YOLOv5解析 | 第三篇：如何改进YOLOv5？

大家好，我是K同学啊！

在前面的文章YOLOv5解析 | 第二篇：用YOLOv5训练自己的数据集（超级详细完整版）中我们介绍了使用训练自己的数据集。

这一篇文章，我将带大家一起解析

YOLOv5

的

6.0

版本结构并改进模型，先看看我们模型结构图~

由于YOLOv5存在多个版本，所以你在网上可能会看到许多不同版本是网络结构图。（**这里放的是最新的

YOLOv5

的

6.0

版本结构图**）

文章目录

一、YOLOv5的结构文件

我们如何找到YOLOv5的结构文件？

文件定位：…/models/***.yaml

你将会看到YOLOv5又分为

YOLOv5l

、

YOLOv5m

、

YOLOv5n

、

YOLOv5s

、

YOLOv5x

五个版本，这五个版本唯一的区别是网络深度（depth_multiple）与宽度（width_multiple）不一样，这里先不展开，你只需要知道这几个家伙都是YOLOv5只是有细微区别即可。下文我将以YOLOv5s为模板展开介绍。

# YOLOv5 🚀 by Ultralytics, GPL-3.0 license# Parameters
nc:80# 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, Detect,[nc, anchors]],# Detect(P3, P4, P5)]

二、如何修改网络结构

对于网络结构的修改我们需要改动的文件如下：

• ./models/yolov5s.yaml
• ./models/common.py
• ./models/yolo.py

举例，我现在要将YOLOv5s中的一个

C3

模块修改为自定义的

C3KTongxue

模块，我们需要做哪些工作呢？

1. 修改yolov5s.yaml文件

第一步，定位你想修改的那个C3模块的位置，将名字

C3

修改为

C3KTongxue

（注意根据你自定义的模块修改相关参数）。

2. 修改common.py文件

第二步，在

common.py

文件中添加自定义模块

C3KTongxue

的代码实现类

3. 修改yolo.py文件

第三步，在yolo.py文件中的相关位置添加上自定义模块

C3KTongxue

（位置已经下图中标明）。