Yolov5添加ASFF
前言
Yolov5是单阶段目标检测算法的一种，网上有很多改进其性能的方法，添加ASFF模块就是其中一种，但是ASFF本身是用于Yolov3的，在v5中无法直接应用，且网上许多博客都是介绍这个模块的原理，没有直接可以应用的代码程序，我这里提供一种方案，如果有什么错误或理解不到位的地方，欢迎评论区指正。
文章目录
- 前言
- 一、ASFF来源及功能
- 二、ASFF代码
- 二、ASFF融合Yolov5网络
- 三、构建使用ASFF的网络
- 四、查看效果
一、ASFF来源及功能
ASFF：Adaptively Spatial Feature Fusion (自适应空间特征融合)
论文来源：Learning Spatial Fusion for Single-Shot Object Detection
代码地址：ASFF
关于ASFF的功能，在网络中所起到的作用，网上已有许多博客，这里不再多说，可以参考以下几位博主的博文：
- 叫我西瓜超人
- 蓝翔技校的码农
- Bruce_0712
个人的理解，ASFF就是对特征图金字塔的每一张图片进行卷积、池化等处理提取权重，然后在作用在某一层上，试图利用另外两层的信息来改善指定层次的特征提取能力。
但是在作者实验后发现，加入ASFF模块后，mAP值仅仅从原始网络的92.8%提高到93.8%。然而网络的参数量却翻了一倍达到1200万+，训练时的显存消耗、训练时间也多了不少，感觉有点得不偿失☹️。
提示：下面给出我所用的ASFF代码以及如何在Yolov5/6.0中使用
二、ASFF代码
这里的代码我结合yolov5的网络结构进行过修改，所以会与原代码不同.
第一步，在models/common.py文件最下面添加下面的代码：
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 stageclass ASFF(nn.Module): def __init__(self, level, rfb=False, vis=False): super(ASFF, self).__init__() self.level = level # 特征金字塔从上到下三层的channel数 # 对应特征图大小(以640*640输入为例)分别为20*20, 40*40, 80*80 self.dim = [512, 256, 128] self.inter_dim = self.dim[self.level] if level==0: # 特征图最小的一层，channel数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: # 特征图大小适中的一层，channel数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: # 特征图最大的一层，channel数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网络
第二步，在models/yolo.py文件的Detect类下面添加下面的类(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中的特征图从大到小，与ASFF中顺序相反，因此输入前先反向 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这个文件中，出现 Detect, Segment这个代码片段的地方加入ASFF_Detect，例如我的177行中改动后变成：
一共会改三处类似的地方，我的分别是177，211，353行。
三、构建使用ASFF的网络
第四步，在models文件夹下新创建一个文件，命名为yolov5s-ASFF.yaml，然后把下面的内容粘贴上去：
# YOLOv5 by Ultralytics, GPL-3.0 license# Parametersnc: 2 # number of classesdepth_multiple: 0.33 # model depth multiplewidth_multiple: 0.50 # layer channel multipleanchors: - [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 [-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，在终端中输入命令：
python models/yolo.py --cfg=yolov5s-ASFF.yaml
运行后可以看到我们修改后的模型就被打印出来了：
后续训练也是按照原模型的流程进行。
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