Yolov5更換BiFPN的詳細步驟總結

更新時間：2022年12月19日 15:17:28 作者：迪菲赫爾曼

將YOLOv5中的PANet層修改為EfficientDet-BiFPN,實現自上而下與自下而上的深淺層特征雙向融合,明顯提升YOLOv5算法檢測精度,下面這篇文章主要給大家介紹了關于Yolov5更換BiFPN的詳細步驟,需要的朋友可以參考下

第一步：修改common.py

將如下代碼添加到common.py文件中

# BiFPN 
# 兩個特征圖add操作
class BiFPN_Add2(nn.Module):
    def __init__(self, c1, c2):
        super(BiFPN_Add2, self).__init__()
        # 設置可學習參數 nn.Parameter的作用是：將一個不可訓練的類型Tensor轉換成可以訓練的類型parameter
        # 并且會向宿主模型注冊該參數 成為其一部分 即model.parameters()會包含這個parameter
        # 從而在參數優(yōu)化的時候可以自動一起優(yōu)化
        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]))


# 三個特征圖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)  
        # Fast normalized fusion
        return self.conv(self.silu(weight[0] * x[0] + weight[1] * x[1] + weight[2] * x[2]))

第二步：修改yolo.py

在parse_model函數中找到elif m is Concat:語句，在其后面加上BiFPN_Add相關語句

elif m is Concat:
    c2 = sum(ch[x] for x in f)
# 添加bifpn_add結構
elif m in [BiFPN_Add2, BiFPN_Add3]:
    c2 = max([ch[x] for x in f])

第三步：修改train.py

將BiFPN_Add2和BiFPN_Add3函數中定義的w參數，加入g1

g = [], [], []  # optimizer parameter groups
    bn = tuple(v for k, v in nn.__dict__.items() if 'Norm' in k)  # normalization layers, i.e. BatchNorm2d()
    for v in model.modules():
        # hasattr: 測試指定的對象是否具有給定的屬性，返回一個布爾值
        if hasattr(v, 'bias') and isinstance(v.bias, nn.Parameter):  # bias
            g[2].append(v.bias)
        if isinstance(v, bn):  # weight (no decay)
            g[1].append(v.weight)
        elif hasattr(v, 'weight') and isinstance(v.weight, nn.Parameter):  # weight (with decay)
            g[0].append(v.weight)
        # BiFPN_Concat
        elif isinstance(v, BiFPN_Add2) and hasattr(v, 'w') and isinstance(v.w, nn.Parameter):
            g[1].append(v.w)
        elif isinstance(v, BiFPN_Add3) and hasattr(v, 'w') and isinstance(v.w, nn.Parameter):
            g[1].append(v.w)

導入BiFPN_Add3, BiFPN_Add2

from models.common import BiFPN_Add3, BiFPN_Add2

第四步：修改yolov5.yaml

將Concat全部換成BiFPN_Add

注意：BiFPN_Add本質是add操作，因此輸入層通道數、feature map要完全對應

2022.8.25 官方也提供了BiFPN，可以嘗試用官方的
關于5m加BiFPN的文件我已經更新到了我的Git

總結

到此這篇關于Yolov5更換BiFPN的文章就介紹到這了,更多相關Yolov5更換BiFPN內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！

您可能感興趣的文章:

自動轉換Python代碼為HTML界面的GUI庫remi使用探究
這篇文章主要為大家介紹了自動轉換Python代碼為HTML界面的GUI庫remi使用探究,有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進步,早日升職加薪
2024-01-01
Python 處理數據的實例詳解
這篇文章主要介紹了Python 處理數據的實例詳解的相關資料,這里主要介紹Python 常用的基礎知識并附實例，需要的朋友可以參考下
2017-08-08
python GUI模擬實現計算器
這篇文章主要為大家詳細介紹了python GUI模擬實現計算器，文中示例代碼介紹的非常詳細，具有一定的參考價值，感興趣的小伙伴們可以參考一下
2020-06-06
如何對numpy?矩陣進行通道間求均值
這篇文章主要介紹了如何對numpy?矩陣進行通道間求均值，具有很好的參考價值，希望對大家有所幫助。如有錯誤或未考慮完全的地方，望不吝賜教
2022-05-05
Python模擬登陸淘寶并統(tǒng)計淘寶消費情況的代碼實例分享
借助urllib、urllib2和BeautifulSoup等幾個模塊的常用爬蟲開發(fā)組合,我們能夠輕易實現一份淘寶對賬單,這里我們就來看一則Python模擬登陸淘寶并統(tǒng)計淘寶消費情況的代碼實例分享:
2016-07-07
Python字符串格式化輸出代碼實例
這篇文章主要介紹了Python字符串格式化輸出代碼實例,文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下
2019-11-11
Python中使用dom模塊生成XML文件示例
這篇文章主要介紹了Python中使用dom模塊生成XML文件示例,本文講解了dom模塊的主要方法、詳細的代碼實例,需要的朋友可以參考下
2015-04-04
Python定時器實例代碼
這篇文章主要介紹了Python定時器實例代碼，向大家分享了兩部分代碼示例，一個是通過線程實現定時器timer，另一個是Python實現的精度可調的定時器實例，具有一定參考價值，需要的朋友可以了解下。
2017-11-11
從零學python系列之從文件讀取和保存數據
在Python一般都是運用內置函數open()與文件進行交互，下面說說具體用法
2014-05-05
pytorch之ImageFolder使用詳解
今天小編就為大家分享一篇pytorch之ImageFolder使用詳解，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧
2020-01-01