YOLOv5：yolov5s.yaml配置文件解读

news/2024/7/10 22:58:31 标签: YOLO, 深度学习, 人工智能

YOLOv5：yolov5s.yaml配置文件解读

  • 前言
  • 前提条件
  • 相关介绍
  • yolov5s.yaml解读
  • yolov5s.yaml增加小目标检测层
  • 参考

前言

  • 由于本人水平有限，难免出现错漏，敬请批评改正。
  • 更多精彩内容，可点击进入YOLO系列专栏或我的个人主页查看
  • YOLOv5：IoU、GIoU、DIoU、CIoU、EIoU
  • YOLOv7训练自己的数据集（口罩检测）
  • YOLOv8训练自己的数据集（足球检测）

前提条件

  • 熟悉Python

相关介绍

  • Python是一种跨平台的计算机程序设计语言。是一个高层次的结合了解释性、编译性、互动性和面向对象的脚本语言。最初被设计用于编写自动化脚本(shell)，随着版本的不断更新和语言新功能的添加，越多被用于独立的、大型项目的开发。
  • PyTorch 是一个深度学习框架，封装好了很多网络和深度学习相关的工具方便我们调用，而不用我们一个个去单独写了。它分为 CPU 和 GPU 版本，其他框架还有 TensorFlow、Caffe 等。PyTorch 是由 Facebook 人工智能研究院（FAIR）基于 Torch 推出的，它是一个基于 Python 的可续计算包，提供两个高级功能：1、具有强大的 GPU 加速的张量计算（如 NumPy）；2、构建深度神经网络时的自动微分机制。
  • YOLOv5是一种单阶段目标检测算法，该算法在YOLOv4的基础上添加了一些新的改进思路，使其速度与精度都得到了极大的性能提升。它是一个在COCO数据集上预训练的物体检测架构和模型系列，代表了Ultralytics对未来视觉AI方法的开源研究，其中包含了经过数千小时的研究和开发而形成的经验教训和最佳实践。

yolov5s.yaml解读

# YOLOv5 🚀 by Ultralytics, GPL-3.0 license

# Parameters
nc: 80  # number of classes
depth_multiple: 0.33  # model depth multiple
width_multiple: 0.50  # layer channel multiple

 - nc: 8 代表数据集中的类别数目。
 - depth_multiple: 0.33
 	- 用来控制模型的深度，仅在number≠1时启用。
 	- 如第一个C3层的参数设置为[-1, 3, C3, [128]]，其中number=3，表示在yolov5s中含有 3 × 0.33 ≈ 1个C3。
 - width_multiple: 0.50
 	- 用来控制模型的宽度，主要作用于args中的channel_out。
 	- 如第一个Conv层，输出通道数channel_out=64，那么在yolov5s中，会将卷积过程中的卷积核设置为 64 × 0.50 = 32，所以会输出 32 通道的特征图。

# YOLOv5 v6.0 backbone
backbone:
  # [from, number, module, args]
  [[-1, 1, Conv, [64, 6, 2, 2]],  # 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, 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
   [-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, 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)

   [-1, 1, Conv, [256, 3, 2]],
   [[-1, 14], 1, Concat, [1]],  # cat head P4
   [-1, 3, C3, [512, False]],  # 20 (P4/16-medium)

   [-1, 1, Conv, [512, 3, 2]],
   [[-1, 10], 1, Concat, [1]],  # cat head P5
   [-1, 3, C3, [1024, False]],  # 23 (P5/32-large)

   [[17, 20, 23], 1, Detect, [nc, anchors]],  # Detect(P3, P4, P5)
  ]

 - from 
 	- -n 代表是从前n层获得的输入，如-1表示从前一层获得输入。
 - number
 	- 表示网络模块的数目，如[-1, 3, C3, [128]]表示含有3个C3模块。
 - model
 	- 表示网络模块的名称，具体细节可以在./models/common.py查看，如 Conv、C3、SPPF、Concat都是已经在common.py文件中定义好的模块。
 - args：
 	- 表示向不同模块内传递的参数，即[channel_out, kernel, stride, padding, groups]，如[64, 6, 2, 2]表示channel_out=64，kernel=6，stride=2，padding=2。
 	- args里没有输入通道数channel_in，是因为初始输入channel_in的获取是从./models/yolo.py的parse_model(md, ch)函数中解析得到的，一般初始channel_in=3，其他层输入channel_in都是上层的输出channel_out。

yolov5s.yaml增加小目标检测层

# YOLOv5 🚀 by Ultralytics, GPL-3.0 license

# Parameters
nc: 80  # number of classes
depth_multiple: 0.33  # model depth multiple
width_multiple: 0.50  # layer channel multiple

anchors:
  - [5,6, 8,14, 15,11]  #4
  - [10,13, 16,30, 33,23]  # P3/8
  - [30,61, 62,45, 59,119]  # P4/16
  - [116,90, 156,198, 373,326]  # P5/32
 
 
# YOLOv5 v6.0 backbone
backbone:
  # [from, number, module, args]
  [[-1, 1, Conv, [64, 6, 2, 2]],  # 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, 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
   [-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, 3, C3, [512, False]],  # 13
 
   [-1, 1, Conv, [512, 1, 1]],
   [-1, 1, nn.Upsample, [None, 2, 'nearest']],
   [[-1, 4], 1, Concat, [1]],  # cat backbone P3
   [-1, 3, C3, [512, False]],  # 17 (P3/8-small)
 
   [-1, 1, Conv, [256, 1, 1]], #18  80*80
   [-1, 1, nn.Upsample, [None, 2, 'nearest']], #19  160*160
   [[-1, 2], 1, Concat, [1]], #20 cat backbone p2  160*160
   [-1, 3, C3, [256, False]], #21 160*160
   
   [-1, 1, Conv, [256, 3, 2]],  #22   80*80
   [[-1, 18], 1, Concat, [1]], #23 80*80
   [-1, 3, C3, [256, False]], #24 80*80
 
 
   [-1, 1, Conv, [256, 3, 2]], #25
   [[-1, 14], 1, Concat, [1]],  # cat head P4
   [-1, 3, C3, [512, False]],  # 27 (P4/16-medium)
 
   [-1, 1, Conv, [512, 3, 2]], 
   [[-1, 10], 1, Concat, [1]],  # cat head P5
   [-1, 3, C3, [1024, False]],  # 30 (P5/32-large)
 
   [[21, 24, 27, 30], 1, Detect, [nc, anchors]],  # Detect(p2, P3, P4, P5)
]

参考

[1] https://github.com/ultralytics/yolov5

  • 由于本人水平有限，难免出现错漏，敬请批评改正。
  • 更多精彩内容，可点击进入YOLO系列专栏或我的个人主页查看
  • YOLOv5：IoU、GIoU、DIoU、CIoU、EIoU
  • YOLOv7训练自己的数据集（口罩检测）
  • YOLOv8训练自己的数据集（足球检测）

http://www.niftyadmin.cn/n/263883.html

相关文章

MySQL入门到精通——进阶篇（基础篇——进阶篇——运维篇）本文以MySQL8.0版本以上为例

MySQL入门到精通——进阶篇（基础篇——进阶篇——运维篇）本文以MySQL8.0版本以上为例

文章目录 前言MySQL——进阶篇一、存储引擎1.存储引擎-MySQL体系结构2.存储引擎-简介3.存储引擎-InnoDB介绍4.存储引擎-MyISAM和Memory5.存储引擎-选择 二、索引1.索引-概述2.索引-结构2.1.索引-结构-介绍2.2.索引-结构-Btree2.3.索引-结构-Btree2.4.索引-结构-hash 3.索引-分类…
阅读更多...
刘宇：如何打造快、稳、易、专的多元数据库运行平台

刘宇：如何打造快、稳、易、专的多元数据库运行平台

导语 4月8日下午，为期两天的第十二届数据技术嘉年华（DTC 2023）在北京新云南皇冠假日酒店圆满落下帷幕。大会以“开源融合数字化——引领数据技术发展，释放数据要素价值”为主题，汇聚产学研各界精英到场交流。云和恩墨作…
阅读更多...
Java线程池常见面试题详解

Java线程池常见面试题详解

线程池 池化技术 池化技术是一种常见的编程技巧, 把一些能够复用的东西（比如说数据库连接、线程）放到池中，避免重复创建、销毁的开销，在需要时可以重复使用这些预先准备的资源，从而极大提高性能。(提前保存大量资源,…
阅读更多...
蓝牙耳机怎么挑选？鹏鹏数码盘点2023口碑蓝牙耳机排行榜

蓝牙耳机怎么挑选？鹏鹏数码盘点2023口碑蓝牙耳机排行榜

大家好，欢迎来到鹏鹏数码频道。 上次测评发布后网友们评论不知道蓝牙耳机怎么挑选，为此我购入了市面上主流品牌的蓝牙耳机共计三十款， 经过两周的地狱式测评，总结了口碑蓝牙耳机排行榜，看看表现最好的是哪几款蓝牙耳机…
阅读更多...
Activiti学习04

Activiti学习04

这里写目录标题 一、流程定义二、压缩包部署方式2.1 将 holiday.bpmn 和 holiday.png 压缩成 zip 包。2.2 查看数据表 三、流程相关操作3.1 流程定义查询3.2 流程定义删除3.3 流程定义资源查询3.3.1 方式一3.3.2 方式二 3.4 流程历史信息的查看 一、流程定义 流程定义是线下按…
阅读更多...
Neo4j | 一文入门Neo4j！

Neo4j | 一文入门Neo4j！

下面是一些基本的Cypher查询语句： 创建节点 CREATE (n:Person {name:Alice})这会创建一个标签为Person、属性name值为Alice的节点。 创建节点之间的关系 MATCH (a:Person {name:Alice}), (b:Person {name:Bob}) CREATE (a)-[:FRIEND]->(b)这会创建Alice和Bob…
阅读更多...
电能计量管理系统在煤矿上的应用

电能计量管理系统在煤矿上的应用

摘要：随着煤矿供电系统管、控一体化的发展需要，本文提出了一种基于矿井光纤网络构成的煤矿电参数计量系统，该系统具有实现变电所各类开关、动力设备的用电高精度计量；远程实时监测各路电参数；远程抄表；远程…
阅读更多...
[转]C# HTTP 错误 403.14 - Forbidden Web

[转]C# HTTP 错误 403.14 - Forbidden Web

HTTP 错误 403.14 - ForbiddenWeb 服务器被配置为不列出此目录的内容。 出现以上这个错误可能有如下解决方法&#xff1a; 1.将应用程序池设置成V4.0 2.在配置文件中加上以下几句代码&#xff1a; <system.webServer> < modules runAllManagedModulesForAllRequest…
阅读更多...
最新文章

Copyright @ 2022~2023