位置: IT常识 - 正文
b站B导的yoloV7版本添加注意力机制(b站导出预设)
编辑：rootadmin推荐整理分享b站B导的yoloV7版本添加注意力机制(b站导出预设)，希望有所帮助，仅作参考，欢迎阅读内容。
文章相关热门搜索词:b站导航系统,b站导航系统,b站导出,b站导出,b站导播,b站导航系统,b站视频导出工具,b站视频导出工具,内容如对您有帮助，希望把文章链接给更多的朋友！
【Pytorch 图像处理中注意力机制的代码详解与应用（Bubbliiiing 深度学习 教程）】
yolov7博客参考：睿智的目标检测61——Pytorch搭建YoloV7目标检测平台
注意力机制介绍：
神经网络学习小记录64——Pytorch 图像处理中注意力机制的解析与代码详解
步骤：①获取注意力机制的代码https://github.com/bubbliiiing/yolov4-tiny-pytorch/blob/master/nets/attention.py
②看b导的yolov7博客介绍以及视频看完视频可以知道，添加注意力机制最好选在加强特征提取网络。注意力机制是一个即插即用的模块，理论上可以放在任何一个特征层后面，可以放在主干网络，也可以放在加强特征提取网络。由于放置在主干会导致网络的预训练权重无法使用，所以将注意力机制应用加强特征提取网络上。
③yolov7添加注意力的地方：一共五个地方，如图所示，三个feat和两个上采样的地方。
④添加注意力机制的代码，放在net文件夹下⑤在nets/yolo.py增加代码添加模块from .attention import se_block,cbam_block,eca_blockattention_blocks = [se_block,cbam_block,eca_block]找到yolo_body(快捷键ctrl+f搜索yolo_body)在参数列表添加attention参数，attention = 0：表示原版，attention=1表示senet，attention=2表示cbam，attention=3表示ecanet，这个序号与我们在文件头部定义的
attention_blocks = [se_block,cbam_block,eca_block]有关。
在该__init__函数的末尾加上： self.attention = attentionif attention >= 1 and attention <= 3:self.feat1_attention = attention_blocks[attention - 1](512)#括号表示通道数self.feat2_attention = attention_blocks[attention - 1](1024)self.feat3_attention = attention_blocks[attention - 1](1024)self.upsample_attention5 = attention_blocks[attention - 1](256)self.upsample_attention4 = attention_blocks[attention - 1](128)在forward函数增加如下代码：if self.attention >= 1 and self.attention <= 3:feat1 = self.feat1_attention(feat1)feat2 = self.feat2_attention(feat2)feat3 = self.feat3_attention(feat3)if self.attention >= 1 and self.attention <= 3:P5_upsample = self.upsample_attention5(P5_upsample)if self.attention >= 1 and self.attention <= 3:P4_upsample = self.upsample_attention4(P4_upsample)接下来只需要修改nets/yolo.py中yolo_body初始化参数列表的attention的值即可切换不同的注意力机制完成。
上一篇：SRCNN超分辨率Pytorch实现，代码逐行讲解，附源码(超分辨率代码)
下一篇：Transformer框架时间序列模型Informer内容与代码解读(transform模块)
