YOLOv5模型架构详解(三)

YOLOv5模型架构详解 - 从基础模块到完整推理

目录

1. 模型基础模块介绍
2. CBS模块详解
3. SPPF模块详解
4. C3模块详解
5. 模型架构构建
6. YAML配置文件说明
7. 推理流程详解
8. 论文写作指南

---

第一章 模型基础模块介绍

1.1 YOLOv5的核心模块

YOLOv5网络架构由以下几个基础模块组成：

• CBS模块：卷积 + 批归一化 + 激活函数的基础构建块
• SPPF模块：空间金字塔池化模块，用于多尺度特征提取
• C3模块：YOLOv5中最复杂的模块，包含跳跃连接的结构

这三个模块的灵活组合构成了整个YOLOv5网络。

1.2 模块代码位置

所有模块相关的构建代码存放在项目的models文件夹中，包含各个模块的压缩文件和相应的实现代码。

---

第二章 CBS模块详解

2.1 CBS模块概述

CBS模块是YOLOv5的基础构建单元，由以下三部分组成：

• Conv (卷积层)：进行特征提取
• BatchNorm (批归一化)：加速训练，提高模型稳定性
• SiLU (激活函数)：引入非线性特征

2.2 CBS模块的实现

class CBS(nn.Module):
    def __init__(self, c1, c2, k=1, s=1, p=None):
        """
        c1: 输入通道数
        c2: 输出通道数
        k: 卷积核大小
        s: 步长
        p: 填充
        """
        super().__init__()
        self.conv = nn.Conv2d(c1, c2, k, s, p, bias=False)
        self.bn = nn.BatchNorm2d(c2)
        self.act = nn.SiLU()
    
    def forward(self, x):
        return self.act(self.bn(self.conv(x)))

2.3 参数说明

• 卷积核大小 (k)：决定了感受野的大小
• 步长 (s)：默认值为1
• 填充 §：根据卷积核大小自动计算，确保输出尺寸匹配

---

第三章 SPPF模块详解

3.1 SPPF模块概述

SPPF（Spatial Pyramid Pooling Fast）模块是YOLOv5中用于多尺度特征融合的关键组件。它通过多个不同大小的最大池化操作，在不改变特征图尺寸的情况下，提取多尺度特征。

3.2 SPPF模块的结构

SPPF模块包含以下步骤：

1. 定义多个最大池化层（通常为3个），池化核大小为5×5
2. 使用1×1卷积进行初始处理
3. 分别对输入进行多次池化操作
4. 将所有池化结果在通道维度上拼接
5. 使用1×1卷积进行融合

3.3 SPPF模块的实现

class SPPF(nn.Module):
    def __init__(self, c1, c2, k=5):
        super().__init__()
        self.cv1 = CBS(c1, c1 // 2, 1, 1)
        self.cv2 = CBS(c1 * 2, c2, 1, 1)
        self.m = nn.MaxPool2d(kernel_size=k, stride=1, padding=k // 2)
    
    def forward(self, x):
        x = self.cv1(x)
        y1 = self.m(x)
        y2 = self.m(y1)
        y3 = self.m(y2)
        return self.cv2(torch.cat([x, y1, y2, y3], 1))

3.4 前向传播过程

• 输入X经过CBS模块处理
• 对处理后的结果进行第一次最大池化，得到Y1
• Y1再进行最大池化，得到Y2
• Y2再进行最大池化，得到Y3
• 将X、Y1、Y2、Y3在通道维度上进行拼接
• 通过1×1卷积融合所有特征

3.5 感受野分析

• 最大池化的核大小为5×5
• 每次池化操作都能捕捉不同尺度的特征信息
• 通过多尺度融合，增强模型对不同大小目标的感知能力

---

第四章 C3模块详解

4.1 C3模块概述

C3模块是YOLOv5中最复杂的模块，它通过并联的两条处理通道和可选的跳跃连接，实现了多路特征提取和融合。C3模块有两种变体：

• C3-1：带有跳跃连接（Residual Connection）
• C3-2：不带跳跃连接

4.2 C3模块的结构

C3模块包含：

1. 两条并行的特征提取通道
2. 上通道：先经过1×1卷积（CBS），再经过3×3卷积（CBS）
3. 下通道：先经过1×1卷积（CBS），再经过1×1卷积（CBS）
4. 可选的跳跃连接
5. 通道融合：将两条通道的输出在通道维度拼接
6. 最后通过1×1卷积进行融合处理

4.3 C3模块的代码实现

class C3(nn.Module):
    def __init__(self, c1, c2, n=1, shortcut=True, g=1, e=0.5):
        """
        c1: 输入通道数
        c2: 输出通道数
        n: Bottleneck重复次数
        shortcut: 是否使用跳跃连接
        g: 分组卷积参数
        e: 扩展比例
        """
        super().__init__()
        c_ = int(c2 * e)
        self.cv1 = CBS(c1, c_, 1, 1)
        self.cv2 = CBS(c1, c_, 1, 1)
        self.cv3 = CBS(2 * c_, c2, 1, 1)
        self.m = nn.Sequential(*(Bottleneck(c_, c_, shortcut, g, e=1.0) for _ in range(n)))
    
    def forward(self, x):
        return self.cv3(torch.cat((self.m(self.cv1(x)), self.cv2(x)), 1))

4.4 跳跃连接的作用

• C3-1（shortcut=True）：使用跳跃连接，允许梯度直接反向传播，加速训练
• C3-2（shortcut=False）：不使用跳跃连接，仅通过顺序的卷积操作处理特征

4.5 前向传播过程

1. 输入X分别进入两条路径
2. 上路径：X → CV1 → Bottleneck模块（重复n次）
3. 下路径：X → CV2
4. 两条路径的输出在通道维度拼接
5. 经过CV3进行最终融合

---

第五章 模型架构构建

5.1 从YAML配置构建模型

YOLOv5的网络架构由YAML配置文件定义，包含以下信息：

• 网络各层的参数配置
• 每层的输入输出通道数
• 重复次数和其他超参数

5.2 模型构建流程

# 1. 读取YAML配置文件
# 2. 初始化各个模块（CBS, SPPF, C3等）
# 3. 根据配置串联各个模块
# 4. 完成整个网络构建

5.3 代码调用示例

使用ul.py文件调用YAML配置并构建模型：

from models.ul import YOLOv5

# 指定配置文件
model = YOLOv5('models/yolov5s.yaml')  # 也可以是 yolov5m, yolov5l, yolov5x

---

第六章 YAML配置文件详解

6.1 不同规模的YAML文件

YOLOv5提供多个规模的模型变体：

• yolov5s.yaml：Small模型，深度系数和宽度系数最小
• yolov5m.yaml：Medium模型，参数适中
• yolov5l.yaml：Large模型，深度宽度系数为1.0
• yolov5x.yaml：Extra Large模型，最大的模型

6.2 配置文件参数说明

深度系数（depth_multiple）和宽度系数（width_multiple）控制模型大小：

模型	深度系数	宽度系数
S	0.33	0.50
M	0.67	0.75
L	1.0	1.0
X	1.33	1.25

6.3 配置文件的使用

通过调整这些系数，可以快速创建不同规模的模型，而不需要修改代码结构。

---

第七章 推理流程详解

7.1 输入图像预处理

图像缩放过程

假设输入图像尺寸为608×416，目标输入尺寸为608×608：

1. 计算缩放比例：min(608/608, 416/608) = 0.591
2. 缩放后图像尺寸：608×0.591 = 311, 416×0.591 ≈ 246
3. 缩放到32的整数倍
4. 填充空白区域：上下左右各填充相应像素

最终得到标准化的输入尺寸。

7.2 推理步骤

1. 输入预处理：图像缩放、归一化
2. 前向传播：通过各个模块逐层处理
3. 特征提取：CBS、SPPF、C3等模块的组合处理
4. 输出处理：解析网络输出，得到检测结果

7.3 推理输出

推理完成后，模型会输出：

• 检测框的位置信息（x, y, w, h）
• 置信度分数
• 类别概率