位置: IT常识 - 正文

YOLOv5的head详解(yolov5 output)

编辑:rootadmin
YOLOv5的head详解

推荐整理分享YOLOv5的head详解(yolov5 output),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:yolov5讲解,yolov5的使用,yolov5 output,yolov5 result,yolov5实现,yolov5修改head,yolo head,yolov4 head,内容如对您有帮助,希望把文章链接给更多的朋友!

YOLOv5的head详解

在前两篇文章中我们对YOLO的backbone和neck进行了详尽的解读,如果有小伙伴没看这里贴一下传送门: YOLOv5的Backbone设计 YOLOv5的Neck端设计 在这篇文章中,我们将针对YOLOv5的head进行解读,head虽然在网络中占比最少,但这却是YOLO最核心的内容,话不多说,进入正题。

1 YOLOv5s网络结构总览

要了解head,就不能将其与前两部分割裂开。head中的主体部分就是三个Detect检测器,即利用基于网格的anchor在不同尺度的特征图上进行目标检测的过程。由下面的网络结构图可以很清楚的看出:当输入为640*640时,三个尺度上的特征图分别为:80x80、40x40、20x20。现在问题的关键变为,Detect的过程细节是怎样的?如何在多个检测框中选择效果最好的?

2 YOLO核心:Detect

首先看一下yolo中Detect的源码组成:

class Detect(nn.Module): stride = None # strides computed during build onnx_dynamic = False # ONNX export parameter def __init__(self, nc=80, anchors=(), ch=(), inplace=True): # detection layer super().__init__() self.nc = nc # number of classes self.no = nc + 5 # number of outputs per anchor self.nl = len(anchors) # number of detection layers self.na = len(anchors[0]) // 2 # number of anchors self.grid = [torch.zeros(1)] * self.nl # init grid self.anchor_grid = [torch.zeros(1)] * self.nl # init anchor grid self.register_buffer('anchors', torch.tensor(anchors).float().view(self.nl, -1, 2)) # shape(nl,na,2) self.m = nn.ModuleList(nn.Conv2d(x, self.no * self.na, 1) for x in ch) # output conv self.inplace = inplace # use in-place ops (e.g. slice assignment) def forward(self, x): z = [] # inference output for i in range(self.nl): x[i] = self.m[i](x[i]) # conv bs, _, ny, nx = x[i].shape # x(bs,255,20,20) to x(bs,3,20,20,85) x[i] = x[i].view(bs, self.na, self.no, ny, nx).permute(0, 1, 3, 4, 2).contiguous() if not self.training: # inference if self.grid[i].shape[2:4] != x[i].shape[2:4] or self.onnx_dynamic: self.grid[i], self.anchor_grid[i] = self._make_grid(nx, ny, i) y = x[i].sigmoid() if self.inplace: y[..., 0:2] = (y[..., 0:2] * 2. - 0.5 + self.grid[i]) * self.stride[i] # xy y[..., 2:4] = (y[..., 2:4] * 2) ** 2 * self.anchor_grid[i] # wh else: # for YOLOv5 on AWS Inferentia https://github.com/ultralytics/yolov5/pull/2953 xy = (y[..., 0:2] * 2. - 0.5 + self.grid[i]) * self.stride[i] # xy wh = (y[..., 2:4] * 2) ** 2 * self.anchor_grid[i] # wh y = torch.cat((xy, wh, y[..., 4:]), -1) z.append(y.view(bs, -1, self.no)) return x if self.training else (torch.cat(z, 1), x) def _make_grid(self, nx=20, ny=20, i=0): d = self.anchors[i].device yv, xv = torch.meshgrid([torch.arange(ny).to(d), torch.arange(nx).to(d)]) grid = torch.stack((xv, yv), 2).expand((1, self.na, ny, nx, 2)).float() anchor_grid = (self.anchors[i].clone() * self.stride[i]) \ .view((1, self.na, 1, 1, 2)).expand((1, self.na, ny, nx, 2)).float() return grid, anchor_gridYOLOv5的head详解(yolov5 output)

Detect很重要,但是内容不多,那我们就将其解剖开来,一部分一部分地看。

2.1 initial部分 def __init__(self, nc=80, anchors=(), ch=(), inplace=True): # detection layer super().__init__() self.nc = nc # number of classes self.no = nc + 5 # number of outputs per anchor self.nl = len(anchors) # number of detection layers self.na = len(anchors[0]) // 2 # number of anchors self.grid = [torch.zeros(1)] * self.nl # init grid self.anchor_grid = [torch.zeros(1)] * self.nl # init anchor grid self.register_buffer('anchors', torch.tensor(anchors).float().view(self.nl, -1, 2)) # shape(nl,na,2) self.m = nn.ModuleList(nn.Conv2d(x, self.no * self.na, 1) for x in ch) # output conv self.inplace = inplace # use in-place ops (e.g. slice assignment) self.anchor=anchors

initial部分定义了Detect过程中的重要参数 1. nc:类别数目 2. no:每个anchor的输出,包含类别数nc+置信度1+xywh4,故nc+5 3. nl:检测器的个数。以上图为例,我们有3个不同尺度上的检测器:[[10, 13, 16, 30, 33, 23], [30, 61, 62, 45, 59, 119], [116, 90, 156, 198, 373, 326]],故检测器个数为3。 4. na:每个检测器中anchor的数量,个数为3。由于anchor是w h连续排列的,所以需要被2整除。 5. grid:检测器Detect的初始网格 6. anchor_grid:anchor的初始网格 7. m:每个检测器的最终输出,即检测器中anchor的输出no×anchor的个数nl。打印出来很好理解(60是因为我的数据集nc为15,coco是80):

ModuleList( (0): Conv2d(128, 60, kernel_size=(1, 1), stride=(1, 1)) (1): Conv2d(256, 60, kernel_size=(1, 1), stride=(1, 1)) (2): Conv2d(512, 60, kernel_size=(1, 1), stride=(1, 1)))2.2 forward def forward(self, x): z = [] # inference output for i in range(self.nl): x[i] = self.m[i](x[i]) # conv bs, _, ny, nx = x[i].shape # x(bs,255,20,20) to x(bs,3,20,20,85) x[i] = x[i].view(bs, self.na, self.no, ny, nx).permute(0, 1, 3, 4, 2).contiguous() if not self.training: # inference if self.grid[i].shape[2:4] != x[i].shape[2:4] or self.onnx_dynamic: self.grid[i], self.anchor_grid[i] = self._make_grid(nx, ny, i) y = x[i].sigmoid() if self.inplace: y[..., 0:2] = (y[..., 0:2] * 2. - 0.5 + self.grid[i]) * self.stride[i] # xy y[..., 2:4] = (y[..., 2:4] * 2) ** 2 * self.anchor_grid[i] # wh else: # for YOLOv5 on AWS Inferentia https://github.com/ultralytics/yolov5/pull/2953 xy = (y[..., 0:2] * 2. - 0.5 + self.grid[i]) * self.stride[i] # xy wh = (y[..., 2:4] * 2) ** 2 * self.anchor_grid[i] # wh y = torch.cat((xy, wh, y[..., 4:]), -1) z.append(y.view(bs, -1, self.no)) return x if self.training else (torch.cat(z, 1), x)

在forward操作中,网络接收3个不同尺度的特征图,如下图所示:

for i in range(self.nl): x[i] = self.m[i](x[i]) # conv bs, _, ny, nx = x[i].shape # x(bs,255,20,20) to x(bs,3,20,20,85) x[i] = x[i].view(bs, self.na, self.no, ny, nx).permute(0, 1, 3, 4, 2).contiguous()

网络的for loop次数为3,也就是依次在这3个特征图上进行网格化预测,利用卷积操作得到通道数为no×nl的特征输出。拿128x80x80举例,在nc=15的情况下经过卷积得到60x80x80的特征图,这个特征图就是后续用于格点检测的特征图。

if not self.training: # inference if self.grid[i].shape[2:4] != x[i].shape[2:4] or self.onnx_dynamic: self.grid[i], self.anchor_grid[i] = self._make_grid(nx, ny, i) def _make_grid(self, nx=20, ny=20, i=0): d = self.anchors[i].device yv, xv = torch.meshgrid([torch.arange(ny).to(d), torch.arange(nx).to(d)]) grid = torch.stack((xv, yv), 2).expand((1, self.na, ny, nx, 2)).float() anchor_grid = (self.anchors[i].clone() * self.stride[i]) \ .view((1, self.na, 1, 1, 2)).expand((1, self.na, ny, nx, 2)).float() return grid, anchor_grid

随后就是基于经过检测器卷积后的特征图划分网格,网格的尺寸是与输入尺寸相同的,如20x20的特征图会变成20x20的网格,那么一个网格对应到原图中就是32x32像素;40x40的一个网格就会对应到原图的16x16像素,以此类推。

y = x[i].sigmoid() if self.inplace: y[..., 0:2] = (y[..., 0:2] * 2. - 0.5 + self.grid[i]) * self.stride[i] # xy y[..., 2:4] = (y[..., 2:4] * 2) ** 2 * self.anchor_grid[i] # wh else: # for YOLOv5 on AWS Inferentia https://github.com/ultralytics/yolov5/pull/2953 xy = (y[..., 0:2] * 2. - 0.5 + self.grid[i]) * self.stride[i] # xy wh = (y[..., 2:4] * 2) ** 2 * self.anchor_grid[i] # wh y = torch.cat((xy, wh, y[..., 4:]), -1) z.append(y.view(bs, -1, self.no))

这里其实就是预测偏移的主体部分了。

y[..., 0:2] = (y[..., 0:2] * 2. - 0.5 + self.grid[i]) * self.stride[i] # xy

这一句是对x和y进行预测。x、y在输入网络前都是已经归一好的(0,1),乘以2再减去0.5就是(-0.5,1.5),也就是让x、y的预测能够跨网格进行。后边self.grid[i]) * self.stride[i]就是将相对位置转为网格中的绝对位置了。

y[..., 2:4] = (y[..., 2:4] * 2) ** 2 * self.anchor_grid[i] # wh

这里对宽和高进行预测,没啥好说的。

z.append(y.view(bs, -1, self.no))

最后将结果填入z

本文链接地址:https://www.jiuchutong.com/zhishi/299952.html 转载请保留说明!

上一篇:Vite4+Pinia2+vue-router4+ElmentPlus搭建Vue3项目(组件、图标等按需引入)[保姆级]

下一篇:gdal概览(gdal官方文档)

  • 秘乐开通会员能取消吗(秘乐多少会员)

    秘乐开通会员能取消吗(秘乐多少会员)

  • 拼多多退款了又收到货怎么办(拼多多退款了又收到货了不付款会怎样)

    拼多多退款了又收到货怎么办(拼多多退款了又收到货了不付款会怎样)

  • 微信怎么不让别人拉我进群(微信怎么不让别人加我为好友)

    微信怎么不让别人拉我进群(微信怎么不让别人加我为好友)

  • 腾讯视频怎么关闭竖屏锁定(腾讯视频怎么关闭自动续费会员)

    腾讯视频怎么关闭竖屏锁定(腾讯视频怎么关闭自动续费会员)

  • 电脑american megatrends是什么意思(电脑怎么截图)

    电脑american megatrends是什么意思(电脑怎么截图)

  • 耳机没有麦克风怎么办(电脑连接蓝牙耳机没有麦克风)

    耳机没有麦克风怎么办(电脑连接蓝牙耳机没有麦克风)

  • mate30刷抖音画质模糊(华为mate30刷抖音画面拉长)

    mate30刷抖音画质模糊(华为mate30刷抖音画面拉长)

  • 手机不接电话能定位吗(手机不接电话能发短信吗)

    手机不接电话能定位吗(手机不接电话能发短信吗)

  • 苹果耳机有杂音滋滋怎么办(苹果耳机有杂音怎么修)

    苹果耳机有杂音滋滋怎么办(苹果耳机有杂音怎么修)

  • 系统桌面无响应怎么办(系统桌面无响应 红米)

    系统桌面无响应怎么办(系统桌面无响应 红米)

  • nova6顶部那个是红外吗(华为nova6顶部一个小孔和一个小点有什么功能?)

    nova6顶部那个是红外吗(华为nova6顶部一个小孔和一个小点有什么功能?)

  • 433mbps是多少兆(433mbps是多少兆的网速)

    433mbps是多少兆(433mbps是多少兆的网速)

  • porhub可以设置中文界面吗(poruhbu如何设置中文)

    porhub可以设置中文界面吗(poruhbu如何设置中文)

  • ps中钢笔工具怎么抠图(ps中钢笔工具怎么调整弧度)

    ps中钢笔工具怎么抠图(ps中钢笔工具怎么调整弧度)

  • 手机说话别人听不到什么原因(手机说话别人听不见是怎么回事)

    手机说话别人听不到什么原因(手机说话别人听不见是怎么回事)

  • 手机温度多少正常(手机温度多少属于正常)

    手机温度多少正常(手机温度多少属于正常)

  • 华为手写输入法怎么设置(华为手写输入法怎样调出手写框)

    华为手写输入法怎么设置(华为手写输入法怎样调出手写框)

  • bios setup是什么意思中文翻译(bios-setup)

    bios setup是什么意思中文翻译(bios-setup)

  • gn3001是什么型号(gn3002)

    gn3001是什么型号(gn3002)

  • 苹果手机盒里有备用数据线吗(苹果手机盒里有卡针吗)

    苹果手机盒里有备用数据线吗(苹果手机盒里有卡针吗)

  • 最右如何去除水印(怎么消除最右的水印)

    最右如何去除水印(怎么消除最右的水印)

  • watch os2.0有哪些新功能 watch os2.0新功能详解(watch os2.1支持机型)

    watch os2.0有哪些新功能 watch os2.0新功能详解(watch os2.1支持机型)

  • lpadmin命令  配置打印机和类(pgadmin配置)

    lpadmin命令 配置打印机和类(pgadmin配置)

  • 农机企业所得税税率
  • 付代销手续费会计分录
  • 企业注销清算方案
  • 专项科研经费
  • 传媒公司发传单
  • 投资项目非股权比例
  • 年末一般纳税人应交增值税借贷调平什么意思
  • 有限责任公司(自然人投资或控股)属于什么经济类型
  • 健身房税率是多少
  • 小规模与一般纳税人哪个好
  • 金融企业三大使命是什么
  • 收到免税发票会影响税负吗
  • 转移性支出与转移性收入相对应主要包括
  • 成本费用分配的原则方法
  • 商贸企业发出商品
  • 机打发票验旧是什么意思
  • 租用办公室协议书
  • 装修费用资本化的条件
  • Mac系统怎么设置ftp
  • wifi认证失败怎么办
  • 如何查企业是否上市公司
  • 销售折让怎么做分录
  • 台式电脑开不了机怎么办 屏幕黑屏
  • 消费税和购置税怎么算
  • 默认网关不可用win7
  • 多付货款退回的会计分录
  • 收到员工罚款分录怎么记账
  • 木鱼的电脑
  • chat gpt介绍开头
  • win7系统任务计划在哪里
  • php_fileinfo作用
  • 即征即退增值税怎么申报
  • 注意力机制有什么作用
  • php自带的加密解密函数
  • 微信转账怎么处理退回去
  • Python运算符的优先级别
  • 没有什么盈利的公司应该进吗
  • 织梦使用手册
  • mysql主键语句
  • 企业所得税放入什么科目
  • 报税合同
  • 企业的业务招待费属于什么费用
  • 利润总额包括什么项目
  • 汇兑收益怎么做分录
  • 折扣如何做账
  • 公司分期付款买车怎么抵税
  • 出口退税计算公式
  • 待抵扣进项税额是什么情况下用的
  • 金税盘技术维护费可以不交吗
  • 冲销销售收入分录
  • 未开票收入怎么报税
  • 五金领用流程
  • 本期应补退税额是什么意思
  • 根据企业
  • sqlserver数据库恢复
  • sqlserver的case 用法
  • Mysql主从同步的实现原理
  • mysql5.5忘记密码
  • mysql在mac上的安装教程
  • mac桌面日历 记事本
  • solaris vi命令
  • linux挂载windows共享文件命令
  • Mac如何设置自动锁屏
  • linux挂载cd
  • win8系统的应用程序在哪里
  • windows10电脑声音
  • gho文件过大
  • win8更新80072efe
  • unity摇杆
  • js设计模式书
  • jq拖拽div替换位置
  • python time.now
  • 分享js粘帖屏幕怎么弄
  • js过滤filter
  • bootstrap基础教程pdf
  • 谷歌邮箱
  • unity接入google内购
  • python极简讲义pdf
  • jquery教程实例
  • 国税优盘安装教程
  • 免责声明:网站部分图片文字素材来源于网络,如有侵权,请及时告知,我们会第一时间删除,谢谢! 邮箱:opceo@qq.com

    鄂ICP备2023003026号

    网站地图: 企业信息 工商信息 财税知识 网络常识 编程技术

    友情链接: 武汉网站建设