YOLOv5代碼詳解 (第四部分)
4. common.py
該部分是backbone各個模塊參數講解。
4.1 卷積層
4.1.1 深度分離卷積層
深度分離(DepthWise)卷積層,是GCONV的極端情況,分組數量等於輸入通道數量,即每個通道作爲一個小組分別進行卷積,結果聯結作爲輸出,Cin = Cout = g,沒有bias項。參考鏈接
def DWConv(c1, c2, k=1, s=1, act=True):
# Depthwise convolution
return Conv(c1, c2, k, s, g=math.gcd(c1, c2), act=act)
k=1是卷積核kenel,s=1是步長stride,math.gcd() 返回的是最大公約數。
4.1.1 標準卷積層
class Conv(nn.Module):
# Standard convolution
def __init__(self, c1, c2, k=1, s=1, g=1, act=True): # ch_in, ch_out, kernel, stride, groups
super(Conv, self).__init__()
self.conv = nn.Conv2d(c1, c2, k, s, autopad(k, p), groups=g, bias=False)
self.bn = nn.BatchNorm2d(c2)
self.act = nn.LeakyReLU(0.1, inplace=True) if act else nn.Identity()
def forward(self, x): # 前向計算
return self.act(self.bn(self.conv(x)))
def fuseforward(self, x): # 前向融合計算
return self.act(self.conv(x))
- g=1表示從輸入通道到輸出通道的阻塞連接數爲1。
- autopad(k, p)此處換成自動填充。
- 標準卷積層包括conv+BN+Leaky relu。
nn.Conv2d函數基本參數是:
nn.Conv2d(self, in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True, padding_mode='zeros')
參數:nn.Conv參考鏈接
- in_channel:輸入數據的通道數,例RGB圖片通道數爲3。
- out_channel: 輸出數據的通道數,這個根據模型調整。
- kennel_size: 卷積核大小,可以是int,或tuple;kennel_size=2,意味着卷積大小(2,2),kennel_size=(2,3),意味着卷積大小(2,3)即非正方形卷積。
- stride:步長,默認爲1,與kennel_size類似,stride=2,意味着步長上下左右掃描皆爲2,stride=(2,3),左右掃描步長爲2,上下爲3。
- padding:零填充。
- groups:從輸入通道到輸出通道的阻塞連接數。
- bias:如果爲“True“,則向輸出添加可學習的偏置。
4.2 標準Bottleneck
class Bottleneck(nn.Module):
# Standard bottleneck
def __init__(self, c1, c2, shortcut=True, g=1, e=0.5): # ch_in, ch_out, shortcut, groups, expansion
super(Bottleneck, self).__init__()
c_ = int(c2 * e) # hidden channels
self.cv1 = Conv(c1, c_, 1, 1)
self.cv2 = Conv(c_, c2, 3, 1, g=g)
self.add = shortcut and c1 == c2
def forward(self, x):
return x + self.cv2(self.cv1(x)) if self.add else self.cv2(self.cv1(x))
4.3 BottleneckCSP
這部分是幾個標準Bottleneck的堆疊+幾個標準卷積層。
class BottleneckCSP(nn.Module):
# CSP Bottleneck https://github.com/WongKinYiu/CrossStagePartialNetworks
def __init__(self, c1, c2, n=1, shortcut=True, g=1, e=0.5): # ch_in, ch_out, number, shortcut, groups, expansion
super(BottleneckCSP, self).__init__()
c_ = int(c2 * e) # hidden channels
self.cv1 = Conv(c1, c_, 1, 1)
self.cv2 = nn.Conv2d(c1, c_, 1, 1, bias=False)
self.cv3 = nn.Conv2d(c_, c_, 1, 1, bias=False)
self.cv4 = Conv(2 * c_, c2, 1, 1)
self.bn = nn.BatchNorm2d(2 * c_) # applied to cat(cv2, cv3)
self.act = nn.LeakyReLU(0.1, inplace=True)
self.m = nn.Sequential(*[Bottleneck(c_, c_, shortcut, g, e=1.0) for _ in range(n)])
def forward(self, x):
y1 = self.cv3(self.m(self.cv1(x)))
y2 = self.cv2(x)
return self.cv4(self.act(self.bn(torch.cat((y1, y2), dim=1))))
4.4 SPP
SPP是空間金字塔池化的縮寫。
class SPP(nn.Module):
# Spatial pyramid pooling layer used in YOLOv3-SPP
def __init__(self, c1, c2, k=(5, 9, 13)):
super(SPP, self).__init__()
c_ = c1 // 2 # hidden channels
self.cv1 = Conv(c1, c_, 1, 1)
self.cv2 = Conv(c_ * (len(k) + 1), c2, 1, 1)
self.m = nn.ModuleList([nn.MaxPool2d(kernel_size=x, stride=1, padding=x // 2) for x in k])
def forward(self, x):
x = self.cv1(x)
return self.cv2(torch.cat([x] + [m(x) for m in self.m], 1))
torch.cat()
是將兩個tensor橫着拼接在一起。
補充:或者是list列表中的tensor。參考鏈接
4.5 Flatten
在全局平均池化以後使用,去掉2個維度。
class Flatten(nn.Module):
# Use after nn.AdaptiveAvgPool2d(1) to remove last 2 dimensions
def forward(self, x):
return x.view(x.size(0), -1)
x.size(0)
是batch的大小。
4.6 Focus
把寬度w和高度h的信息整合到c空間中。
class Focus(nn.Module):
# Focus wh information into c-space
def __init__(self, c1, c2, k=1, s=1, p=None, g=1, act=True): # ch_in, ch_out, kernel, stride, padding, groups
super(Focus, self).__init__()
self.conv = Conv(c1 * 4, c2, k, s, p, g, act)
def forward(self, x): # x(b,c,w,h) -> y(b,4c,w/2,h/2)
return self.conv(torch.cat([x[..., ::2, ::2], x[..., 1::2, ::2], x[..., ::2, 1::2], x[..., 1::2, 1::2]], 1))
需要注意的是,concat的獲取如下圖所示。圖參考鏈接
4.7 Concat
拼接函數,將兩個tensor進行拼接起來。
class Concat(nn.Module):
# Concatenate a list of tensors along dimension
def __init__(self, dimension=1):
super(Concat, self).__init__()
self.d = dimension
def forward(self, x):
return torch.cat(x, self.d)
覺得好的話,記得給個贊哦~
有什麼錯誤,請在評論區指出。轉載請註明出處,謝謝啦!