YOLOv5源码学习（1）——项目目录结构解析

最新推荐文章于 2024-10-08 17:21:35 发布

qxl_799915

最新推荐文章于 2024-10-08 17:21:35 发布

阅读量967

点赞数 9

分类专栏： yolov5学习研究文章标签：学习 yolov5

本文链接：https://blog.csdn.net/qxl_799915/article/details/142176948

版权

yolov5学习研究专栏收录该内容

1 篇文章 0 订阅

订阅专栏

前言：记录学习重要内容，借鉴大佬们和自己感悟，接触使用yolov5一年多一直没有时间深入了解过yolov5，计划从头到尾学习研究yolov5就从目录开始吧

yolov5源码地址: yolov5

一、yolov5源代码目录

在这里插入图片描述

1.1 .github 文件夹

在这里插入图片描述

.guithub 隐藏文件夹下存放的是guithub仓库的一些配置文件，不用管，类似于 git 建立代码管理与远程仓库都会产生默认配置文件

1.2 data 文件夹

在这里插入图片描述

data 文件夹主要存放一些超参数的配置文件（如yaml文件）是用来配置训练，测试集和验证集（验证集一般不用写可以用训练模型测试自我准备的样本）路径，，还包含类别数量，类别名称，如果是训练自己的数据集的话，那么就需要修改yaml文件或者新建yaml文件。
在这里插入图片描述
详解：

hyps文件夹 # 存放yaml 格式的超参数配置文件
- hyp.Objects365.yaml # 适用于Objects365数据集
- hyp.scratch-high.yaml # 数据增强高，适用于大型型号，既V3，v3-spp ，v5l,v5x
- hyp.scratch-low.yaml # 数据增强低，适用于较小型号，既v5n,v5s
- hyp.scratch-med.yaml # 数据增强中，适用于较中型号，既v5m
- hyp.VOC.yaml # 适用于VOC 数据集
images # 存放这官方给的两张测试图片
scripts # 存放数据集和权重下载shell 脚本
- download_weights.sh # 下载权重文件，包含五种大小的P5和P6版本分类器版
- get_coco.sh # 下载coco数据集
- get_coco128.sh # 下载coco128（只有128张）
Argoverse.yaml # 主yaml文件，后面的每个 .yaml 文件都对应一种标准数据集格式的数据
coco.yaml # coco数据集配置文集
coco128.yaml # coco128 数据集配置文件
VOC.yaml # Voc数据集配置文件

1.3 datasets文件夹

在这里插入图片描述
yolov5源码下载后包内是不包含这个文件的的，datasets用来存放自己数据集，分为images和labels 两部分。同时每个文件下又分为train，val 。labels 下 .cache 文件为缓存文件，将数据加载到内存中，方便下次调用快速

1.4 models 文件夹

在这里插入图片描述
models是模型文件夹，里面主要是一些网络构建的配置文件和函数，其中包含了该项目的四个不同版本，分别是 s,m,l,x从名字就可以看出，模型的大小，它们的检测速度分别是从快到慢，但是精度是从低到高，根据训练自己的数据集，就需要修改这里面相对应的yaml文件来训练自己模型
在这里插入图片描述
详解：

hub # 存放yolov5各版本目标检测网络模型配置文件
- anchors.yaml # COCO数据的默认锚点
- yolov3.yaml # yolov3
- yolov3-spp.yaml # 带spp的yolov3
- yolov3-tiny.yaml #精简版yolov3
- yolov5-bifpn.yaml # 带二值fpn的yolov5l
- yolov5-fpn.yaml # 带二的yolov5l
- yolov5l6.yaml #(P3,P4,P5,P6)都输出，宽深与large版本相同，相当于比large版本能检测更大物体，anchor已预定义，推测是作者实验的产物
- yolov5m6.yaml #(P3,P4,P5,P6)都输出，宽深与middle版本相同，相当于比lmiddle版本能检测更大物体，anchor已预定义
- yolov5n6.yaml #(P3,P4,P5,P6)都输出，宽深与nano版本相同，相当于比nano版本能检测更大物体，anchor已预定义
- yolov5-p2.yaml #(P2,P3,P4,P5)都输出，宽深与large版本相同，相当于比large版本能检测更小物体
- yolov5-p6.yaml #(P3,P4,P5,P6)都输出，宽深与large版本相同，相当于比large版本能检测更大物体
- yolov5-p7.yaml #(P3,P4,P5,P6，P7)都输出，宽深与large版本相同，相当于比large版本能检测更更大物体
- yolov5-p34.yaml #(P3,P4)输出，宽深与small版本相同，相当于比lsmall版本能检测更大物体，anchor已预定义，推测是作者实验的产物
- yolov5-panet.yaml # 带PANet的yolov3
- yolov5s6.yaml #(P3,P4,P5,P6)都输出，宽深与small版本相同，相当于比small版本能检测更大物体
- yolov5s-ghost.yaml # backbone的卷积缓存GhostNet形式的yolov5s，anchor已预定
- yolov5s-transformer.yaml # backbone最后的C3卷积添加看Transformer 模块的yolov5s，anchor已预定
- yolov5x6.yaml #(P3,P4,P5,P6)都输出，宽深与Xlarge版本相同，相当于比Xlarge版本能检测更大物体,anchor已预定
init.py # 空文件，py文件的头文件
common.py # 一些网络结构的定义通用模块，包括autopad,Conv,DWConv,TransformerLayer
experimental.py # 实验性质代码，包括MixConc2d,跨层权重Sum等
tf.py # tensorflow版的yolov5代码
yolo.py # yolo的特定模块，包括BaseModel,DetectionModel,ClassificationModle,parse_model
yolov5l.yaml #yolov5l网络模型配置文件，large版本，深度1.0，宽度1.0
yolov5m.yaml #yolov5m网络模型配置文件，middle版本，深度0.67，宽度0.75
yolov5n.yaml #yolov5n网络模型配置文件，nano版本，深度0.33，宽度0.25
yolov5s.yaml #yolov5s网络模型配置文件，small版本，深度0.33，宽度0.5
yolov5x.yaml #yolov5x网络模型配置文件，Xlarge版本，深度1.33，宽度1.25