yolov8添加cbam注意力机制

(如果添加的是CBAM,已存在,忽略步骤 1 2 3)

步骤1.创建注意力机制-类

ultralytics/nn/modules/conv.py

步骤2.添加到conv.py文件的头文件里

ultralytics/nn/modules/conv.py

步骤3.添加到 init.py文件的头文件里

ultralytics/nn/modules/init .py


步骤4.tasks.py 中导入

ultralytics/nn/tasks.py

步骤5.tasks.py文件的parse_model函数,修改

在这个文件中,使用文件搜索功能(快捷键Ctrl + F),弹出快捷栏如下->

(错误步骤-不看此步骤-用于记录过程)--我们搜索下面这个代码"parse_model" 然后进行翻滚很容易就找到了下面的部分,同时进行红框内部的修改

(正确步骤)我们搜索下面这个代码"parse_model" 然后进行添加以下代码

python 复制代码
        elif m is CBAM: # todo 源码修改 (增加了elif)
            """
            ch[f]:上一层的
            args[0]:第0个参数
            c1:输入通道数
            c2:输出通道数
            """
            c1, c2 = ch[f], args[0]
            # print("ch[f]:",ch[f])
            # print("args[0]:",args[0])
            # print("args:",args)
            # print("c1:",c1)
            # print("c2:",c2)
            if c2 != nc:  # if c2 not equal to number of classes (i.e. for Classify() output)
                c2 = make_divisible(c2 * width, 8)
            args = [c1, *args[1:]]

步骤6.修改yaml文件进行网络结构的配置

如:ultralytics/cfg/models/v8 目录下的 yolov8.yaml

分析 - 学习网上的更改 (左:原结构;右:更改后的结构)

分析:在c2f层的后面添加了 CBAM层
分析:结构参数的变化

分析 - 自己任务代码的更改 (左:原结构;右:更改后的结构)

分析:在c2f层的后面添加了 CBAM层
分析:结构参数的变化

bug

yolov8训练中keyError报错

把项目中修改后的tasks.py 覆盖 环境配置里面的tasks.py,

或者将加入的注意力机制拷贝过去都可以解决此问题

环境配置里面的tasks.py目录:\anaconda3\envs\torch\Lib\site-packages\ultralytics\nn

参考链接:https://blog.csdn.net/weixin_70423469/article/details/131684931

运行效果

对比图(左:未添加cbam,右:添加cbam)

相关推荐
superxxd32 分钟前
跨平台音频IO处理库libsoundio实践
开发语言·qt·音视频
_OP_CHEN2 小时前
C++基础:(十二)list类的基础使用
开发语言·数据结构·c++·stl·list类·list核心接口·list底层原理
Bellafu6663 小时前
selenium常用的等待有哪些?
python·selenium·测试工具
小白学大数据3 小时前
Python爬虫常见陷阱:Ajax动态生成内容的URL去重与数据拼接
爬虫·python·ajax
2401_841495644 小时前
【计算机视觉】基于复杂环境下的车牌识别
人工智能·python·算法·计算机视觉·去噪·车牌识别·字符识别
Adorable老犀牛5 小时前
阿里云-ECS实例信息统计并发送统计报告到企业微信
python·阿里云·云计算·企业微信
ONE_PUNCH_Ge5 小时前
Go 语言变量
开发语言
幼稚园的山代王5 小时前
go语言了解
开发语言·后端·golang
倔强青铜三5 小时前
苦练Python第66天:文件操作终极武器!shutil模块完全指南
人工智能·python·面试
倔强青铜三5 小时前
苦练Python第65天:CPU密集型任务救星!多进程multiprocessing模块实战解析,攻破GIL限制!
人工智能·python·面试