YOLOV5中yolov5s.yarm文件解析

记录自己的学习经历。

在YOLOv5的五个模型中(yolov5l.yarm, yolov5m.yarm, yolov5n.yarm, yolov5x.yarm)只有depth_multiple和width_multiple两个参数不一样，其他都是相同的。

nc: 80  # number of classes
depth_multiple: 0.33  # model depth multiple     模型深度倍数，会跟backbone中number关联起来，例如第三层， number为3,depth_multiple*3
width_multiple: 0.50  # layer channel multiple   通道倍数 例如第一层通道为64，实际64*width_multiple=64*0.50=32个通道。层数越多，宽度越宽-->模型越复杂
anchors:  #提前预定矩形框--先验框，每种有3个先验框
  - [10,13, 16,30, 33,23]  # P3/8   检测小物体
  - [30,61, 62,45, 59,119]  # P4/16  检测中物体
  - [116,90, 156,198, 373,326]  # P5/32  检测大物体

# YOLOv5 v6.0 backbone
# yolov5s.yaml文件为配置文件，指导搭建YOLOv5模型的文件，具体创建会用到common.py里面的模型结构
backbone:
  # [from, number, module, args]
  # from:输入从哪一层过来的，-1表示上一层，第一层-1表示输入的图片
  # number：数量，模块有几个,一般都是1，不是1的例如第三层， 3, C3：有三个C3，第四层，6, C3：有6个C3，后续遇到在详细介绍，具体也跟depth_multiple深度倍数有关
  # module：层结构，Conv:卷积,  nn.Upsample:上采样，定义在了common.py中conv模块
  # args:参数，创建层时需要传入的参数信息
  [[-1, 1, Conv, [64, 6, 2, 2]],  # 0-P1/2 变成原图的2/1  P为特征金字塔英文缩写
   [-1, 1, Conv, [128, 3, 2]],  # 1-P2/4   变成原图的4/1
   [-1, 3, C3, [128]],
   [-1, 1, Conv, [256, 3, 2]],  # 3-P3/8   变成原图的8/1
   [-1, 6, C3, [256]],
   [-1, 1, Conv, [512, 3, 2]],  # 5-P4/16
   [-1, 9, C3, [512]],
   [-1, 1, Conv, [1024, 3, 2]],  # 7-P5/32 最深特征层会相比于原图有32的缩放关系
   [-1, 3, C3, [1024]],
   [-1, 1, SPPF, [1024, 5]],  # 9
  ]

# YOLOv5 v6.0 head
head:
  [[-1, 1, Conv, [512, 1, 1]],
   [-1, 1, nn.Upsample, [None, 2, 'nearest']],
   [[-1, 6], 1, Concat, [1]],  # cat backbone P4 [-1, 6]:12层的输入是11层和6层cat之后作为输入
   [-1, 3, C3, [512, False]],  # 13

   [-1, 1, Conv, [256, 1, 1]],
   [-1, 1, nn.Upsample, [None, 2, 'nearest']],
   [[-1, 4], 1, Concat, [1]],  # cat backbone P3
   [-1, 3, C3, [256, False]],  # 17 (P3/8-small)低层用来预测小目标

   [-1, 1, Conv, [256, 3, 2]],
   [[-1, 14], 1, Concat, [1]],  # cat head P4
   [-1, 3, C3, [512, False]],  # 20 (P4/16-medium)中层用来预测中目标

   [-1, 1, Conv, [512, 3, 2]],
   [[-1, 10], 1, Concat, [1]],  # cat head P5
   [-1, 3, C3, [1024, False]],  # 23 (P5/32-large)高层用来预测大目标

   [[17, 20, 23], 1, Detect, [nc, anchors]],  # Detect(P3, P4, P5)
  ]