如何把yolov5里的PANet層改成BiFPN詳析

89542767 發(fā)布于2023-01-01 18:05 / 1377人閱讀

　　如今yolov5的neck用的都是PANet,在efficient文章中給出了BiFPN結(jié)構(gòu),也有更為很不錯的特性,接下來本文關(guān)鍵為大家介紹了對于如何將yolov5里的PANet層改成BiFPN的資料,必須的小伙伴可以借鑒一下

　　一、Add

　　1.在common.py后放入如下所示編碼

　　#融合BiFPN設(shè)定可學(xué)習(xí)培訓(xùn)主要參數(shù)學(xué)習(xí)培訓(xùn)差異支系的權(quán)重值
　　#2個支系add實際操作
　　classBiFPN_Add2(nn.Module):
　　def__init__(self,c1,c2):
　　super(BiFPN_Add2,self).__init__()
　　#設(shè)定可學(xué)習(xí)培訓(xùn)主要參數(shù)nn.Parameter的的作用是：把一個不能鍛煉的種類Tensor轉(zhuǎn)化成能夠鍛煉的種類parameter
　　#而且會往寄主實體模型申請注冊該主要參數(shù)作為其部分即model.parameters()會含有這個parameter
　　#進(jìn)而在參數(shù)優(yōu)化的時候也可以全自動一塊兒提升
　　self.w=nn.Parameter(torch.ones(2,dtype=torch.float32),requires_grad=True)
　　self.epsilon=0.0001
　　self.conv=nn.Conv2d(c1,c2,kernel_size=1,stride=1,padding=0)
　　self.silu=nn.SiLU()
　　def forward(self,x):
　　w=self.w
　　weight=w/(torch.sum(w,dim=0)+self.epsilon)
　　return self.conv(self.silu(weight[0]*x[0]+weight[1]*x[1]))
　　#三個分支add操作
　　class BiFPN_Add3(nn.Module):
　　def __init__(self,c1,c2):
　　super(BiFPN_Add3,self).__init__()
　　self.w=nn.Parameter(torch.ones(3,dtype=torch.float32),requires_grad=True)
　　self.epsilon=0.0001
　　self.conv=nn.Conv2d(c1,c2,kernel_size=1,stride=1,padding=0)
　　self.silu=nn.SiLU()
　　def forward(self,x):
　　w=self.w
　　weight=w/(torch.sum(w,dim=0)+self.epsilon)#將權(quán)重進(jìn)行歸一化
　　#Fast normalized fusion
　　return self.conv(self.silu(weight[0]*x[0]+weight[1]*x[1]+weight[2]*x[2]))

　　2.yolov5s.yaml進(jìn)行修改

　　#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:
　　-[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 BiFPN head
　　head:
　　[[-1,1,Conv,[512,1,1]],
　　[-1,1,nn.Upsample,[None,2,'nearest']],
　　[[-1,6],1,BiFPN_Add2,[256,256]],#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,BiFPN_Add2,[128,128]],#cat backbone P3
　　[-1,3,C3,[256,False]],#17(P3/8-small)
　　[-1,1,Conv,[512,3,2]],#為了BiFPN正確add，調(diào)整channel數(shù)
　　[[-1,13,6],1,BiFPN_Add3,[256,256]],#cat P4&lt;---BiFPN change注意v5s通道數(shù)是默認(rèn)參數(shù)的一半
　　[-1,3,C3,[512,False]],#20(P4/16-medium)
　　[-1,1,Conv,[512,3,2]],
　　[[-1,10],1,BiFPN_Add2,[256,256]],#cat head P5
　　[-1,3,C3,[1024,False]],#23(P5/32-large)
　　[[17,20,23],1,Detect,[nc,anchors]],#Detect(P3,P4,P5)
　　]

　　3.修改yolo.py，在parse_model函數(shù)中找到elif m is Concat:語句，在其后面加上BiFPN_Add相關(guān)語句：

　　#添加bifpn_add結(jié)構(gòu)

　　elif m in[BiFPN_Add2,BiFPN_Add3]:
　　c2=max([ch[x]for x in f])

　　4.修改train.py，向優(yōu)化器中添加BiFPN的權(quán)重參數(shù)

　　將BiFPN_Add2和BiFPN_Add3函數(shù)中定義的w參數(shù)，加入g1

　　#BiFPN_Concat
　　elif isinstance(v,BiFPN_Add2)and hasattr(v,'w')and isinstance(v.w,nn.Parameter):
　　g1.append(v.w)
　　elif isinstance(v,BiFPN_Add3)and hasattr(v,'w')and isinstance(v.w,nn.Parameter):
　　g1.append(v.w)

　　然后導(dǎo)入一下這兩個包

　　二、Concat

　　1.在common.py后加入如下代碼

　　#結(jié)合BiFPN設(shè)置可學(xué)習(xí)參數(shù)學(xué)習(xí)不同分支的權(quán)重
　　#兩個分支concat操作
　　class BiFPN_Concat2(nn.Module):
　　def __init__(self,dimension=1):
　　super(BiFPN_Concat2,self).__init__()
　　self.d=dimension
　　self.w=nn.Parameter(torch.ones(2,dtype=torch.float32),requires_grad=True)
　　self.epsilon=0.0001
　　def forward(self,x):
　　w=self.w
　　weight=w/(torch.sum(w,dim=0)+self.epsilon)#將權(quán)重進(jìn)行歸一化
　　#Fast normalized fusion
　　x=[weight[0]*x[0],weight[1]*x[1]]
　　return torch.cat(x,self.d)
　　#三個分支concat操作
　　class BiFPN_Concat3(nn.Module):
　　def __init__(self,dimension=1):
　　super(BiFPN_Concat3,self).__init__()
　　self.d=dimension
　　#設(shè)置可學(xué)習(xí)參數(shù)nn.Parameter的作用是：將一個不可訓(xùn)練的類型Tensor轉(zhuǎn)換成可以訓(xùn)練的類型parameter
　　#并且會向宿主模型注冊該參數(shù)成為其一部分即model.parameters()會包含這個parameter
　　#從而在參數(shù)優(yōu)化的時候可以自動一起優(yōu)化
　　self.w=nn.Parameter(torch.ones(3,dtype=torch.float32),requires_grad=True)
　　self.epsilon=0.0001
　　def forward(self,x):
　　w=self.w
　　weight=w/(torch.sum(w,dim=0)+self.epsilon)#將權(quán)重進(jìn)行歸一化
　　#Fast normalized fusion
　　x=[weight[0]*x[0],weight[1]*x[1],weight[2]*x[2]]
　　return torch.cat(x,self.d)
　　2.yolov5s.yaml進(jìn)行修改
　　#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:
　　-[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 BiFPN head
　　head:
　　[[-1,1,Conv,[512,1,1]],
　　[-1,1,nn.Upsample,[None,2,'nearest']],
　　[[-1,6],1,BiFPN_Concat2,[1]],#cat backbone P4&lt;---BiFPN change
　　[-1,3,C3,[512,False]],#13
　　[-1,1,Conv,[256,1,1]],
　　[-1,1,nn.Upsample,[None,2,'nearest']],
　　[[-1,4],1,BiFPN_Concat2,[1]],#cat backbone P3&lt;---BiFPN change
　　[-1,3,C3,[256,False]],#17(P3/8-small)
　　[-1,1,Conv,[256,3,2]],
　　[[-1,14,6],1,BiFPN_Concat3,[1]],#cat P4&lt;---BiFPN change
　　[-1,3,C3,[512,False]],#20(P4/16-medium)
　　[-1,1,Conv,[512,3,2]],
　　[[-1,10],1,BiFPN_Concat2,[1]],#cat head P5&lt;---BiFPN change
　　[-1,3,C3,[1024,False]],#23(P5/32-large)
　　[[17,20,23],1,Detect,[nc,anchors]],#Detect(P3,P4,P5)
　　]
　　3.修改yolo.py，在parse_model函數(shù)中找到elif m is Concat:語句，在其后面加上BiFPN_Concat相關(guān)語句：
　　#添加bifpn_concat結(jié)構(gòu)
　　elif m in[Concat,BiFPN_Concat2,BiFPN_Concat3]:
　　c2=sum(ch[x]for x in f)
　　4.修改train.py，向優(yōu)化器中添加BiFPN的權(quán)重參數(shù)
　　添加復(fù)方式同上（Add）
　　#BiFPN_Concat
　　elif isinstance(v,BiFPN_Concat2)and hasattr(v,'w')and isinstance(v.w,nn.Parameter):
　　g1.append(v.w)
　　elif isinstance(v,BiFPN_Concat3)and hasattr(v,'w')and isinstance(v.w,nn.Parameter):
　　g1.append(v.w)

　　綜上所述，這篇文章就給大家介紹到這里了，希望可以給大家?guī)韼椭?/p>

云服務(wù)器 GPU云服務(wù)器把服務(wù)器改成云盤把安卓手機(jī)改成云服務(wù)器怎樣把電話卡改成云服務(wù)器公眾號里的視頻如何下載

文章版權(quán)歸作者所有，未經(jīng)允許請勿轉(zhuǎn)載,若此文章存在違規(guī)行為，您可以聯(lián)系管理員刪除。

轉(zhuǎn)載請注明本文地址：http://m.specialneedsforspecialkids.com/yun/129033.html

發(fā)表評論

登陸后可評論

0條評論

89542767

男|高級講師

我要關(guān)注我要私信

TA的文章

pythontime控制模塊時間格式與結(jié)構(gòu)型時長詳細(xì)說明

閱讀 919·2023-01-14 11:38
OpenMV與JSON編碼問題分析

閱讀 891·2023-01-14 11:04
python中的特性管理模式詳細(xì)說明

閱讀 750·2023-01-14 10:48
Python運(yùn)用fastapi完成上傳圖片

閱讀 2039·2023-01-14 10:34
pythonopencv圖象高通濾波和低通濾波器的范例編碼

閱讀 956·2023-01-14 10:24
Python根據(jù)ssh遠(yuǎn)程桌面連接Mysql數(shù)據(jù)庫操作

閱讀 833·2023-01-14 10:18
本文輕輕松松掌握Python中類的繼承

閱讀 506·2023-01-14 10:09
python中wordcloud組裝方式總結(jié)

閱讀 583·2023-01-14 10:02

国产xxxx99真实实拍_久久不雅视频_高清韩国a级特黄毛片_嗯老师别我我受不了了小说

資訊專欄INFORMATION COLUMN

上云采購季！| 2核2G4M爆款云服務(wù)器低至59元/年，更有多臺、長期優(yōu)惠，快來選購！

如何把yolov5里的PANet層改成BiFPN詳析

相關(guān)文章