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)
]