YOLOv5.yaml文件 & 超参详细介绍

最新推荐文章于 2024-09-06 12:40:16 发布

王吉吉丫

最新推荐文章于 2024-09-06 12:40:16 发布

阅读量3.2w

点赞数 47

文章标签： opencv python qt

本文链接：https://blog.csdn.net/weixin_42410915/article/details/118785807

版权

本文详细解析了YOLOv5的yaml配置文件，包括模型的深度、宽度、Anchor、Backbone和Head等部分。在Anchor部分，介绍了预设尺寸的目的是为了在不同特征图上检测不同大小的目标。Backbone部分阐述了模块结构和参数，如Focus、Conv和BottleNeckCSP。Head部分则讨论了包含Neck和Detect_head的结构。此外，还概述了YOLOv5的初始化和训练超参数，包括数据配置、网络结构、预训练模型加载和训练批次大小等。

摘要由CSDN通过智能技术生成

yaml文件

模型深度&宽度

nc: 3  # number of classes
depth_multiple: 0.33  # model depth multiple
width_multiple: 0.50  # layer channel multiple

depth_multiple：控制子模块数量=int(number*depth)

width_multiple：控制卷积核的数量=int(number*width)

Anchor

anchors:
  - [10,13, 16,30, 33,23]  # P3/8，检测小目标，10,13是一组尺寸，总共三组检测小目标
  - [30,61, 62,45, 59,119]  # P4/16，检测中目标，共三组
  - [116,90, 156,198, 373,326]  # P5/32，检测大目标，共三组

该anchor尺寸是为输入图像640×640分辨率预设的，实现了即可以在小特征图（feature map）上检测大目标，也可以在大特征图上检测小目标。三种尺寸的特征图，每个特征图上的格子有三个尺寸的anchor。

Backbone

backbone:
  # [from, number, module, args]
  [[-1, 1, Focus, [64, 3]],  # 0-P1/2
   [-1, 1, Conv, [128, 3, 2]],  # 1-P2/4
   [-1, 3, C3, [128]],
   [-1, 1, Conv, [256, 3, 2]],  # 3-P3/8
   [-1, 9, C3, [256]],
   [-1, 1, Conv,