1,本文介绍
EMAttention(Efficient Multi-dimensional Attention)注意力机制的核心思想在于通过重塑特征图的通道维度和批次维度,优化特征的表达和计算效率。以下是EMAttention机制的主要思想和设计细节:
-
重塑通道到批次维度:
- 目标:将通道维度的信息映射到批次维度中,以便在计算中更有效地处理通道间的依赖关系。
- 实现方法:
- 通道分组:将特征图的通道维度分组为多个子特征,这样每个组包含了原始通道维度的部分信息。
- 批次维度重塑:通过对通道维度进行重塑,将其映射到批次维度上,从而使得每个分组可以在批次维度上进行处理。
-
全局信息编码:
- 目标:对每个通道的全局信息进行编码,以重新校准每个并行分支中的通道权重。
- 实现方法:
- 全局特征提取:利用全局信息来评估每个通道的重要性,从而为通道分组中的特征分配适当的权重。
- 自适应权重调整:基于全局信息调整每个通道的权重,以突出重要特征并抑制不重要的特征。
-
跨维度交互:
- 目标:捕获像素级别的关系,增强特征的表达能力。
- 实现方法:
- 跨维度信息融合:在通道和空间维度之间进行交互,综合考虑通道信息和空间信息。
- 像素级别关系捕获:通过跨维度交互来捕获和强化像素级别的关系,提升特征的表示能力和网络的整体性能。
EMAttention机制通过这些设计有效地减少了计算开销,同时保持了对重要特征和全局信息的关注。这种方法不仅提高了模型的计算效率,还增强了特征的表达能力,使得网络在处理复杂任务时能够更好地捕捉关键信息。、
下图为EMA结构图
关于EMA的详细介绍可以看论文:https://arxiv.org/vc/arxiv/papers/2305/2305.13563v1.pdf
本文将讲解如何将EMA融合进yolov8
话不多说,上代码!
2,将EMA融合进yolov8
2.1 步骤一
首先找到如下的目录'ultralytics/nn/modules',然后在这个目录下创建一个ema.py文件,文件名字可以根据你自己的习惯起,然后将EMA的核心代码复制进去
import torch
from torch import nn
class EMA(nn.Module):
def __init__(self, channels, factor=32):
super(EMA, self).__init__()
self.groups = factor
assert channels // self.groups > 0
self.softmax = nn.Softmax(-1)
self.agp = nn.AdaptiveAvgPool2d((1, 1))
self.pool_h = nn.AdaptiveAvgPool2d((None, 1))
self.pool_w = nn.AdaptiveAvgPool2d((1, None))
self.gn = nn.GroupNorm(channels // self.groups, channels // self.groups)
self.conv1x1 = nn.Conv2d(channels // self.groups, channels // self.groups, kernel_size=1, stride=1, padding=0)
self.conv3x3 = nn.Conv2d(channels // self.groups, channels // self.groups, kernel_size=3, stride=1, padding=1)
def forward(self, x):
b, c, h, w = x.size()
group_x = x.reshape(b * self.groups, -1, h, w) # b*g,c//g,h,w
x_h = self.pool_h(group_x)
x_w = self.pool_w(group_x).permute(0, 1, 3, 2)
hw = self.conv1x1(torch.cat([x_h, x_w], dim=2))
x_h, x_w = torch.split(hw, [h, w], dim=2)
x1 = self.gn(group_x * x_h.sigmoid() * x_w.permute(0, 1, 3, 2).sigmoid())
x2 = self.conv3x3(group_x)
x11 = self.softmax(self.agp(x1).reshape(b * self.groups, -1, 1).permute(0, 2, 1))
x12 = x2.reshape(b * self.groups, c // self.groups, -1) # b*g, c//g, hw
x21 = self.softmax(self.agp(x2).reshape(b * self.groups, -1, 1).permute(0, 2, 1))
x22 = x1.reshape(b * self.groups, c // self.groups, -1) # b*g, c//g, hw
weights = (torch.matmul(x11, x12) + torch.matmul(x21, x22)).reshape(b * self.groups, 1, h, w)
return (group_x * weights.sigmoid()).reshape(b, c, h, w)
2.2 步骤二
找到'ultralytics/nn/tasks.py'文件,注册EMAttention模块
在文件的开头导入我们的EMAttention模块, 如下图所示
2.3 步骤三
在parse_model方法。 我们找到如下的地方,然后添加EMA即可
到此注册成功,复制后面的yaml文件直接运行即可
yaml文件
# Ultralytics YOLO 🚀, AGPL-3.0 license
# YOLOv8 object detection model with P3-P5 outputs. For Usage examples see https://docs.ultralytics.com/tasks/detect
# Parameters
nc: 80 # number of classes
scales: # model compound scaling constants, i.e. 'model=yolov8n.yaml' will call yolov8.yaml with scale 'n'
# [depth, width, max_channels]
n: [0.33, 0.25, 1024] # YOLOv8n summary: 225 layers, 3157200 parameters, 3157184 gradients, 8.9 GFLOPs
s: [0.33, 0.50, 1024] # YOLOv8s summary: 225 layers, 11166560 parameters, 11166544 gradients, 28.8 GFLOPs
m: [0.67, 0.75, 768] # YOLOv8m summary: 295 layers, 25902640 parameters, 25902624 gradients, 79.3 GFLOPs
l: [1.00, 1.00, 512] # YOLOv8l summary: 365 layers, 43691520 parameters, 43691504 gradients, 165.7 GFLOPs
x: [1.00, 1.25, 512] # YOLOv8x summary: 365 layers, 68229648 parameters, 68229632 gradients, 258.5 GFLOP
# YOLOv8.0n backbone
backbone:
# [from, repeats, module, args]
- [-1, 1, Conv, [64, 3, 2]] # 0-P1/2
- [-1, 1, Conv, [128, 3, 2]] # 1-P2/4
- [-1, 3, C2f, [128, True]]
- [-1, 1, Conv, [256, 3, 2]] # 3-P3/8
- [-1, 6, C2f, [256, True]]
- [-1, 1, Conv, [512, 3, 2]] # 5-P4/16
- [-1, 6, C2f, [512, True]]
- [-1, 1, Conv, [1024, 3, 2]] # 7-P5/32
- [-1, 3, C2f, [1024, True]]
- [-1, 1, SPPF, [1024, 5]] # 9
# YOLOv8.0n head
head:
- [-1, 1, nn.Upsample, [None, 2, 'nearest']]
- [[-1, 6], 1, Concat, [1]] # cat backbone P4
- [-1, 3, C2f, [512]] # 12
- [-1, 1, nn.Upsample, [None, 2, 'nearest']]
- [[-1, 4], 1, Concat, [1]] # cat backbone P3
- [-1, 3, C2f, [256]] # 15 (P3/8-small)
- [-1, 1, EMA, []] # 16
- [-1, 1, Conv, [256, 3, 2]]
- [[-1, 12], 1, Concat, [1]] # cat head P4
- [-1, 3, C2f, [512]] # 19 (P4/16-medium)
- [-1, 1, EMA, []] # 20
- [-1, 1, Conv, [512, 3, 2]]
- [[-1, 9], 1, Concat, [1]] # cat head P5
- [-1, 3, C2f, [1024]] # 23 (P5/32-large)
- [-1, 1, EMA, []] # 24
- [[16, 20, 24], 1, Detect, [nc]] # Detect(P3, P4, P5)
# 关于EMA添加的位置还可以放在骨干网络,针对不同数据集位置不同,效果不同
不知不觉已经看完了哦,动动小手留个点赞吧--_--