目标检测：YOLOv5中Focus模块

参考：yolov5中的Focus模块的理解_小菜的博客-CSDN博客_focus结构序言v5出来这么久，一直搜不到网上对Focus的理解，还想着白嫖一下结论，但是发现搜出来的都是一知半解，讲的全都是Focus做了什么，愣是没说为什么要这么做。没办法只好自己花点时间深入学习一下，本人也记录一下本人对Focus模块的一些理解，如果有理解错误的地方，还请评论区告知。一、Focus模块的原理Focus模块在v5中是图片进入backbone前，对图片进行切片操作，具体操作是在一张图片中每隔一个像素拿到一个值，类似于邻近下采样，这样就拿到了四张图片，四张图片互补，长的差不多，但是没有信息丢失，这https://blog.csdn.net/qq_39056987/article/details/112712817

Focus原理：

在YOLOv5中，图片进入backbone前会对图片进行切片处理。具体操作是在一张图片中每隔一个像素拿到一个值，类似于邻近下采样，这样就拿到了四张图片，四张图片互补，没有信息丢失。这样一来，将W、H信息就集中到了通道空间，输入通道扩充了4倍，即拼接起来的图片相对于原先的RGB三通道模式变成了12个通道，最后将得到的新图片再经过卷积操作，最终得到了没有信息丢失情况下的二倍下采样特征图。

以yolov5s为例，原始的640 × 640 × 3的图像输入Focus结构，采用切片操作，先变成320 × 320 × 12的特征图，再经过一次卷积操作，最终变成320 × 320 × 32的特征图。切片操作如下：

 代码：

class Focus(nn.Module):
    # Focus wh information into c-space
    def __init__(self, c1, c2, k=1, s=1, p=None, g=1, act=True):  # ch_in, ch_out, kernel, stride, padding, groups
        super().__init__()
        self.conv = Conv(c1 * 4, c2, k, s, p, g, act)
        # self.contract = Contract(gain=2)

    def forward(self, x):  # x(b,c,w,h) -> y(b,4c,w/2,h/2)
        return self.conv(torch.cat([x[..., ::2, ::2], x[..., 1::2, ::2], x[..., ::2, 1::2], x[..., 1::2, 1::2]], 1))
        # return self.conv(self.contract(x))

代码解释：

list_[::]：括号中的参数意义分别是：[开始索引：结束索引：步长]，即list_[开始索引：结束索引：步长]。

• 第一个位置（开始索引）为空，默认为0
• 第二个位置（结束索引）为空，默认为最后一个元素位置
• 第三个元素（步长）为空，默认步长为1
• 当步长取负值的时候，表示的是 逆序 ！

x[通道，宽，高] (根据网友P.J.189建议修改)   x[通道，行，列]，则x[..., ::2, ::2]表示：遍历三张大图；每张从第一行左上角的红色1开始，到最后一行，步长为2；从第一列红色1开始，到最后一列，步长为2。

所以最后得出的特征图为：红 ==》绿 ==》黄 ==》蓝