目标检测算法——YOLOv5/YOLOv7改进之更换FReLU激活函数

深度学习Tricks，第一时间送达

论文地址：https://arxiv.org/pdf/2007.11824.pdf

代码地址：https://github.com/megvii-model/FunnelAct

ECCV2020 | FReLU：旷视提出一种新的激活函数，实现像素级空间信息建模

该作者提出了一种用于图像识别任务的简单但有效的激活函数，称为Funnel 激活函数（FReLU），它通过增加可忽略的空间条件开销将ReLU和PReLU扩展为2D激活函数。主要的创新点：在激活函数阶段实现像素级的空间信息建模能力，能够用于目标检测、语义分割等目标识别任务，简单又高效！

对ImageNet数据集、COCO数据集检测任务和语义分割任务进行了实验，展示了FReLU激活函数在视觉识别任务中的巨大改进和鲁棒性。

作者提出的FReLU（Funnel ReLU ——漏斗ReLU）非线性激活函数，在只增加一点点的计算负担的情况下，将ReLU和PReLU扩展成2D激活函数。具体的做法是将max()函数内的条件部分（原先ReLU的x<0部分）换成了2D的漏斗条件（代码主要通过DepthWise Separable Conv + BN 实现），解决了激活函数中的空间不敏感问题，使规则（普通）的卷积也具备捕获复杂的视觉布局能力，使模型具备像素级建模的能力。

YOLOv5/YOLOv7更换FReLU激活函数：

1.找到YOLOv5/YOLOv7的utils/activations.py文件，添加想要替换的激活函数。下面以FReLU激活函数为例，复制粘贴即可。

# FReLU https://arxiv.org/abs/2007.11824 -------------------------------------------------------------------------------
class FReLU(nn.Module):
    def __init__(self, c1, k=3):  # ch_in, kernel
        super().__init__()
        self.conv = nn.Conv2d(c1, c1, k, 1, 1, groups=c1, bias=False)
        self.bn = nn.BatchNorm2d(c1)

    def forward(self, x):
        return torch.max(x, self.bn(self.conv(x)))

2.打开common.py文件，修改Conv以及BottleneckCSP模块，将激活函数由原来的SiLU更换为FReLU激活函数。

其他激活函数替换方法与此相同，直接调用即可。小伙伴们改进过程有问题可直接call博主~

关于算法改进及论文投稿可关注并留言博主的CSDN/QQ

>>>一起交流！互相学习！共同进步！<<<