yolov5 转 onnx 模型focus哪去了

最新推荐文章于 2023-05-21 17:44:12 发布
最新推荐文章于 2023-05-21 17:44:12 发布
阅读量783 收藏 5
点赞数 6
文章标签： 深度学习 pytorch 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/sandieago/article/details/125124970
版权

yolov5的export.py可以直接把pt转成onnx，用netron查看，奇怪，没有focus层！

查看原始的yolov5s.pt，是有focus层的。

然道，yolov5的focus层有开关？于是开启了网络大搜索，focus层哪去了？几乎所有的大神讲解都有focus层，也没听说有什么参数配置呀！

最后，还是在github的源码介绍上看到了答案，原来已经用一个6*6的卷积层替代了focus层。。。

YOLOv5 (6.0/6.1) brief summary · Issue #6998 · ultralytics/yolov5 · GitHub

Some minor changes compared to previous versions:

  1. Replace the Focus structure with 6x6 Conv2d(more efficient, refer #4825)
  2. Replace the SPP structure with SPPF(more than double the speed)

记录一下，感觉都没人提到

sandieago
关注
  • 6
    点赞
  • 踩
  • 5
    收藏
    觉得还不错? 一键收藏
  • 4
    评论
关于ncnn转换focus模块报错Unsupported slice step !
baidu_33512336的博客
03-30 3316
前言 本文阐述了你ncnn装换时focus报错的原因。 转换和实现focus模块 $ onnx2ncnn yolov5s-sim.onnx yolov5s.param yolov5s.bin 转换为 ncnn 模型，会输出很多 Unsupported slice step，这是focus模块转换的报错 Unsupported slice step ! Unsupported slice step ! Unsupported slice step ! Unsupported slice ..
YOLOV5+源码详细解读资源合集
06-12
yolov5代码详解 YOLOv5是⼀种单阶段⽬标检测算法，该算法在YOLOv4的基础上添加了⼀些新的改进思路，使其速度与精度都得到了极⼤的性能提升。 主要的改进思路如下所⽰： 输⼊端：在模型训练阶段，提出了⼀些改进思路...
yolov5源码解析(0)--focus层哪去了？
05-21 1696
很多介绍yolov5的文章都会讲到focus层，但是如果你去看yolov5的源码（比如yolov5-6.2, yolov5-7.0等较新的版本），你会发现代码里还有focus层，但是没用到它。原因是focus层已经被6乘6步长2的卷积层替代了，因为它们的计算过程是等价的，而后者的性能更好，对于端侧设备也跟友好。本文详细分析了它们为何等价，以及如何等价替换。
yolov5 转onnx转ncnn
yx868yx的博客
06-03 2406
代码：https://github.com/ultralytics/yolov5（v3.0） 一、yolov5 pt模型转onnx 安装： pip install onnx>=1.7.0 # for ONNX export pip install coremltools==4.0 # for CoreML export pip install onnx-simplifier pytorch->onnx转化 yolov5s.pt 权重文件复制到yolov5-3.0工程下， 在终端运行： py
yolov5s-v3.1 ncnn 部署（二）
Bolly_He的博客
11-03 867
YOLOv5s-v3.1模型转换 因为U版YOLO的作者用pytorch实现，yolov5的模型是torch格式的pt。要使用ncnn部署YOLOv5需要将模型进行转换，大概步骤是pt2onnx,onnx2ncnn。 因为只有yolovs-v3.1版本正常测试通过了，固仅针对此进行记录。高版本的yolov5初试未成功，未细加研究，之后有时间再进行深入研究。。。。 模型的转换主要参考：https://zhuanlan.zhihu.com/p/275989233?utm_source=qq 第一步：pt
基于深度学习算法的Yolov3和Yolov5代码（Python）
01-15
资源包含Yolov3和Yolov5的可运行的源代码，YOLOv3代码部分包含三个部分：Backbone，PANet，Yolo Head,而Yolov5代码部分包含骨干网络 Focus、BottleneckCSP 和 SSP 网络构成，其中主要包括 Focus、Conv 卷积块、...
yolov5+改进策略+案例分析+资源合集
05-30
yolov5改进 YOLOv5是一种单阶段目标检测算法，该算法在YOLOv4的基础上添加了一些新的改进思路，使其速度与精度都得到了极大的性能提升。主要的改进思路如下所示： 输入端：在模型训练阶段，提出了一些改进思路，...
解决vue js IOS H5focus无法自动弹出键盘的问题
10-18
今天小编就为大家分享一篇解决vue js IOS H5focus无法自动弹出键盘的问题，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
Focus 所有源代码.rar_5UVL_focus_：focus代码
09-23
该程序可以实现课程格子的主要内容，可以生成课表，人机交互界面美观
学习3D模型-Focus.On.3D.Models 和源代码
09-12
学习3D模型—Focus.On.3D.Models电子书和源代码。 学习3D模型知识强力推荐的的一本入门书籍。大家可以下载学习。
yolov5-5.0.zip实测可以跑通
12-21
YOLOv5是一种单阶段目标检测算法，该算法在YOLOv4的基础上添加了一些新的改进思路，使其速度与精度都得到了极大的性能提升。主要的改进思路如下所示： 输入端：在模型训练阶段，提出了一些改进思路，主要包括Mosaic...
Python基于YOLOv5的交通标志识别系统
最新发布
03-14
1 首先有 focus 层，对输入图片slice, 把feature map减小增加channel 后面计算速度会快。 2 构建模型(parse_model) 在yolo.py 里面，用一个数组(ch) 存储了每层的输出channel, 后续concatenate的时候很容易构成...
FOCUS projects 5 Pro照片景深处理软件.rar
09-12
FOCUS projects 5 pro 是一款相当优秀的顶级照片景深处理软件，也就是大家常说的锐化图片的软件，工作原理跟Helicon Focus Pro一样也是通过补偿图像的轮廓、强化图像的边缘以及灰度跳变的部分，再用几个单张图像记录...
Python基于YOLOv5的交通标志识别系统源码
02-04
1 首先有 focus 层，对输入图片slice, 把feature map减小增加channel 后面计算速度会快。 2 构建模型(parse_model) 在yolo.py 里面，用一个数组(ch) 存储了每层的输出channel, 后续concatenate的时候很容易构成...
改进YOLOv5s的道路目标检测算法
05-12
YOLOv5s网络结构主要分为输入端、Backbone、Neck和输出端4个部分, 如图1所示．在输入端对图像进行预处理, 完成Mosaic数据增强、自动计算锚框和自适应图像缩放．将图像输入Backbone部分进行Focus操作, 即对图像进行...
focus_src.zip_focus
09-24
LINUX下的3D开发库的源代码
flash_focus_four.zip_focus
09-24
精品网Flash四屏焦点图代码,网站首页焦点图必用的利器
pic-set-focus.rar_focus
09-21
使用API函数让picturebox获得焦点
yolov5focus+apfn
10-22
YOLOv5 Focus+APF是一种目标检测算法，它是基于YOLOv5的改进版本。YOLOv5是一种基于深度学习的目标检测算法，它可以快速准确地检测图像中的物体。而YOLOv5 Focus+APF则是在YOLOv5的基础上，引入了Focus机制和APF模块，以进一步提高检测精度和速度。 Focus机制是一种注意力机制，它可以帮助模型更好地关注图像中的重要区域。在YOLOv5 Focus+APF中，Focus机制被用来提取特征，以便更好地检测物体。 APF模块是一种自适应池化滤波器，它可以帮助模型更好地处理不同大小的物体。在YOLOv5 Focus+APF中，APF模块被用来对不同大小的物体进行处理，以便更好地检测它们。 总的来说，YOLOv5 Focus+APF是一种高效准确的目标检测算法，它可以在保证检测精度的同时提高检测速度。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 4
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值