Yolov5学习笔记2——代码框架

打开Yolov5的代码，可以看到有许多文件夹和很多的子文件。本文主要弄清楚Yolov5的代码框架。

data文件夹

该文件夹下主要存放项目运行所需要的数据，包括一些超参、默认输入的图片等。

hyps文件夹

该文件夹下存放的都是训练参数

hyp.Objects365.yaml——项目在进行Objects365训练的超参数。
hyp.scratch-high.yaml——里面的参数为对COCO数据集从零开始进行高增强训练的超参数。
hyp.scratch-low.yaml——对COCO数据集从零开始进行低增强训练的超参数。
hyp.scratch-med.yaml——对COCO数据集从零开始进行中等增强训练的超参数。
hyp.VOC.yaml——对VOC数据集进行训练时的超参数。

一般这些参数都不需要改动，这是作者团队大量训练记录的最好的参数结果。

images文件夹

该文件夹下存放了代码默认执行detect.py时检测的图片，执行后会在目录中新建一个runs文件夹并将检测的结果存放在/runs/detect文件夹下。

scripts文件夹

脚本文件夹。提供了下载权重文件夹、COCO数据集、COCO128数据集的方法。直接执行该脚本文件就可以直接下载yolov5x.pt文件和训练的数据集。

注意：如果想要运行脚本文件的话，首先要确定PyCharm有没有安装PowerShell平台，一般PyCharm会提示你安装的。

当然我还是比较推荐直接从github官网中下载。而数据集当然是自制。

其他.yaml文件

这些文件主要是对一些数据集做一个补充说明。如存放的路径、训练的路径、测试的路径等，以及这些数据集有多少张图片，定义了多少个类别等。当然代码中也写了下载这些数据集的方法。

Argoverse.yaml——Argo AI提供的Argoverse-HD数据集(环形前置中央摄像头)
coco.yaml——由微软提供的COCO 2017数据集，网址为：http://cocodataset.org
coco128.yaml——由作者所在公司Ultralytics提供的COCO128数据集(来自COCO train2017的前128张图片)，网址为：https://www.kaggle.com/ultralytics/coco128
GlobalWheat2020.yaml——由萨斯喀彻温大学提供全球小麦2020数据集网址为：http://www.global-wheat.com/
Objects365.yaml——提供了365个检测对象的数据集，几乎涵盖了生活中的各种常见物体。
SKU-110K.yaml——由Trax retail提供的SKU-110K零售项目数据集网址为：https://github.com/eg4000/SKU110K_CVPR19
VisDrone.yaml——由天津大学提供的VisDrone2019-DET数据集(无人机拍摄的图片)https://github.com/VisDrone/VisDrone-Dataset
VOC.yaml——由牛津大学提供的PASCAL VOC数据集http://host.robots.ox.ac.uk/pascal/VOC
xView.yaml——由美国国家地理空间情报局(NGA)提供的DIUx xView 2018挑战赛中的数据集。https://challenge.xviewdataset.org

model文件夹——模型文件

在本文件夹中主要存放了各种Yolo算法的模型文件。在这些模型文件中定义了如下参数：

参数	解释
nc	训练和检测的类别数量
depth_multiple	网络深度
width_multiple	网络宽度
anchors	锚点框参数
backbone	骨干网络参数
head	检测头

下面以yolov5s.yaml为例，对里面的相关参数进行详细解释。

.yaml介绍

YAML(YAML Ain`t Markup language)文件， 它不是一个标记语言。配置文件有xml、properties等，但 **YAML是以数据为中心 **，更适合做配置文件。
YAML的语法和其他高级语言类似，并且可以 简单表达清单、散列表，标量等数据形态。
它使用 **空白符号缩进 **和大量依赖外观的特色，特别适合用来表达或编辑数据结构、各种配置文件、倾印调试内容、文件大纲。 yaml介绍
大小写敏感；缩进不允许使用tab，只允许空格；缩进的空格数不重要，只要相同层级的元素左对齐即可；’#’表示注释；使用缩进表示层级关系。

注意，在yaml文件中空格数其实也是重要的！在建立YAML 对象时，对象键值对使用冒号结构表示 key: value， 冒号后面要加一个空格。

parameters

# Parameters
nc: 80  # number of classes
depth_multiple: 0.33  # model depth multiple
width_multiple: 0.50  # layer channel multiple

nc： 类别数，你的类别有多少就填写多少。从1开始算起，不是0-14这样算。
depth_multiple：控制 模型的深度。
width_multiple：控制 卷积核的个数。

**depth_multiple **是用在 **backbone **中的 **number≠1的情况下， **即在Bottleneck层使用，控制模型的深度，yolov5s中设置为0.33，假设yolov5l中有三个Bottleneck，那yolov5s中就只有一个Bottleneck。
因为一般 **number=1 **表示的是 **功能背景的层 **，比如说下采样Conv、Focus、SPP（空间金字塔池化）。
——————————————————————————————————————
**width_multiple **主要是用于设置arguments，例如yolov5s设置为0.5，Focus就变成[32, 3]，Conv就变成[64, 3, 2]。
以此类推，卷积核的个数都变成了设置的一半。

yolov5提供了s、m、l、x四种，所有的.yaml文件都设置差不多，只有上面2和3的设置不同，作者团队很厉害，只需要修改这两个参数就可以调整模型的网络结构。

anchors

anchors:
  - [10,13, 16,30, 33,23]  # P3/8
  - [30,61, 62,45, 59,119]  # P4/16
  - [116,90, 156,198, 373,326]  # P5/32

首先，anchor box就是从训练集中真实框（ground truth）中统计或聚类得到的几个不同尺寸的框。避免模型在训练的时候盲目的找，有助于模型快速收敛。假设每个网格对应k个anchor，也就是模型在训练的时候，它只是会在每一个网格附近找出这k种形状，不会找其他的。

anchor其实就是对预测的对象范围进行约束，并加入了尺寸先验经验，从而实现多尺度学习的目的。

而对于yolov5l来说，输出为3个尺度的特征图，分别为13×13、26×26、52×52，对应着9个anchor，每个尺度均分3个anchor。

最小的13×13的特征图上由于其感受野最大，应该使用大的anchor(116x90)，(156x198)，(373x326)，这几个坐标是针对原始输入的，即416×416的，因此要除以32把尺度缩放到13×3下使用，适合较大的目标检测。中等的26×26特征图上由于其具有中等感受野故应用中等的anchor box (30x61)，(62x45)，(59x119)，适合检测中等大小的目标。较大的33×23特征图上由于其具有较小的感受野故应用最小的anchor box(10x13)，(16x30)，(33x23)，适合检测较小的目标。具体使用就是每个grid cell都有3个anchor box。

根据检测层来相应增加anchors。

backbone

backbone:
  # [from, number, module, args]
  [[-1, 1, Conv, [64, 6, 2, 2]],  # 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, 6, 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, 3, C3, [1024]],
   [-1, 1, SPPF, [1024, 5]],  # 9
  ]

Bottleneck 可以译为“瓶颈层”。
from列参数： -1代表是从上一层获得的输入， -2表示从上两层获得的输入（head同理）。
number列参数： 1表示只有一个，3表示有三个相同的模块。
SPPF、Conv、Bottleneck、BottleneckCSP的代码可以在 ./models/common.py中获取到。
[64, 6, 2, 2]解析得到[3, 32, 3] ，输入为3（RGB），输出为32，卷积核k为3；
[128, 3, 2]这是固定的，128表示输出128个卷积核个数。根据[128, 3, 2]解析得到[32, 64, 3, 2] ，32是输入，64是输出（128×0.5=64），3表示3×3的卷积核，2表示步长为2。
主干网是图片从大到小，深度不断加深。
args这里的输入都省去了，因为输入都是上层的输出。为了修改过于麻烦，这里输入的获取是从./models/yolo.py的 def parse_model(md, ch)函数中解析得到的。

head

head检测头：一般表示的是经过主干网后输出的特征图，特征图输入head中进行检测，包括类别和位置的检测。

# YOLOv5 v6.0 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)
  ]

运行models文件夹下yolo.py文件，得到的解析图如下所示：

与上面的模型似乎不太一样。

后面弄清楚了再来补充。

common.py

该部分是backbone各个模块参数讲解。

utils文件夹——工具包

这三个文件夹都用的很少，需要用到时再做了解。

aws文件夹

里面是一些跟其他语言对接的文件

flask_rest_api

存放了做后端API的一些例程代码和封装好的函数

loggers

终端需要打印任务信息的接口函数。

工具包函数

文件名	备注
activations.py	激活函数
augmentations.py	图片增强函数
autoanchor.py	自动锚点工具函数
autobatch.py	自动批量处理工具
benchmarks.py	/
callbacks.py	回调函数
datasets.py	用于数据加载和数据集的工具
downloads.py	下载工具
general.py	通用工具函数
loss.py	计算损失函数工具
metrics.py	模型验证函数
plots.py	可视化工具
torch_utils.py	`PyTorch`相关工具

主目录下其他.py代码

detect.py

对图像、视频、路径、流媒体等进行推理检测。

export.py

导出YOLOv5 PyTorch模型到其他格式。如ONNX、OpenVINO、Core ML以及TensorFlow相关的格式。

train.py

训练程序，在自定义数据集上训练YOLOv5模型。

val.py

在自定义数据集上验证经过训练的YOLOv5模型的准确性。

YOLOv5学习笔记2