yolov5的代碼模型構(gòu)建是通過.yaml文件實現(xiàn)的，初次看上去會一頭霧水，這里記錄一下，也方便自己后面用到的時候查看。

以models/yolov5s.yaml為例

文件內(nèi)容如下：

# Parameters
nc: 5  # number of classes
depth_multiple: 0.33  # model depth multiple
width_multiple: 0.50  # layer channel multiple

anchors:
  - [24,24,29,84,59,42]  # P3/8
  - [45,146,75,87,157,49]  # P4/16
  - [310,167,139,341,127,151]  # P5/32

# YOLOv5 backbone
backbone:
  # [from, number, module, args]
  [[-1, 1, Focus, [64, 3]],  # 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, 9, 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, 1, SPP, [1024, [5, 9, 13]]],
   [-1, 3, C3, [1024, False]],  # 9
  ]

# YOLOv5 head
head:
  [[-1, 1, Conv, [512, 1, 1]],
   [-1, 1, nn.Upsample, [None, 2, 'nearest']],
   [[-1, 6], 1, Concat, [1]],  # 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, Concat, [1]],  # cat backbone P3
   [-1, 3, C3, [256, False]],  # 17 (P3/8-small)

   [-1, 1, Conv, [256, 3, 2]],
   [[-1, 14], 1, Concat, [1]],  # cat head P4
   [-1, 3, C3, [512, False]],  # 20 (P4/16-medium)

   [-1, 1, Conv, [512, 3, 2]],
   [[-1, 10], 1, Concat, [1]],  # cat head P5
   [-1, 3, C3, [1024, False]],  # 23 (P5/32-large)

   [[17, 20, 23], 1, Detect, [nc, anchors]],  # Detect(P3, P4, P5)
  ]

我們一個一個來解釋：

• 一些基本參數(shù)：
  • nc 數(shù)據(jù)集中物體的類別數(shù)
  • depth_multiple 控制網(wǎng)絡(luò)深度的系數(shù)
  • width_multiple 控制網(wǎng)絡(luò)寬度的系數(shù)
  • anchors 給不同尺度特征圖分配的anchors，可以看到包含三個列表，表示給三個尺度分配，這三個尺度在[[17, 20, 23], 1, Detect, [nc, anchors]] 指明，分別是網(wǎng)絡(luò)的第17、20和23層。注釋P3/8是指輸入下采樣了23 = 8倍，我們也可以發(fā)現(xiàn)網(wǎng)絡(luò)的第17層特征圖為輸入的1/8。
• BackBone：
  骨干網(wǎng)絡(luò)的定義，是一個列表，每一行表示一層。可以看到每一行是有4個元素的列表，[from, number, module, args]說明了這個4個元素的意思。
  • from 表示該層的輸入從哪來。-1表示輸入取自上一層，-2表示上兩層，3表示第3層（從0開始數(shù)），[-1, 4]表示取自上一層和第4層，依次類推。。。網(wǎng)絡(luò)層數(shù)的數(shù)法在注釋里已經(jīng)標(biāo)出來了，從0開始，每一行表示一層，例如0-P1/2表示第0層，特征圖尺寸為輸入的1/21。
  • number 表示該層模塊堆疊的次數(shù)，對于C3、BottleneckCSP等模塊，表示其子模塊的堆疊，具體細(xì)節(jié)可以查看源代碼。當(dāng)然最終的次數(shù)還要乘上depth_multiple系數(shù)。
  • module 表示該層的模塊是啥。Conv就是卷積+BN+激活模塊。所有的模塊在 model/common.py 中都有定義。
  • args 表示輸入到模塊的參數(shù)。例如Conv：[128, 3, 2] 表示輸出通道128，卷積核尺寸3，strid=2，當(dāng)然最終的輸出通道數(shù)還要乘上 width_multiple，對于其他模塊，第一個參數(shù)值一般都是指輸出通道數(shù)，具體細(xì)節(jié)可以看 model/common.py 中的定義。
• Head
  規(guī)則和BackBone一毛一樣，這里再解釋一些最后一層：
  [[17, 20, 23], 1, Detect, [nc, anchors]] 表示把第17、20和23三層作為Detect模塊的輸入， [nc, anchors]是初始化Detect模塊的參數(shù)。Detect模塊在model/yolo.py中聲明，相當(dāng)于從模型中提出想要的層作為輸入，轉(zhuǎn)換為相應(yīng)的檢測頭，其輸出用來計算loss。

補充：模型 yaml 文件中第四參數(shù)解釋

這里是對 backbone 和 head 超參數(shù)中第四個參數(shù)的理解

當(dāng)?shù)谌齻€參數(shù)為 Focus 時，第四個參數(shù)中，第一個值為該模塊中需要用到的通道數(shù)，第二個值為卷積核大小；

當(dāng)?shù)谌齻€參數(shù)為 Conv 時，第四個參數(shù)中，第一個值為該模塊中需要用到的通道數(shù)，第二個值為卷積核大小，第三個參數(shù)為步距大小；

當(dāng)?shù)谌齻€參數(shù)為 BottleneckCSP 時，第四個參數(shù)中，第一個值是該模塊用到的通道數(shù)；如果存在第二個參數(shù)，第二個參數(shù)：是否啟用 shortcut 連接

當(dāng)?shù)谌齻€參數(shù)為 SPP時，第四個參數(shù)就是 SPP 中需要用到的卷積核大小。

當(dāng)?shù)谌齻€參數(shù)為 nn.Upsample時，就是 torch 中實現(xiàn)的上采樣函數(shù)。

當(dāng)?shù)谌齻€參數(shù)為 Concat時，第四個參數(shù)就是 concat 中拼接的維度。

當(dāng)?shù)谌齻€參數(shù)為 Detect時，第四個參數(shù)中，第一個值為類別個數(shù)，第二個值為超參數(shù) anchors 的值。

總結(jié)?