C3
一、定义自动padding
- 为了保持图像大小卷积前后一致,就需要用到自动padding
def autopad(k, p=None): # kernel padding 根据卷积核大小k自动计算卷积核padding数(0填充)
"""
:param k: 卷积核的 kernel_size
:param p: 卷积的padding 一般是None
:return: 自动计算的需要pad值(0填充)
"""
if p is None:
# k 是 int 整数则除以2, 若干的整数值则循环整除
p = k // 2 if isinstance(k, int) else [x // 2 for x in k]
return p
二、基本Conv模块
- C3, SPP, SPPF模块中都有基本的Conv模块,需要编写基本的Conv模块,方面复用,提高代码的复用性
class Conv(nn.Module):
def __init__(self, c1, c2, k=1, s=1, p=None, act=True, g=1):
"""
:param c1: 输入的channel值
:param c2: 输出的channel值
:param k: 卷积的kernel_size
:param s: 卷积的stride
:param p: 卷积的padding 一般是None
:param act: 激活函数类型 True就是SiLU(), False就是不使用激活函数
:param g: 卷积的groups数 =1就是普通的卷积 >1就是深度可分离卷积
"""
super(Conv, self).__init__()
self.conv_1 = nn.Conv2d(c1, c2, k, s, autopad(k, p), groups=g, bias=True)
self.bn = nn.BatchNorm2d(c2)
self.act = nn.SiLU() if act else nn.Identity() # 若act=True, 则激活, act=False, 不激活
def forward(self, x):
return self.act(self.bn(self.conv_1(x)))
三、Bottleneck模块
- Bottleneck模块中包含一个残差连接结构(左),和不包含的残差结构(右),就需要传入参数,来判断是否需要使用残差结构
class Bottleneck(nn.Module):
def __init__(self, c1, c2, e=0.5, shortcut=True, g=1):
"""
:param c1: 整个Bottleneck的输入channel
:param c2: 整个Bottleneck的输出channel
:param e: expansion ratio c2*e 就是第一个卷积的输出channel=第二个卷积的输入channel
:param shortcut: bool Bottleneck中是否有shortcut,默认True
:param g: Bottleneck中的3x3卷积类型 =1普通卷积 >1深度可分离卷积
"""
super(Bottleneck, self).__init__()
c_ = int(c2*e) # 使通道减半, c_具体多少取决于e
self.conv_1 = Conv(c1, c_, 1, 1)
self.conv_2 = Conv(c_, c2, 3, 1, g=g)
self.add = shortcut and c1 == c2
def forward(self, x):
return x + self.conv_2(self.conv_1(x)) if self.add else self.conv_2(self.conv_1(x))
四、C3模块
class C3(nn.Module):
def __init__(self, c1, c2, n=1, shortcut=True, g=1, e=0.5):
"""
:param c1: 整个 C3 的输入channel
:param c2: 整个 C3 的输出channel
:param n: 有n个Bottleneck
:param shortcut: bool Bottleneck中是否有shortcut,默认True
:param g: C3中的3x3卷积类型 =1普通卷积 >1深度可分离卷积
:param e: expansion ratio
"""
super(C3, self).__init__()
c_ = int(c2 * e)
self.cv_1 = Conv(c1, c_, 1, 1)
self.cv_2 = Conv(c1, c_, 1, 1)
# *操作符可以把一个list拆开成一个个独立的元素,然后再送入Sequential来构造m,相当于m用了n次Bottleneck的操作
self.m = nn.Sequential(*[Bottleneck(c_, c_, e=1, shortcut=True, g=1) for _ in range(n)])
self.cv_3 = Conv(2*c_, c2, 1, 1)
def forward(self, x):
return self.cv_3(torch.cat((self.m(self.cv_1(x)), self.cv_2(x)), dim=1))
五、其他模块
class BottleneckCSP(nn.Module):
def __init__(self, c1, c2, e=0.5, n=1):
"""
:param c1: 整个BottleneckCSP的输入channel
:param c2: 整个BottleneckCSP的输出channel
:param e: expansion ratio c2*e=中间其他所有层的卷积核个数/中间所有层的输入输出channel数
:param n: 有 n 个Bottleneck
"""
super(BottleneckCSP, self).__init__()
c_ = int(c2*e)
self.conv_1 = Conv(c1, c_, 1, 1)
self.m = nn.Sequential(*[Bottleneck(c_, c_, e=1, shortcut=True, g=1) for _ in range(n)])
self.conv_3 = Conv(c_, c_, 1, 1)
self.conv_2 = Conv(c1, c_, 1, 1)
self.bn = nn.BatchNorm2d(2*c_)
self.LeakyRelu = nn.LeakyReLU()
self.conv_4 = Conv(2*c_, c2, 1, 1)
def forward(self, x):
x_1 = self.conv_3(self.m(self.conv_1(x)))
x_2 = self.conv_2(x)
x_3 = torch.cat([x_1, x_2], dim=1)
x_4 = self.LeakyRelu(self.bn(x_3))
x = self.conv_4(x_4)
return x
class SPP(nn.Module):
def __init__(self, c1, c2, e=0.5, k1=5, k2=9, k3=13):
"""
:param c1: SPP模块的输入channel
:param c2: SPP模块的输出channel
:param e: expansion ratio
:param k1: Maxpool 的卷积核大小
:param k2: Maxpool 的卷积核大小
:param k3: Maxpool 的卷积核大小
"""
super(SPP, self).__init__()
c_ = int(c2*e)
self.cv_1 = Conv(c1, c_, 1, 1)
self.pool_1 = nn.MaxPool2d(kernel_size=k1, stride=1, padding=k1 // 2)
self.pool_2 = nn.MaxPool2d(kernel_size=k2, stride=1, padding=k2 // 2)
self.pool_3 = nn.MaxPool2d(kernel_size=k3, stride=1, padding=k3 // 2)
self.cv_2 = Conv(4*c_, c2, 1, 1)
def forward(self, x):
return self.cv_2(torch.cat((self.pool_1(self.cv_1(x)), self.pool_2(self.cv_1(x)), self.pool_3(self.cv_1(x)), self.cv_1(x)), dim=1))
六、编写模块构建网络实现分类
6.1 数据集操作
total_dir = './weather_photos/'
transform = transforms.Compose([
transforms.Resize((224, 224)),
transforms.ToTensor(),
transforms.Normalize(std=[0.5, 0.5, 0.5], mean=[0.5, 0.5, 0.5])
])
total_data = torchvision.datasets.ImageFolder(total_dir, transform)
print(total_data)
print(total_data.class_to_idx)
idx_to_class = dict((v, k) for k,v in total_data.class_to_idx.items())
print(idx_to_class)
train_size = int(len(total_data) * 0.8)
test_size = int(len(total_data)) - train_size
train_dataset, test_dataset = torch.utils.data.random_split(total_data, [train_size, test_size])
train_dataloader = DataLoader(train_dataset, batch_size=32, shuffle=True)
test_dataloader = DataLoader(test_dataset, batch_size=32, shuffle=True)
6.1 构建网络
- 在编写上述模块时,发现最主要的参数就是输入通道,和输入通道,只需要保证调用模块时,上次一层的输入通道与下一层输出通道保持一致就行。
6.2 linear神经元个数判定
- 在构建网络模块时不知道第一个全连接神经元个数,可用如下方法进行判断,构建好初全连接以外的层,在forward进行传播,并在最后一个层前向传播完进行打印size。
class model(nn.Module):
def __init__(self):
super(model, self).__init__()
self.conv = Conv(3, 32, 3, 2) # 3:输入通道 32:输出通道 3: kernel 2:stride
self.spp = SPP(32, 64)
self.c3 = C3(64, 128, n=1, shortcut=True, g=1, e=0.5)
# 接下来就是 linear 层
def forward(self, x):
x = self.conv(x)
x = self.spp(x)
x = self.c3(x)
print(x.size())
return x
device = 'cuda' if torch.cuda.is_available() else 'cpu'
model = model().to(device)
for x, y in train_dataloader:
x, y = x.to(device), y.to(device)
y_pre = model(x)
break
- 打印输出 torch.Size([32, 128, 112, 112]), 32为batch-size,全连接神经元个数就是128112112,
- 重新编写网络结构函数
class model(nn.Module):
def __init__(self):
super(model, self).__init__()
self.conv = Conv(3, 32, 3, 2) # 3:输入通道 32:输出通道 3: kernel 2:stride
self.spp = SPP(32, 64)
self.c3 = C3(64, 128, n=1, shortcut=True, g=1, e=0.5)
self.linear = nn.Sequential(
nn.Linear(128*112*112, 1000),
nn.ReLU(),
nn.Linear(1000, 4)
)
def forward(self, x):
x = self.conv(x)
x = self.spp(x)
x = self.c3(x)
x = x.view(-1, 128*112*112)
x = self.linear(x)
return x
- 并运行代码: Process finished with exit code 0
- 按照之前的代码进行训练评估即可
Foucs
1.Focus简介
Foucs
模块使将原本的feature map
按下图方式分成四份,再concat
到一起进行一次卷积.
这里是Focus
模块的源码:
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)
def forward(self, x): # x(b,c,w,h) -> y(b,4c,h/2,w/2)
return self.conv(torch.cat([x[..., ::2, ::2], x[..., 1::2, ::2],
x[..., ::2, 1::2], x[..., 1::2, 1::2]], 1))
为了理解torch.cat()
中拼接部分具体操作,我们需要自己做个小实验验证一下:
import torch
import numpy as np
import torch.nn as nn
# foucs 结构
a = torch.tensor([[[[0,1],[2,3]],
[[0,1],[2,3]],
[[0,1],[2,3]],
]])
print(a.size()) # torch.Size([1, 3, 2, 2]) (N,C,H,W)
print(a[...].size()) # ...第0维上所有都取 torch.Size([1, 3, 2, 2])
print(a[...,:2,:2].size()) # :2 取该维度上前两位 torch.Size([1, 3, 2, 2])
print(a[...,::2,::2].size()) # ::2 取该维度上总数/2 torch.Size([1, 3, 1, 1])
print(a[...,::2,::2].size(), '\n', a[...,::2,::2]) # torch.Size([1, 3, 1, 1]) 取0
print(a[...,1::2,::2].size(), '\n', a[...,1::2,::2]) # torch.Size([1, 3, 1, 1]) 取2
print(a[...,::2,1::2].size(), '\n', a[...,::2,1::2]) # torch.Size([1, 3, 1, 1]) 取1
print(a[...,1::2,1::2].size(), '\n', a[...,1::2,1::2]) # torch.Size([1, 3, 1, 1]) 取3
b = torch.cat([a[...,::2,::2], a[...,1::2,::2]
,a[...,::2,1::2], a[...,1::2,1::2]],1) # 最后的1代表在通道数上拼接
print(b.size())# torch.Size([1, 12, 1, 1])
print(b)
# tensor([[[[0]], [[0]],[[0]],[[2]],[[2]], [[2]],[[1]],[[1]],[[1]],[[3]],[[3]],[[3]]]])
a.shape
由[1, 3, 2, 2]
变至[1, 12, 1, 1]
,通道数增大四倍,w与h缩小两倍.
a[...,::2,::2]
取左上角
a[...,1::2,::2]
取左下角
a[...,::2,1::2]
取右上角
a[...,1::2,1::2]
取右下角
再通过torch.cat()
其在第二个维度上堆叠起来,在对其进行kernel_size=3,stride=1
卷积特征提取.
2.对Focus的疑问
在github
上有人问过focus
对mAP的影响,原作者是这么回答的
大意是Foucs()
模块是为了减少了FLOPs
并增加计算速度设计的,并不会增加mAP
;另一方面1个foucs
模块代替了3个yolov3/4层
.
我们来计算一下focus
的参数量与计算量(忽略bias
)
F L O P s = ( 3 ∗ 4 ) ∗ 32 ∗ 3 ∗ 3 ∗ 320 ∗ 320 = 353894400 FLOPs = (34)3233320320=353894400 FLOPs=(3∗4)∗32∗3∗3∗320∗320=353894400
P a r a m = 3 ∗ 4 ∗ 32 ∗ 3 ∗ 3 = 3456 Param =343233=3456 Param=3∗4∗32∗3∗3=3456
再来计算一下卷积层的参数量与计算量(忽略bias
)
F L O P s = 3 ∗ 32 ∗ 3 ∗ 3 ∗ 320 ∗ 320 = 88473600 FLOPs = 33233320320=88473600 FLOPs=3∗32∗3∗3∗320∗320=88473600
P a r a m = 3 ∗ 32 ∗ 3 ∗ 3 = 864 Param =33233=864 Param=3∗32∗3∗3=864
一个Focus
的参数量与计算量大约是conv
的4倍,但一个focus结构可以替换3个conv层,所以参数量与计算量都是减少的.
再来计算一下k=6
卷积层的参数量与计算量(忽略bias
)
F L O P s = 3 ∗ 32 ∗ 6 ∗ 6 ∗ 320 ∗ 320 = 35389440 FLOPs = 33266320320=35389440 FLOPs=3∗32∗6∗6∗320∗320=35389440
P a r a m = 3 ∗ 32 ∗ 6 ∗ 6 = 3456 Param =33266=3456 Param=3∗32∗6∗6=3456
所以k=6
卷积层在理论上等价于focus结构
那么focus
虽然降低了计算成本,但是其采样方式会不会破坏图片的空间信息或者混淆GT框的边界坐标呢?
将空间信息堆叠到通道空间中,可能会减少一个像素的回归信息价值,但对于大多数实例而言回归精度都不会接近一个像素,因此focus
的采样方式并对回归精度产生影响极小.另外focus结构的位置问题,在分类网络中放在后面可能会更有用,但是在目标检测模型中对mAP@0.5:0.95
的影响更大,mAP@0.5
影响较小.
对于focus的采样方式是否会破坏原有图像的空间信息,我们只要将focus的采样的4个模块输出来看一看即可.
import cv2
import numpy as np
img = cv2.imread(r'C:/Users/HP/Desktop/p.jpg')
# print(img.shape,"\n",img)
# img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
new_img = cv2.resize(img, (320, 320))
cv2.imwrite(r'./0.jpg',new_img)
img = img.transpose(2,1,0)
img = np.expand_dims(img, 0)
print(img.shape) # (1, 3, 640, 640)
# cv2.imshow('img',img)
# cv2.wimgitKey(0)
# print(img[...,::2,::2].size(), '\n', img[...,::2,::2])
# print(img[...,1::2,::2].size(), '\n', img[...,1::2,::2])
# print(img[...,::2,1::2].size(), '\n', img[...,::2,1::2])
# print(img[...,1::2,1::2].size(), '\n', img[...,1::2,1::2])
new_img = img[...,::2,::2]
print(new_img.shape) # (1, 3, 160, 160)
new_img = new_img[0]
print('shape',new_img.shape) # shape (3, 160, 160)
new_img = new_img.transpose(2,1,0) # 维度转换
cv2.imwrite(r'./1.jpg',new_img)
new_img = img[...,1::2,::2]
print(new_img.shape) # (1, 3, 320, 320)
new_img = new_img[0]
new_img = new_img.transpose(2,1,0)
cv2.imwrite(r'./2.jpg',new_img)
new_img = img[...,::2,::2]
print(new_img.shape) # (1, 3, 320, 320)
new_img = new_img[0]
new_img = new_img.transpose(2,1,0)
cv2.imwrite(r'./3.jpg',new_img)
new_img = img[...,1::2,1::2]
print(new_img.shape) # (1, 3, 320, 320)
new_img = new_img[0]
new_img = new_img.transpose(2,1,0)
cv2.imwrite(r'./4.jpg',new_img)
img1 = cv2.imread(r'./1.jpg')
img2 = cv2.imread(r'./2.jpg')
img3 = cv2.imread(r'./3.jpg')
img4 = cv2.imread(r'./4.jpg')
h = np.hstack((img1, img2, img3, img4))
cv2.imwrite(r'./5.jpg',h)
原图3x640x640
:
focus
模块下采样后四张图片3x320x320
:
通过两幅图片对比得知,经过focus
下采样得到的特征图并不会丢失特征信息,对语义的影响并不大,且下采样后的每一个像素点的感受野都增大了,与卷积层的下采样方式一样,没有丢失原图的信息.
3.Focus为何又被替换成卷积层
yolov5后期将focus结构又替换成了k=6
的卷积层,我猜想可能是因为这样的方式来代替3个conv层
的原因是在提高了运算速度前提下,运用较大的卷积核增大了感受野,在性能方面可能会获得了一定的提升.
另一方面,考虑到focus的切片处理,与卷积相比,多出了几次运算concat
操作,可能会增加一定的内存开销.
4.Focus是否可以作为一种数据增强的处理方式
Focus
可以被看作一种下采样方式,与transforms.Resize
相比哪种方式的效果更好,或是可以在调整图片大小时将两种方式混用,在以后的实验中可以一试.
#------------------------------------------------------------------------------------------------------------------------------------------------------------------------
2022.6.26
更正一下focus
的感受野,与6x6
的conv
感受野大小相同,并不是kener_size
设为6会增大感受野
4个3x3
感受野相加相当于原图上6x6
,所以focus与6x6的conv在计算量,参数量和感受野应该是相同的,因此理论上相同。