前言

Yolov5是單階段目標(biāo)檢測(cè)算法的一種，網(wǎng)上有很多改進(jìn)其性能的方法，添加ASFF模塊就是其中一種，但是ASFF本身是用于Yolov3的，在v5中無(wú)法直接應(yīng)用，且網(wǎng)上許多博客都是介紹這個(gè)模塊的原理，沒(méi)有直接可以應(yīng)用的代碼程序，我這里提供一種方案，如果有什么錯(cuò)誤或理解不到位的地方，歡迎評(píng)論區(qū)指正。

一、ASFF來(lái)源及功能

ASFF：Adaptively Spatial Feature Fusion (自適應(yīng)空間特征融合)
論文來(lái)源：Learning Spatial Fusion for Single-Shot Object Detection
代碼地址：ASFF

關(guān)于ASFF的功能，在網(wǎng)絡(luò)中所起到的作用，網(wǎng)上已有許多博客，這里不再多說(shuō)，可以參考以下幾位博主的博文：

• 叫我西瓜超人
• 藍(lán)翔技校的碼農(nóng)
• Bruce_0712

個(gè)人的理解，ASFF就是對(duì)特征圖金字塔的每一張圖片進(jìn)行卷積、池化等處理提取權(quán)重，然后在作用在某一層上，試圖利用另外兩層的信息來(lái)改善指定層次的特征提取能力。

但是在作者實(shí)驗(yàn)后發(fā)現(xiàn)，加入ASFF模塊后，mAP值僅僅從原始網(wǎng)絡(luò)的92.8%提高到93.8%。然而網(wǎng)絡(luò)的參數(shù)量卻翻了一倍達(dá)到1200萬(wàn)+，訓(xùn)練時(shí)的顯存消耗、訓(xùn)練時(shí)間也多了不少，感覺(jué)有點(diǎn)得不償失??。

提示：下面給出我所用的ASFF代碼以及如何在Yolov5/6.0中使用

二、ASFF代碼

這里的代碼我結(jié)合yolov5的網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行過(guò)修改，所以會(huì)與原代碼不同.

第一步，在models/common.py文件最下面添加下面的代碼：

def add_conv(in_ch, out_ch, ksize, stride, leaky=True):
    """
    Add a conv2d / batchnorm / leaky ReLU block.
    Args:
        in_ch (int): number of input channels of the convolution layer.
        out_ch (int): number of output channels of the convolution layer.
        ksize (int): kernel size of the convolution layer.
        stride (int): stride of the convolution layer.
    Returns:
        stage (Sequential) : Sequential layers composing a convolution block.
    """
    stage = nn.Sequential()
    pad = (ksize - 1) // 2
    stage.add_module('conv', nn.Conv2d(in_channels=in_ch,
                                       out_channels=out_ch, kernel_size=ksize, stride=stride,
                                       padding=pad, bias=False))
    stage.add_module('batch_norm', nn.BatchNorm2d(out_ch))
    if leaky:
        stage.add_module('leaky', nn.LeakyReLU(0.1))
    else:
        stage.add_module('relu6', nn.ReLU6(inplace=True))
    return stage


class ASFF(nn.Module):
    def __init__(self, level, rfb=False, vis=False):
        super(ASFF, self).__init__()
        self.level = level
        # 特征金字塔從上到下三層的channel數(shù)
        # 對(duì)應(yīng)特征圖大小(以640*640輸入為例)分別為20*20, 40*40, 80*80
        self.dim = [512, 256, 128]
        self.inter_dim = self.dim[self.level]
        if level==0: # 特征圖最小的一層，channel數(shù)512
            self.stride_level_1 = add_conv(256, self.inter_dim, 3, 2)
            self.stride_level_2 = add_conv(128, self.inter_dim, 3, 2)
            self.expand = add_conv(self.inter_dim, 512, 3, 1)
        elif level==1: # 特征圖大小適中的一層，channel數(shù)256
            self.compress_level_0 = add_conv(512, self.inter_dim, 1, 1)
            self.stride_level_2 = add_conv(128, self.inter_dim, 3, 2)
            self.expand = add_conv(self.inter_dim, 256, 3, 1)
        elif level==2: # 特征圖最大的一層，channel數(shù)128
            self.compress_level_0 = add_conv(512, self.inter_dim, 1, 1)
            self.compress_level_1 = add_conv(256, self.inter_dim, 1, 1)
            self.expand = add_conv(self.inter_dim, 128, 3, 1)

        compress_c = 8 if rfb else 16  #when adding rfb, we use half number of channels to save memory

        self.weight_level_0 = add_conv(self.inter_dim, compress_c, 1, 1)
        self.weight_level_1 = add_conv(self.inter_dim, compress_c, 1, 1)
        self.weight_level_2 = add_conv(self.inter_dim, compress_c, 1, 1)

        self.weight_levels = nn.Conv2d(compress_c*3, 3, kernel_size=1, stride=1, padding=0)
        self.vis= vis


    def forward(self, x_level_0, x_level_1, x_level_2):
        if self.level==0:
            level_0_resized = x_level_0
            level_1_resized = self.stride_level_1(x_level_1)

            level_2_downsampled_inter =F.max_pool2d(x_level_2, 3, stride=2, padding=1)
            level_2_resized = self.stride_level_2(level_2_downsampled_inter)

        elif self.level==1:
            level_0_compressed = self.compress_level_0(x_level_0)
            level_0_resized =F.interpolate(level_0_compressed, scale_factor=2, mode='nearest')
            level_1_resized =x_level_1
            level_2_resized =self.stride_level_2(x_level_2)
        elif self.level==2:
            level_0_compressed = self.compress_level_0(x_level_0)
            level_0_resized =F.interpolate(level_0_compressed, scale_factor=4, mode='nearest')
            level_1_compressed = self.compress_level_1(x_level_1)
            level_1_resized =F.interpolate(level_1_compressed, scale_factor=2, mode='nearest')
            level_2_resized =x_level_2

        level_0_weight_v = self.weight_level_0(level_0_resized)
        level_1_weight_v = self.weight_level_1(level_1_resized)
        level_2_weight_v = self.weight_level_2(level_2_resized)
        levels_weight_v = torch.cat((level_0_weight_v, level_1_weight_v, level_2_weight_v),1)
        levels_weight = self.weight_levels(levels_weight_v)
        levels_weight = F.softmax(levels_weight, dim=1)

        fused_out_reduced = level_0_resized * levels_weight[:,0:1,:,:]+\
                            level_1_resized * levels_weight[:,1:2,:,:]+\
                            level_2_resized * levels_weight[:,2:,:,:]

        out = self.expand(fused_out_reduced)

        if self.vis:
            return out, levels_weight, fused_out_reduced.sum(dim=1)
        else:
            return out

二、ASFF融合Yolov5網(wǎng)絡(luò)

第二步，在models/yolo.py文件的Detect類(lèi)下面添加下面的類(lèi)(我的是在92行加的)

class ASFF_Detect(Detect):
    # ASFF model for improvement
    def __init__(self, nc=80, anchors=(), ch=(), inplace=True):  # detection layer
        super().__init__(nc, anchors, ch, inplace)
        self.nl = len(anchors)
        self.asffs = nn.ModuleList(ASFF(i) for i in range(self.nl))
        self.detect = Detect.forward

    def forward(self, x): # x中的特征圖從大到小，與ASFF中順序相反，因此輸入前先反向
        x = x[::-1]
        for i in range(self.nl):
            x[i] = self.asffs[i](*x)
        return self.detect(self, x[::-1])

第三步，在有yolo.py這個(gè)文件中，出現(xiàn) Detect, Segment這個(gè)代碼片段的地方加入ASFF_Detect，例如我的177行中改動(dòng)后變成：

一共會(huì)改三處類(lèi)似的地方，我的分別是177，211，353行。

三、構(gòu)建使用ASFF的網(wǎng)絡(luò)

第四步，在models文件夾下新創(chuàng)建一個(gè)文件，命名為yolov5s-ASFF.yaml，然后把下面的內(nèi)容粘貼上去：

# YOLOv5 ?? by Ultralytics, GPL-3.0 license

# Parameters
nc: 2  # number of classes
depth_multiple: 0.33  # model depth multiple
width_multiple: 0.50  # layer channel multiple
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

# YOLOv5 v6.0 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
  ]

# 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, ASFF_Detect, [nc, anchors]],  # Detect(P3, P4, P5)
  ]

四、查看效果

第五步，在終端中輸入命令：
python models/yolo.py --cfg=yolov5s-ASFF.yaml
運(yùn)行后可以看到我們修改后的模型就被打印出來(lái)了：

后續(xù)訓(xùn)練也是按照原模型的流程進(jìn)行。

如果覺(jué)得本文對(duì)你有幫助，不妨動(dòng)動(dòng)小手點(diǎn)個(gè)贊，你的三連是作者更新的最大動(dòng)力????

最后添加一下本文代碼的倉(cāng)庫(kù)地址（可能有些許差異）：https://gitee.com/inavacuum/yolov5_modified文章來(lái)源地址http://www.zghlxwxcb.cn/news/detail-400724.html

到了這里，關(guān)于【Yolov5】Yolov5添加ASFF, 網(wǎng)絡(luò)改進(jìn)優(yōu)化的文章就介紹完了。如果您還想了解更多內(nèi)容，請(qǐng)?jiān)谟疑辖撬阉鱐OY模板網(wǎng)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TOY模板網(wǎng)！