【Yolov5】Yolov5添加检测层，四层结构对小目标、密集场景更友好

🚀🚀🚀
Yolov5增加检测层🚀🚀🚀

前言

Yolov5的检测速度与精度较为平衡，但是原算法对于小目标的检测效果不佳，根据一些论文，我们可以通过增加检测层来提高对小目标的特征提取能力，增加算法在密集场景下的表现。

文章目录

一、网络结构说明

Yolov5原网络结构如下：

增加一层检测层后，网络结构如下：（其中虚线表示删除的部分，细线表示增加的数据流动方向）

二、网络配置

第一步，在models文件夹下面创建yolov5s-add-one-layer.yaml文件。

第二步，将下面的内容粘贴到新创建的文件中。

# YOLOv5 🚀 by Ultralytics, GPL-3.0 license# Parametersnc:2# number of classesdepth_multiple:0.33# model depth multiplewidth_multiple:0.50# layer channel multipleanchors:-[4,5,8,10,22,18]# P2/4-[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 backbonebackbone:# [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 headhead:[[-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# add feature extration layer [-1,3, C3,[256,False]],# 17[-1,1, Conv,[128,1,1]],[-1,1, nn.Upsample,[None,2,'nearest']],[[-1,2],1, Concat,[1]],# cat backbone P3# add detect layer[-1,3, C3,[128,False]],# 21 (P4/4-minium)[-1,1, Conv,[128,3,2]],[[-1,18],1, Concat,[1]],# cat head P3# end[-1,3, C3,[256,False]],# 24 (P3/8-small)[-1,1, Conv,[256,3,2]],[[-1,14],1, Concat,[1]],# cat head P4[-1,3, C3,[512,False]],# 27 (P4/16-medium)[-1,1, Conv,[512,3,2]],[[-1,10],1, Concat,[1]],# cat head P5[-1,3, C3,[1024,False]],# 30 (P5/32-large)[[21,24,27,30],1, Detect,[nc, anchors]],# Detect(P2, P3, P4, P5)]

第三步，在终端中输入命令：

python models/yolo.py --cfg=yolov5s-add-one-layer.yaml

，按下Enter键运行后看到下面的效果

到这里就配置完成，可以进行训练了。

三、使用效果

我们看看添加一个层次后效果如何
原图 原网络推理 新网络推理
这里作者分别使用

yolov5s.yaml

与

yolov5s-add-one-layer.yaml

网络训练120轮，然后分别使用他们的

best.pt

模型进行推理。可以看到添加一层后，相对于原模型多检测出了三个口罩，而且对于原网络中检测错的人脸，其分类概率也更加正确了（图中是没有人脸的，所以概率越低越好）

最后，如果觉得本文对你有帮助，不妨动动小手点个赞，你的三连是作者更新的最大动力😊🌹