YOLOV5中加入SA注意力机制，助力涨点！

Dandelion701

已于 2024-05-09 18:35:30 修改

阅读量224

点赞数

分类专栏： yoloV5改进，涨点文章标签： YOLO 深度学习人工智能

于 2024-05-09 15:43:13 首次发布

本文链接：https://blog.csdn.net/weixin_57058018/article/details/138617032

版权

yoloV5改进，涨点专栏收录该内容

15 篇文章 3 订阅 ¥15.90 ¥99.00

订阅专栏

超级会员免费看

本文介绍如何在YOLOV5中集成SA（Self-Attention）注意力机制，通过修改models/common.py和yolo.py文件，以及调整yolov5.yaml配置参数，实现模型性能的提升。在实践中遇到的问题，作者鼓励读者在评论区进行讨论。

摘要由CSDN通过智能技术生成

首先我们找到models文件夹中的common.py文件，加入SA模块

##SA注意力机制###
class ShuffleAttention(nn.Module):

    def __init__(self, channel=512, reduction=16, G=8):
        super().__init__()
        self.G = G
        self.channel = channel
        self.avg_pool = nn.AdaptiveAvgPool2d(1)
        self.gn = nn.GroupNorm(channel // (2 * G), channel // (2 * G))
        self.cweight = Parameter(torch.zeros(1, channel // (2 * G), 1, 1))
        self.cbias = Parameter(torch.ones(1, channel // (2 * G), 1, 1))
        self.sweight = Parameter(torch.zeros(1, channel // (2 * G), 1, 1))
        self.sbias = Parameter(torch.ones(1, channel // (2 * G), 1, 1))
        self.sigmoid = nn.Sigmoid()

    def init_weights(self):
        for m in self.modules(

了解本专栏