权

一、课题背景和开发环境

📌第Y5周：yolo.py文件解读📌

语言：Python3、Pytorch
📌本周任务：将yolov5s网络模型中的C3模块按照下图方式修改形成C2模块，并将C2模块插入第2层与第3层之间，且跑通yolov5。
💫任务提示：
– 提示1：需要修改./models/common.py、./models/yolo.py、./models/yolov5s.yaml文件
– 提示2：C2模块与C3模块是非常相似的两个模块，我们要插入C2到模型当中，只需要找到哪里有C3模块，然后在其附近加上C2即可。

文件位置：./models/yolo.py
这个文件是YOLOv5网络模型的搭建文件，如果想改进YOLOv5，那么这个文件是必须要进行修改的文件之一。文件内容看起来多，其实真正有用的代码不多，重点理解好parse_model函数和Detect、Model两个类即可。
注：由于YOLOv5版本众多，同一个文件对于细节处我们可能会看到不同的版本，不用担心，都是正常的，注意把握好整体架构即可。

开发环境

电脑系统：Windows 10
语言环境：Python 3.8.2
编译器：无（直接在cmd.exe内运行）
深度学习环境：Pytorch 1.8.1+cu111
显卡及显存：NVIDIA GeForce GTX 1660 Ti 12G
CUDA版本：Release 10.2, V10.2.89（cmd输入nvcc -V或nvcc --version指令可查看）
YOLOv5开源地址：YOLOv5开源地址
数据：🔗水果检测

二、代码解析

0.导入需要的包和基本配置

import argparse     # 解析命令行参数模块
import contextlib
import os
import platform
import sys          # sys系统模块，包含了与Python解释器和它的环境有关的函数
from copy import deepcopy  # 数据拷贝模块，深拷贝
from pathlib import Path   # Path将str转换为Path对象，使字符串路径易于操作

FILE = Path(__file__).resolve()
ROOT = FILE.parents[1]  # YOLOv5 root directory
if str(ROOT) not in sys.path:
    sys.path.append(str(ROOT))  # add ROOT to PATH
if platform.system() != 'Windows':
    ROOT = Path(os.path.relpath(ROOT, Path.cwd()))  # relative

from models.common import *
from models.experimental import *
from utils.autoanchor import check_anchor_order
from utils.general import LOGGER, check_version, check_yaml, make_divisible, print_args
from utils.plots import feature_visualization
from utils.torch_utils import (fuse_conv_and_bn, initialize_weights, model_info, profile, scale_img, select_device,
                               time_sync)

# 导入thop包，用于计算FLOPs
try:
    import thop  # for FLOPs computation
except ImportError:
    thop = None

1.parse_model函数

这个函数用于将模型的模块拼接起来，搭建完整的网络模型。后续如果需要动模型框架的话，需要对这个函数做相应的改动。

def parse_model(d, ch):  # model_dict, input_channels(3)
    # Parse a YOLOv5 model.yaml dictionary
    ''' 用在上面DetectionModel模块中
    解析模型文件(字典形式)，并搭建网络结构
    这个函数其实主要做的就是：
        更新当前层的args(参数)，计算c2(当前层的输出channel)
        ->使用当前层的参数搭建当前层
        ->生成 layers + save
    :params d: model_dict模型文件，字典形式{dice: 7}(yolov5s.yaml中的6个元素 + ch)
    :params ch: 记录模型每一层的输出channel，初始ch=[3]，后面会删除
    :return nn.Sequential(*layers): 网络的每一层的层结构
    :return sorted(save): 把所有层结构中的from不是-1的值记下，并排序[4,6,10,14,17,20,23]
    '''
    LOGGER.info(f"\n{
     '':>3}{
     'from':>18}{
     'n':>3}{
     'params':>10}  {
     'module':<40}{
     'arguments':<30}")
    # 读取字典d中的anchors和parameters(nc,depth_multiple,width_multiple)
    anchors, nc, gd, gw, act = d['anchors'], d['nc'], d['depth_multiple'], d['width_multiple'], d.get('activation')
    if act:
        Conv.default_act = eval(act)  # redefine default activation, i.e. Conv.default_act = nn.SiLU()
        LOGGER.info(f"{
     colorstr('activation:')} {
     act}")  # print
    # na: number of anchors 每一个predict head上的anchor数=3
    na = (len(anchors[0]) // 2) if isinstance(anchors, list) else anchors  # number of anchors
    # no: number of outputs 每一个predict head层的输出channel=anchors*(classes+5)=75(VOC)
    no = na * (nc + 5)  # number of outputs = anchors * (classes + 5)

    ''' 开始搭建网络
    layers: 保存每一层的层结构
    save: 记录下所有层结构中from不是-1的层结构序号
    c2: 保存当前层的输出channel
    '''
    layers, save, c2 = [], [], ch[-1]  # layers, savelist, ch out
    # from: 当前层输入来自哪些层
    # number: 当前层数，初定
    # module: 当前层类别
    # args: 当前层类参数，初定
    # 遍历backbone和head的每一层
    for i, (f, n, m, args) in enumerate(d['backbone'] + d['head']):  # from, number, module, args
        # 得到当前层的真实类名，例如：m = Focus -> <class 'models.common.Focus'>
        m = eval(m) if isinstance(m, str) else m  # eval strings
        # 没什么用
        for j, a in enumerate(args):
            with contextlib.suppress(NameError):
                args[j] = eval(a) if isinstance(a, str) else a  # eval strings

        # --------------------更新当前层的args(参数)，计算c2(当前层的输出channel)--------------------
        # depth gain 控制深度，如yolov5s: n*0.33，n: 当前模块的次数(间接控制深度)
        n = n_ = max(round(n * gd), 1) if n > 1 else n  # depth gain
        if m in {
   
                Conv, GhostConv, Bottleneck, GhostBottleneck, SPP, SPPF, DWConv, MixConv2d, Focus, CrossConv,
                BottleneckCSP, C3, C3TR, C3SPP, C3Ghost, nn.ConvTranspose2d, DWConvTranspose2d, C3x}:
            # c1: 当前层的输入channel数; c2: 当前层的输出channel数(初定); ch: 记录着所有层的输出channel数
            c1, c2 = ch[f], args[0]
            # no=75，只有最后一层c2=no，最后一层不用控制宽度，输出channel必须是no
            if c2 != no:  # if not output
                # width gain 控制宽度，如yolov5s: c2*0.5; c2: 当前层的最终输出channel数(间接控制宽度)
                c2 = make_divisible(c2 * gw, 8)

            # 在初始args的基础上更新，加入当前层的输入channel并更新当前层
            # [in_channels, out_channels, *args[1:]]
            args = [c1, c2, *args[1:]]
            # 如果当前层是BottleneckCSP/C3/C3TR/C3Ghost/C3x，则需要在args中加入Bottleneck的个数
            # [in_channels, out_channels, Bottleneck个数, Bool(shortcut有无标记)]
            if m in {
   BottleneckCSP, C3, C3TR, C3Ghost, C3x}:
                args.insert(2, n)  # number of repeats 在第二个位置插入Bottleneck的个数n
                n = 1 # 恢复默认值1
        elif m is nn.BatchNorm2d:
            # BN层只需要返回上一层的输出channel
            args = [ch[f]]
        elif m is Concat:
            # Concat层则将f中所有的输出累加得到这层的输出channel
            c2 = sum(ch[x] for x in f)
        # TODO: channel, gw, gd
        elif m in {
   Detect, Segment}:  # Detect/Segment(YOLO Layer)层
            # 在args中加入三个Detect层的输出channel
            args.append([ch[x] for x in f])
            if isinstance(args[1], int):  # number of anchors 几乎不执行
                args[1] = [list(range(args[1] * 2))] * len(f)
            if m is Segment:
                args[3] = make_divisible(args[3] * gw, 8)
        elif m is Contract:  # 不怎么用
            c2 = ch[f] * args[0] ** 2
        elif m is Expand:  # 不怎么用
            c2 = ch[f] // args[0] ** 2
        else:  # Upsample
            c2 = ch[f]  # args不变
        # -------------------------------------------------------------------------------------------

        # m_: 得到当前层的module，如果n>1就创建多个m(当前层结构)，如果n=1就创建一个m
        m_ = nn.Sequential(*(m(*args) for _ in range(n))) if n > 1 else m(*args)  # module
        # 打印当前层结构的一些基本信息
        t = str(m)[8:-2].replace('__main__.', '')  # module type  <'modules.common.Focus'>
        np = sum(x.numel() for x in m_.parameters())  # number params 计算这一层的参数量
        m_.i, m_.f, m_.type, m_.np = i, f, t, np  # attach index, 'from' index, type, number params
        LOGGER.info(f'{
     i:>3}{
     str(f):>18}{
     n_:>3}{
     np:10.0f}  {
     t:<40}{
     str(args):<30}')  # print
        # 把所有层结构中的from不是-1的值记下 [6,4,14,10,17,20,23]
        save.extend(x % i for x in ([f] if isinstance(f, int) else f) if x != -1)  # append to savelist
        # 将当前层结构module加入layers中
        layers.append(m_)
        if i == 0:
            ch = []  # 去除输入channel[3]
        # 把当前层的输出channel数加入ch
        ch.append(c2)
    return nn.Sequential(*layers), sorted(save)

2.Detect类

Detect模块是用来构建Detect层的，将输入的feature map通过一个卷积操作和公式计算到我们想要的shape，为后面的计算损失率或者NMS做准备。

class Detect(nn.Module):
    # YOLOv5 Detect head for detection models
    ''' Detect模块是用来构建Detect层的
    将输入的feature map通过一个卷积操作和公式计算到我们想要的shape，为后面的计算损失率或者NMS做准备
    '''
    stride = None  # strides computed during build
    dynamic = False  # force grid reconstruction
    export = False  # export mode

    def __init__(self, nc=80, anchors=(), ch=(), inplace=True):  # detection layer
        ''' detection layer 相当于yolov3中的YOLO Layer层
        :params nc: number of classes
        :params anchors: 传入3个feature map上的所有anchor的大小(P3/P4/P5)
        :params ch: [128,256,512] 3个输出feature map的channel
        '''
        super().__init__()
        self.nc = nc  # number of classes  VOC: 20
        self.no = nc + 5  # number of output