YOLOv5代码详解 (第三部分）

3. yolov5l.yaml3.1 yaml介绍3.2 parameters3.3 anchors3.4 backbone3.5 head

贴出一张最近更新的网络结构图，方便读者理解。

3. yolov5l.yaml

这部分属于代码中的配置文件。该代码是xxxx.yaml使用配置文件，通过./models/yolo.py解析文件加了一个输入构成的网络模块。

与config设置的网络不同，不需要进行叠加，只需要在配置文件中对number进行修改即可。

特别说明是2020.7.4更新的那一版。

3.1 yaml介绍

YAML(YAML Ain`t Markup language)文件，它不是一个标记语言。配置文件有xml、properties等，但YAML是以数据为中心，更适合做配置文件。YAML的语法和其他高级语言类似，并且可以简单表达清单、散列表，标量等数据形态。它使用空白符号缩进和大量依赖外观的特色，特别适合用来表达或编辑数据结构、各种配置文件、倾印调试内容、文件大纲。yaml介绍大小写敏感；缩进不允许使用tab，只允许空格；缩进的空格数不重要，只要相同层级的元素左对齐即可；’#'表示注释；使用缩进表示层级关系。

注意，在yaml文件中空格数其实也是重要的！在建立YAML 对象时，对象键值对使用冒号结构表示 key: value，冒号后面要加一个空格。

3.2 parameters

# parameters nc: 15 # number of classes depth_multiple: 1.0 # model depth multiple width_multiple: 1.0 # layer channel multiple nc：类别数，你的类别有多少就填写多少。从1开始算起，不是0-14这样算。depth_multiple：控制模型的深度。width_multiple：控制卷积核的个数。

depth_multiple 是用在backbone中的number≠1的情况下， 即在Bottleneck层使用，控制模型的深度，yolov5s中设置为0.33，假设yolov5l中有三个Bottleneck，那yolov5s中就只有一个Bottleneck。 因为一般number=1表示的是功能背景的层，比如说下采样Conv、Focus、SPP（空间金字塔池化）。 —————————————————————————————————————— width_multiple 主要是用于设置arguments，例如yolov5s设置为0.5，Focus就变成[32, 3]，Conv就变成[64, 3, 2]。 以此类推，卷积核的个数都变成了设置的一半。

yolov5提供了s、m、l、x四种，所有的yaml文件都设置差不多，只有上面2和3的设置不同，作者团队很厉害，只需要修改这两个参数就可以调整模型的网络结构。

3.3 anchors

# anchors anchors: - [116,90, 156,198, 373,326] # P5/32 - [30,61, 62,45, 59,119] # P4/16 - [10,13, 16,30, 33,23] # P3/8

根据你的检测层相应增加anchors。

3.4 backbone

# YOLOv5 backbone backbone: # [from, number, module, args] [[-1, 1, Focus, [64, 3]], # 0-P1/2 [-1, 1, Conv, [128, 3, 2]], # 1-P2/4 [-1, 3, BottleneckCSP, [128]], [-1, 1, Conv, [256, 3, 2]], # 3-P3/8 [-1, 9, BottleneckCSP, [256]], [-1, 1, Conv, [512, 3, 2]], # 5-P4/16 [-1, 9, BottleneckCSP, [512]], [-1, 1, Conv, [1024, 3, 2]], # 7-P5/32 [-1, 1, SPP, [1024, [5, 9, 13]]], ] Bottleneck 可以译为“瓶颈层”。from列参数：-1 代表是从上一层获得的输入，-2表示从上两层获得的输入（head同理）。number列参数：1表示只有一个，3表示有三个相同的模块。SPP、Conv、Bottleneck、BottleneckCSP的代码可以在./models/common.py中获取到。[64, 3] 解析得到[3, 32, 3] ，输入为3（RGB），输出为32，卷积核k为3；[128, 3, 2] 这是固定的，128表示输出128个卷积核个数。根据 [128, 3, 2] 解析得到[32, 64, 3, 2] ，32是输入，64是输出（128*0.5=64），3表示3×3的卷积核，2表示步长为2。主干网是图片从大到小，深度不断加深。args这里的输入都省去了，因为输入都是上层的输出。为了修改过于麻烦，这里输入的获取是从./models/yolo.py的def parse_model(md, ch)函数中解析得到的。

3.5 head

head检测头：一般表示的是经过主干网后输出的特征图，特征图输入head中进行检测，包括类别和位置的检测。

这里改成了PANet head。

# YOLOv5 head head: [[-1, 3, BottleneckCSP, [1024, False]], # 9 [-1, 1, Conv, [512, 1, 1]], [-1, 1, nn.Upsample, [None, 2, 'nearest']], [[-1, 6], 1, Concat, [1]], # cat backbone P4 [-1, 3, BottleneckCSP, [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, BottleneckCSP, [256, False]], [-1, 1, nn.Conv2d, [na * (nc + 5), 1, 1]], # 18 (P3/8-small) [-2, 1, Conv, [256, 3, 2]], [[-1, 14], 1, Concat, [1]], # cat head P4 [-1, 3, BottleneckCSP, [512, False]], [-1, 1, nn.Conv2d, [na * (nc + 5), 1, 1]], # 22 (P4/16-medium) [-2, 1, Conv, [512, 3, 2]], [[-1, 10], 1, Concat, [1]], # cat head P5 [-1, 3, BottleneckCSP, [1024, False]], [-1, 1, nn.Conv2d, [na * (nc + 5), 1, 1]], # 26 (P5/32-large) [[], 1, Detect, [nc, anchors]], # Detect(P5, P4, P3) ]

贴出一张解析图，与上面的模型不太一样。 更新于2020.7.10

torch.nn.modules.upsampling.Upsample [None, 2, 'nearest']

---

torch.nn.Upsample(size=None, scale_factor=None, mode=‘nearest’, align_corners=None)

size (int or Tuple[int] or Tuple[int, int] or Tuple[int, int, int], optional) – 根据不同的输入类型制定的输出大小scale_factor (float or Tuple[float] or Tuple[float, float] or Tuple[float, float, float], optional) – 指定输出为输入的多少倍数。如果输入为tuple，其也要制定为tuple类型mode (str, optional) – 可使用的上采样算法，有’nearest’, ‘linear’, ‘bilinear’, ‘bicubic’ and ‘trilinear’. 默认使用’nearest’

Detect [15, [[116, 90, 156, 198, 373, 326], [30, 61, 62, 45, 59, 119], [10, 13, 16, 30, 33, 23]]]

---

对应于./models/yolov5l.yaml的Detect，nc=15， anchors = [[116, 90, 156, 198, 373, 326], [30, 61, 62, 45, 59, 119], [10, 13, 16, 30, 33, 23]]。 [116, 90, 156, 198, 373, 326]代表large anchors(P5)，[30, 61, 62, 45, 59, 119]代表medium anchors，[10, 13, 16, 30, 33, 23]代表small anchors。

觉得好的话，记得给个赞哦~ 有什么错误，请在评论区指出。转载请注明出处，谢谢啦！