YOLOV5学习笔记（六）——优化网络架构

1 整体框架分析

1.1 Focus

1.2 Conv模块

1.3 Bottleneck模块

1 整体框架分析

Backbone作用：特征提取

Neck作用：对特征进行一波混合与组合，并且把这些特征传递给预测层

Head作用：进行最终的预测输出


# anchors
anchors:
  - [10,13, 16,30, 33,23]  # P3/8   stride=8
  - [30,61, 62,45, 59,119]  # P4/16
  - [116,90, 156,198, 373,326]  # P5/32
 
backbone:
  # [from, number, module, args]
  # from表示当前模块的输入来自那一层的输出，-1表示来自上一层的输出
  # number表示本模块重复的次数，1表示只有一个，3表示重复3次
  # module: 模块名
  [[-1, 1, Focus, [64, 3]],          # 0-P1/2   [3, 32, 3]
   [-1, 1, Conv, [128, 3, 2]],       # 1-P2/4   [32, 64, 3, 2]
   [-1, 3, C3, [128]],               # 2        [64, 64, 1]
   [-1, 1, Conv, [256, 3, 2]],       # 3-P3/8   [64, 128, 3, 2]
   [-1, 9, C3, [256]],               # 4        [128, 128, 3]
   [-1, 1, Conv, [512, 3, 2]],       # 5-P4/16  [128, 256, 3, 2]
   [-1, 9, C3, [512]],               # 6        [256, 256, 3]
   [-1, 1, Conv, [1024, 3, 2]],      # 7-P5/32  [256, 512, 3, 2]
   [-1, 1, SPP, [1024, [5, 9, 13]]], # 8        [512, 512, [5, 9, 13]]
   [-1, 3, C3, [1024, False]],       # 9        [512, 512, 1, False]
   # [nc, anchors, 3个Detect的输出channel]
   # [1, [[10, 13, 16, 30, 33, 23], [30, 61, 62, 45, 59, 119], [116, 90, 156, 198, 373, 326]], [128, 256, 512]]
  ]
 
head:
  [[-1, 1, Conv, [512, 1, 1]], # 10                 [512, 256, 1, 1]
   [-1, 1, nn.Upsample, [None, 2, 'nearest']], # 11 [None, 2, 'nearest']
   [[-1, 6], 1, Concat, [1]],  # 12 cat backbone P4 [1]
   [-1, 3, C3, [512, False]],  # 13                 [512, 256, 1, False]
 
   [-1, 1, Conv, [256, 1, 1]], # 14                 [256, 128, 1, 1]
   [-1, 1, nn.Upsample, [None, 2, 'nearest']], #15  [None, 2, 'nearest']
   [[-1, 4], 1, Concat, [1]],  # 16 cat backbone P3 [1]
   [-1, 3, C3, [256, False]],  # 17 (P3/8-small)    [256, 128, 1, False]
 
   [-1, 1, Conv, [256, 3, 2]], # 18                 [128, 128, 3, 2]
   [[-1, 14], 1, Concat, [1]], # 19 cat head P4     [1]
   [-1, 3, C3, [512, False]],  # 20 (P4/16-medium)  [256, 256, 1, False]
 
   [-1, 1, Conv, [512, 3, 2]], # 21                 [256, 256, 3, 2]
   [[-1, 10], 1, Concat, [1]], # 22 cat head P5     [1]
   [-1, 3, C3, [1024, False]], # 23 (P5/32-large)   [512, 512, 1, False]
 
   [[17, 20, 23], 1, Detect, [nc, anchors]],  # 24  Detect(P3, P4, P5)
  ]

1.1 Focus

作用：下采样

Focus模块的作用是对图片进行切片，类似于下采样，先将图片变为320×320×12的特征图，再经过3×3的卷积操作，输出通道32，最终变为320×320×32的特征图，是一般卷积计算量的4倍，如此做下采样将无信息丢失。

输入：3x640x640

输出：32×320×320

1.2 Conv模块

作用：卷积，步长为2下采样，步长为1大小不变

对输入的特征图执行卷积，BN，激活函数操作，在新版的YOLOv5中，作者使用Silu作为激活函数。

1.3 Bottleneck模块

作用：为了降低参数量

利用多个小卷积核替代一个大卷积核，先将channel 数减小再扩大（默认减小到一半），具体做法是先进行1×1卷积将channel减小一半，再通过3×3卷积将通道数加倍，并获取特征（共使用两个标准卷积模块），其输入与输出的通道数是不发生改变的。

直接使用 3x3 的卷积核参数量：256×3×3×256 = 589824
先经过 1x1 的卷积核，再经过 3x3 卷积核，最后经过一个 1x1 卷积核参数量：256×1×1×64 + 64×3×3×64 + 64×1×1×256 = 69632

1.4 C3模块跨尺度连接

作用：残差结构，让模型学习更多的特征。

C3相对于BottleneckCSP模块不同的是，经历过残差输出后的Conv模块被去掉了，concat后的标准卷积模块中的激活函数也由LeakyRelu变为了SiLU（同上）。
该模块是对残差特征进行学习的主要模块,其结构分为两支,一支使用了上述指定多个Bottleneck堆叠和3个标准卷积层，另一支仅经过一个基本卷积模块，最后将两支进行concat操作。

1.5 SPP：空间金字塔池化

作用：能将任意大小的特征图转换成固定大小的特征向量

SPP是空间金字塔池化的简称，其先通过一个标准卷积模块将输入通道减半，然后分别做kernel-size为5，9，13的maxpooling（对于不同的核大小，padding是自适应的）。
对三次最大池化的结果与未进行池化操作的数据进行concat，最终合并后channel数是原来的2倍。

1.6 Concat

作用：融合两层

大小通道相同的两层叠加，通道数相加

2 更改网络架构

2.2 小目标

添加一个小目标层，160*160。通道数的选择主要目的是为了和上层通道数一致从而能够concat


# YOLOv5 🚀 by Ultralytics, GPL-3.0 license
 
# Parameters
nc: 10  # number of classes
depth_multiple: 1.0  # model depth multiple
width_multiple: 1.0  # 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
 
 
backbone:
  # [from, number, module, args]
  #640*640*3
  [[-1, 1, Focus, [64, 3]],  # 0-P1/2
  #320*320*32
   [-1, 1, Conv, [128, 3, 2]],  # 1-P2/4
   #160*160*64
   [-1, 3, C3, [128]],   #160*160
   #160*160*64
   [-1, 1, Conv, [256, 3, 2]],  # 3-P3/8
   #80*80*128
   [-1, 9, C3, [256]],  #480*80
   #80*80*128
   [-1, 1, Conv, [512, 3, 2]],  # 5-P4/16
   #40*40*256
   [-1, 9, C3, [512]], #40*40
   #40*40*256
   [-1, 1, Conv, [1024, 3, 2]],  # 7-P5/32
   #20*20*512
   [-1, 1, SPP, [1024, [5, 9, 13]]],
   [-1, 3, C3, [1024, False]],  # 9   20*20
   #20*20*512
  ]
  
# YOLOv5 v6.0 head
# concat之后通道翻倍
head:
  [[-1, 1, Conv, [512, 1, 1]], #20*20*256
   [-1, 1, nn.Upsample, [None, 2, 'nearest']], #40*40*256
   [[-1, 6], 1, Concat, [1]],  # cat backbone P4  40*40*512
   [-1, 1, C3, [512, False]],  # 13  40*40*256
 
   [-1, 1, Conv, [256, 1, 1]], # 40*40*128
   [-1, 1, nn.Upsample, [None, 2, 'nearest']], #80*80*128
   [[-1, 4], 1, Concat, [1]],  # cat backbone P3 80*80*256
   [-1, 1, C3, [256, False]],  # 17 (P3/8-small)  80*80*128
 
   [-1, 1, Conv, [128, 1, 1]], # 80*80*64
   [-1, 1, nn.Upsample, [None, 2, 'nearest']], #160*160*64
   [[-1, 2], 1, Concat, [1]],  # cat backbone P3 160*160*128
   [-1, 1, C3, [128, False]],  # 21 (P3/8-small)  160*160*64
   
   [-1, 1, Conv, [128, 3, 2]],  #80*80*64
   [[-1, 18], 1, Concat, [1]],  # cat head P4 80*80*128
   [-1, 1, C3, [256, False]],  # 24 (P4/16-medium) 80*80*128
   
   [-1, 1, Conv, [256, 3, 2]],  # 40*40*128
   [[-1, 14], 1, Concat, [1]],  # cat head P4 40*40*256
   [-1, 1, C3, [512, False]],  # 27 (P4/16-medium) 40*40*256
 
   [-1, 1, Conv, [512, 3, 2]],  # 20*20*256
   [[-1, 10], 1, Concat, [1]],  # cat head P5 20*20*512
   [-1, 1, C3, [1024, False]],  # 30 (P5/32-large) 20*20*512
 
   [[21, 24,27,30], 1, Detect, [nc, anchors]],  # Detect(P3, P4, P5)
  ]

2.1 轻量化

Shufflenetv2

旷视轻量化卷积神经网络Shufflenetv2，通过大量实验提出四条轻量化网络设计准则，对输入输出通道、分组卷积组数、网络碎片化程度、逐元素操作对不同硬件上的速度和内存访问量MAC(Memory Access Cost)的影响进行了详细分析：

准则一：输入输出通道数相同时，内存访问量MAC最小
        Mobilenetv2就不满足，采用了拟残差结构，输入输出通道数不相等
准则二：分组数过大的分组卷积会增加MAC
        Shufflenetv1就不满足，采用了分组卷积（GConv）
准则三：碎片化操作（多通路，把网络搞的很宽）对并行加速不友好
        Inception系列的网络
准则四：逐元素操作（Element-wise，例如ReLU、Shortcut-add等）带来的内存和耗时不可忽略
       Shufflenetv1就不满足，采用了add操作

针对以上四条准则，作者提出了Shufflenetv2模型，通过Channel Split替代分组卷积，满足四条设计准则，达到了速度和精度的最优权衡。

Shufflenetv2有两个结构：basic unit和unit from spatial down sampling(2×)

basic unit：输入输出通道数不变，大小也不变
unit from spatial down sample ：输出通道数扩大一倍，大小缩小一倍（降采样）

Shufflenetv2整体哲学要紧紧向论文中提出的轻量化四大准则靠拢，基本除了准则四之外，都有效的避免了

为了解决GConv(Group Convolution)导致的不同group之间没有信息交流，只在同一个group内进行特征提取的问题，Shufflenetv2设计了Channel Shuffle操作进行通道重排，跨group信息交流

1. common.py文件修改：直接在最下面加入如下代


# ---------------------------- ShuffleBlock start -------------------------------
 
# 通道重排，跨group信息交流
def channel_shuffle(x, groups):
    batchsize, num_channels, height, width = x.data.size()
    channels_per_group = num_channels // groups
 
    # reshape
    x = x.view(batchsize, groups,
               channels_per_group, height, width)
 
    x = torch.transpose(x, 1, 2).contiguous()
 
    # flatten
    x = x.view(batchsize, -1, height, width)
 
    return x
 
 
class conv_bn_relu_maxpool(nn.Module):
    def __init__(self, c1, c2):  # ch_in, ch_out
        super(conv_bn_relu_maxpool, self).__init__()
        self.conv = nn.Sequential(
            nn.Conv2d(c1, c2, kernel_size=3, stride=2, padding=1, bias=False),
            nn.BatchNorm2d(c2),
            nn.ReLU(inplace=True),
        )
        self.maxpool = nn.MaxPool2d(kernel_size=3, stride=2, padding=1, dilation=1, ceil_mode=False)
 
    def forward(self, x):
        return self.maxpool(self.conv(x))
 
 
class Shuffle_Block(nn.Module):
    def __init__(self, inp, oup, stride):
        super(Shuffle_Block, self).__init__()
 
        if not (1 <= stride <= 3):
            raise ValueError('illegal stride value')
        self.stride = stride
 
        branch_features = oup // 2
        assert (self.stride != 1) or (inp == branch_features << 1)
 
        if self.stride > 1:
            self.branch1 = nn.Sequential(
                self.depthwise_conv(inp, inp, kernel_size=3, stride=self.stride, padding=1),
                nn.BatchNorm2d(inp),
                nn.Conv2d(inp, branch_features, kernel_size=1, stride=1, padding=0, bias=False),
                nn.BatchNorm2d(branch_features),
                nn.ReLU(inplace=True),
            )
 
        self.branch2 = nn.Sequential(
            nn.Conv2d(inp if (self.stride > 1) else branch_features,
                      branch_features, kernel_size=1, stride=1, padding=0, bias=False),
            nn.BatchNorm2d(branch_features),
            nn.ReLU(inplace=True),
            self.depthwise_conv(branch_features, branch_features, kernel_size=3, stride=self.stride, padding=1),
            nn.BatchNorm2d(branch_features),
            nn.Conv2d(branch_features, branch_features, kernel_size=1, stride=1, padding=0, bias=False),
            nn.BatchNorm2d(branch_features),
            nn.ReLU(inplace=True),
        )
 
    @staticmethod
    def depthwise_conv(i, o, kernel_size, stride=1, padding=0, bias=False):
        return nn.Conv2d(i, o, kernel_size, stride, padding, bias=bias, groups=i)
 
    def forward(self, x):
        if self.stride == 1:
            x1, x2 = x.chunk(2, dim=1)  # 按照维度1进行split
            out = torch.cat((x1, self.branch2(x2)), dim=1)
        else:
            out = torch.cat((self.branch1(x), self.branch2(x)), dim=1)
 
        out = channel_shuffle(out, 2)
 
        return out
 
 
# ---------------------------- ShuffleBlock end --------------------------------

2. yolo.py文件修改：在yolo.py的parse_model函数中，加入conv_bn_relu_maxpool, Shuffle_Block两个模块

3. 新建yaml文件：在model文件下新建yolov5-shufflenetv2.yaml文件，复制以下代码即可


# YOLOv5 🚀 by Ultralytics, GPL-3.0 license
 
# Parameters
nc: 10  # number of classes
depth_multiple: 1.0  # model depth multiple
width_multiple: 1.0  # 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
 
backbone:
  #640*640*3
  [[ -1, 1, conv_bn_relu_maxpool, [ 32 ] ], # 0-P2/4
    #320*320*32
   [ -1, 1, Shuffle_Block, [ 128, 2 ] ],  # 1-P3/8
   #160*160*64
   [ -1, 3, Shuffle_Block, [ 128, 1 ] ],  # 2
   #160*160*64
   [ -1, 1, Shuffle_Block, [ 256, 2 ] ],  # 3-P4/16
   #80*80*128
   [ -1, 7, Shuffle_Block, [ 256, 1 ] ],  # 4
   #80*80*128
   [ -1, 1, Shuffle_Block, [ 512, 2 ] ],  # 5-P5/32
   #40*40*256
   [ -1, 3, Shuffle_Block, [ 512, 1 ] ],  # 6
   #40*40*256
   [ -1, 1, Shuffle_Block, [ 1024, 2 ] ],  # 7
   #20*20*512
   [ -1, 3, Shuffle_Block, [ 1024, 1 ] ],  # 8
   #20*20*512
  ]
 
# YOLOv5 v6.0 head
# concat之后通道翻倍
head:
  [[-1, 1, Conv, [512, 1, 1]], #20*20*256
   [-1, 1, nn.Upsample, [None, 2, 'nearest']], #40*40*256
   [[-1, 6], 1, Concat, [1]],  # cat backbone P4  40*40*512
   [-1, 1, C3, [512, False]],  # 12  40*40*256
 
   [-1, 1, Conv, [256, 1, 1]], # 40*40*128
   [-1, 1, nn.Upsample, [None, 2, 'nearest']], #80*80*128
   [[-1, 4], 1, Concat, [1]],  # cat backbone P3 80*80*256
   [-1, 1, C3, [256, False]],  # 16 (P3/8-small)  80*80*128
 
   [-1, 1, Conv, [128, 1, 1]], # 80*80*64
   [-1, 1, nn.Upsample, [None, 2, 'nearest']], #160*160*64
   [[-1, 2], 1, Concat, [1]],  # cat backbone P3 160*160*128
   [-1, 1, C3, [128, False]],  # 20 (P3/8-small)  160*160*64
   
   [-1, 1, Conv, [128, 3, 2]],  #80*80*64
   [[-1, 17], 1, Concat, [1]],  # cat head P4 80*80*128
   [-1, 1, C3, [256, False]],  # 23 (P4/16-medium) 80*80*128
   
   [-1, 1, Conv, [256, 3, 2]],  # 40*40*128
   [[-1, 13], 1, Concat, [1]],  # cat head P4 40*40*256
   [-1, 1, C3, [512, False]],  # 26 (P4/16-medium) 40*40*256
 
   [-1, 1, Conv, [512, 3, 2]],  # 20*20*256
   [[-1, 9], 1, Concat, [1]],  # cat head P5 20*20*512
   [-1, 1, C3, [1024, False]],  # 29 (P5/32-large) 20*20*512
 
   [[20, 23,26,29], 1, Detect, [nc, anchors]],  # Detect(P3, P4, P5)
  ]

右侧是轻量化后的，可以看到参数数量明显减少很多

4. 训练运行

python train.py --data data/VisDrone.yaml --cfg models/yolov5s-tiny.yaml --weights weights/yolov5s.pt --batch-size 4 --epochs 50

测试效果较好

相关阅读:
Python潮流周刊#10：Twitter 的强敌 Threads 是用 Python 开发的
 elementui 列表页进入详情再返回分页被重置
 基于微信小程序的manster云音乐小程序
 Java SE 8 新增特性
 哈希表 or HashMap模拟实现
 腾讯云助力港华能源上线“碳汭星云2.0”，推动能源行业绿色低碳转型
 STM32物联网项目-单极性步进电机28BYJ-48
redis 哨兵，高可用的执行者
 MySQL性能优化的5个维度
 Linux服务器部署Spring Boot项目的一些shell命令脚本
原文地址：https://blog.csdn.net/HUASHUDEYANJING/article/details/126182551

YOLOV5学习笔记（六）——优化网络架构

1 整体框架分析

1.1 Focus

1.2 Conv模块

1.3 Bottleneck模块

1.4 C3模块 跨尺度连接

1.5 SPP：空间金字塔池化

1.6 Concat

2 更改网络架构

2.2 小目标

2.1 轻量化

1.4 C3模块跨尺度连接