Y3学习打卡

网络结构图

YOLOv5配置了4种不同大小的网络模型，分别是YOLOv5s、YOLOv5m、YOLOv5l、YOLOv5x，其中 YOLOv5s 是网络深度和宽度最小但检测速度最快的模型，其他3种模型都是在YOLOv5s的基础上不断加深、加宽网络使得网络规模扩大，在增强模型检测性能的同时增加了计算资源和速度消耗。出于对检测精度、模型大小、检测速度的综合考量，本文选择YOLOv5s作为研究对象进行介绍。

models/yolov5s.yaml文件内容分析

1. 文件作用

yolov5s.yaml定义了YOLOv5s模型的网络结构、通道数（宽度）、层数（深度）和锚框（anchors）配置，是模型构建的核心配置文件。

---

2. 关键参数解析

(1) 模型缩放参数

YAML

# YOLOv5s depth_multiple: 0.33 # 控制模块重复次数（深度因子） width_multiple: 0.50 # 控制通道数（宽度因子）

• depth_multiple：模块重复次数的缩放因子。
  例如，若某模块默认重复次数为3，则YOLOv5s实际重复次数为 3 × 0.33 ≈ 1。
• width_multiple：通道数的缩放因子。
  例如，某层默认输出通道为64，则YOLOv5s实际通道为 64 × 0.50 = 32。
• 说明：YOLOv5s/m/l/x通过调整这两个参数实现模型大小和精度的平衡（s: small，m: medium，l: large，x: xlarge）。

---

(2) 锚框（Anchors）

YAML

anchors: - [10,13, 16,30, 33,23] # P3/8（检测小目标） - [30,61, 62,45, 59,119] # P4/16（检测中目标） - [116,90, 156,198, 373,326] # P5/32（检测大目标）

• 含义：每组锚框的宽高组合（w, h），用于初始化预测框尺寸。
• 层级分配：
  • P3（特征图尺寸为输入图像的1/8）：适合检测小目标。
  • P4（1/16）：适合中目标。
  • P5（1/32）：适合大目标。
• 调整建议：若自定义数据集目标尺寸差异大，需通过k-means聚类生成新的anchors。

---

(3) 网络结构

YOLOv5s的主干（Backbone）、颈部（Neck）和检测头（Head）采用模块化设计，典型结构示例如下：

YAML

backbone:# [来源, 参数列表]# 来源：-1表示上一层的输出，数字表示特定层的输出[[-1, 1, Conv, [64, 6, 2, 2]],  # 0-P1/2（卷积层）[-1, 1, Conv, [128, 3, 2]],    # 1-P2/4[-1, 3, C3, [128]],            # 2[-1, 1, Conv, [256, 3, 2]],    # 3-P3/8[-1, 6, C3, [256]],            # 4[-1, 1, Conv, [512, 3, 2]],    # 5-P4/16[-1, 9, C3, [512]],            # 6[-1, 1, Conv, [1024, 3, 2]],   # 7-P5/32[-1, 3, C3, [1024]],           # 8[-1, 1, SPPF, [1024, 5]],      # 9（空间金字塔池化）]head:[[-1, 1, Conv, [512, 1, 1]],                    # 10[-1, 1, nn.Upsample, [None, 2, 'nearest']],     # 11 上采样[[-1, 6], 1, Concat, [1]],                     # 12 横向连接（特征融合）[-1, 3, C3, [512, False]],                     # 13[-1, 1, Conv, [256, 1, 1]],                    # 14[-1, 1, nn.Upsample, [None, 2, 'nearest']],     # 15[[-1, 4], 1, Concat, [1]],                     # 16[-1, 3, C3, [256, False]],                     # 17[-1, 1, Conv, [256, 3, 2]],                    # 18[[-1, 14], 1, Concat, [1]],                    # 19[-1, 3, C3, [512, False]],                     # 20[-1, 1, Conv, [512, 3, 2]],                    # 21[[-1, 10], 1, Concat, [1]],                    # 22[-1, 3, C3, [1024, False]],                    # 23[[17, 20, 23], 1, Detect, [nc, anchors]],      # 24 检测头（P3, P4, P5）]

---

3. 模块详解

(1) 核心模块

• Conv 层：
  包含卷积 + BN + SiLU激活，参数格式为 [输出通道数, 卷积核大小, 步长, 填充]。

  YAML

  [-1, 1, Conv, [64, 6, 2, 2]] # 输出64通道，6x6卷积核，步长2，填充2

• C3 模块：
  跨阶段部分网络（Cross Stage Partial Network），减少计算量的同时保持精度。

  YAML

  [-1, 3, C3, [128]] # 重复3次，输出128通道

• SPPF 模块：
  空间金字塔池化快速版，融合多尺度特征。

  YAML

  [-1, 1, SPPF, [1024, 5]] # 输入1024通道，池化核最大5x5

• Detect 层：
  检测头，输出预测结果（坐标、类别、置信度）。

  YAML

  [[17, 20, 23], 1, Detect, [nc, anchors]] # 输入来自第17、20、23层，nc为类别数

---

(2) 特征融合逻辑

• 上采样：通过 nn.Upsample 提升特征图分辨率。
• 横向连接（Concat）：将深层特征与浅层特征拼接，增强小目标检测能力。

  YAML

  [[-1, 6], 1, Concat, [1]] # 拼接当前层和第6层的输出（按通道维度）

---

4. 模型定制建议

• 调整深度和宽度：修改 depth_multiple 和 width_multiple 以适配不同算力需求。
• 优化锚框：若数据集目标尺寸分布特殊，需重新计算anchors（使用utils/autoanchor.py）。
• 增减检测层：修改Head部分层级数可调整检测尺度（例如增加P2层检测极小目标）。

---

个人总结

• 熟悉了YOLOv5s模型的配置信息
• 将YOLOv5s模型中第4层和第6层的C3模块重复次数减少，具体影响分析如下：

---

1. 修改内容对比

原始配置

    原来的第4层：[-1, 6, C3, [256]]
    原来的第6层：[-1, 9, C3, [512]]
    （6 * 0.33=2，9* 0.33=3）

修改后配置

    修改后的第4层：[-1, 3, C3, [256]]
    修改后的第6层：[-1, 6, C3, [512]]

---

2. 对模型性能的影响

(1) 模型参数量与计算量

• 参数量（Parameters）：C3模块的重复次数减少会直接降低参数量，尤其是第4层（256通道）和第6层（512通道）的权重矩阵减少。
• 计算量（FLOPs）：C3模块的计算量与重复次数正相关，修改后模型整体FLOPs将下降，理论推理速度提升。
• 估算变化（以YOLOv5s为例）：
  • 原始：总参数量约7.2M，FLOPs约16.4B
  • 修改后：参数量预计减少约 0.8~1.2M，FLOPs减少约 3~4B。

(2) 检测精度（mAP）

• 负面影响：C3模块的重复次数减少会削弱网络的特征提取能力，尤其是对复杂场景和细粒度特征的捕捉，可能导致mAP下降。
  • 第4层（浅层网络）：减少C3模块次数会削弱对图像基础特征（如边缘、纹理）的提炼能力。
  • 第6层（中层网络）：减少C3模块次数会降低对中等尺度目标的语义理解能力。
• 典型场景影响：
  • 小目标检测：对分辨率较低的深层特征依赖更大，精度损失更明显。
  • 遮挡或模糊目标：模型鲁棒性可能下降。

(3) 推理速度

• 正向影响：计算量降低会提升推理速度（FPS），尤其在边缘设备（如Jetson Nano）上更显著。