YOLOv5中SPP/SPPF結(jié)構(gòu)源碼詳析(內(nèi)含注釋分析)
一、SPP的應(yīng)用的背景
在卷積神經(jīng)網(wǎng)絡(luò)中我們經(jīng)常看到固定輸入的設(shè)計(jì)，但是如果我們輸入的不能是固定尺寸的該怎么辦呢？
通常來(lái)說(shuō)，我們有以下幾種方法：
（1）對(duì)輸入進(jìn)行resize操作，讓他們統(tǒng)統(tǒng)變成你設(shè)計(jì)的層的輸入規(guī)格那樣。但是這樣過(guò)于暴力直接，可能會(huì)丟失很多信息或者多出很多不該有的信息（圖片變形等），影響最終的結(jié)果。
（2）替換網(wǎng)絡(luò)中的全連接層，對(duì)最后的卷積層使用global average pooling，全局平均池化只和通道數(shù)有關(guān)，而與特征圖大小沒(méi)有關(guān)系
（3）最后一個(gè)當(dāng)然是我們要講的SPP結(jié)構(gòu)啦~
二、SPP結(jié)構(gòu)分析
SPP結(jié)構(gòu)又被稱為空間金字塔池化，能將任意大小的特征圖轉(zhuǎn)換成固定大小的特征向量。
接下來(lái)我們來(lái)詳述一下SPP是怎么處理滴~
輸入層：首先我們現(xiàn)在有一張任意大小的圖片，其大小為w * h。
輸出層：21個(gè)神經(jīng)元 -- 即我們待會(huì)希望提取到21個(gè)特征。
分析如下圖所示：分別對(duì)1 * 1分塊，2 * 2分塊和4 * 4子圖里分別取每一個(gè)框內(nèi)的max值（即取藍(lán)框框內(nèi)的最大值），這一步就是作最大池化，這樣最后提取出來(lái)的特征值（即取出來(lái)的最大值）一共有1 * 1 + 2 * 2 + 4 * 4 = 21個(gè)。得出的特征再concat在一起。
而在YOLOv5中SPP的結(jié)構(gòu)圖如下圖所示：
其中，前后各多加一個(gè)CBL，中間的kernel size分別為1 * 1，5 * 5，9 * 9和13 * 13。
三、SPPF結(jié)構(gòu)分析
（x，y1這些是啥請(qǐng)看下面的代碼）
四、YOLOv5中SPP/SPPF結(jié)構(gòu)源碼解析（內(nèi)含注釋分析）
代碼注釋與上圖的SPP結(jié)構(gòu)相對(duì)應(yīng)。
class SPP(nn.Module):
def __init__(self, c1, c2, k=(5, 9, 13)):#這里5，9，13，就是初始化的kernel size
super().__init__()
c_ = c1 // 2 # hidden channels
self.cv1 = Conv(c1, c_, 1, 1)#這里對(duì)應(yīng)第一個(gè)CBL
self.cv2 = Conv(c_ * (len(k) + 1), c2, 1, 1)#這里對(duì)應(yīng)SPP操作里的最后一個(gè)CBL
self.m = nn.ModuleList([nn.MaxPool2d(kernel_size=x, stride=1, padding=x // 2) for x in k])
#這里對(duì)應(yīng)SPP核心操作，對(duì)5 * 5分塊，9 * 9分塊和13 * 13子圖分別取最大池化
def forward(self, x):
x = self.cv1(x)
with warnings.catch_warnings():
warnings.simplefilter('ignore') # suppress torch 1.9.0 max_pool2d() warning忽略警告
return self.cv2(torch.cat([x] + [m(x) for m in self.m], 1))
#torch.cat對(duì)應(yīng)concatSPPF結(jié)構(gòu)
class SPPF(nn.Module):
# Spatial Pyramid Pooling - Fast (SPPF) layer for YOLOv5 by Glenn Jocher
def __init__(self, c1, c2, k=5): # equivalent to SPP(k=(5, 9, 13))
super().__init__()
c_ = c1 // 2 # hidden channels
self.cv1 = Conv(c1, c_, 1, 1)
self.cv2 = Conv(c_ * 4, c2, 1, 1)
self.m = nn.MaxPool2d(kernel_size=k, stride=1, padding=k // 2)
def forward(self, x):
x = self.cv1(x)#先通過(guò)CBL進(jìn)行通道數(shù)的減半
with warnings.catch_warnings():
warnings.simplefilter('ignore') # suppress torch 1.9.0 max_pool2d() warning
y1 = self.m(x)
y2 = self.m(y1)
#上述兩次最大池化
return self.cv2(torch.cat([x, y1, y2, self.m(y2)], 1))
#將原來(lái)的x,一次池化后的y1,兩次池化后的y2,3次池化的self.m(y2)先進(jìn)行拼接，然后再CBL總結(jié)
到此這篇關(guān)于YOLOv5中SPP/SPPF結(jié)構(gòu)源碼詳析的文章就介紹到這了,更多相關(guān)YOLOv5 SPP/SPPF結(jié)構(gòu)內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
相關(guān)文章
大家好，本篇文章主要講的是關(guān)于python的對(duì)象序列化介紹，感興趣的同學(xué)趕快來(lái)看一看吧，對(duì)你有幫助的話記得收藏一下2022-01-01
numpy數(shù)組坐標(biāo)軸問(wèn)題解決
python定時(shí)復(fù)制遠(yuǎn)程文件夾中所有文件
numpy中數(shù)組拼接、數(shù)組合并方法總結(jié)(append(),?concatenate,?hstack,?vstack
使用OpenCV-python3實(shí)現(xiàn)滑動(dòng)條更新圖像的Canny邊緣檢測(cè)功能
python實(shí)現(xiàn)批量轉(zhuǎn)換圖片為黑白