在我的本科毕业论文中，我使用了Yolov5，并尝试对其更改。可以对Yolov5进行一定程度的定制化修改，例如更轻量级的Yolov5-MobileNetv3 或者比Yolov5s更好的（存疑，没有跑过大数据集，可自己实验）Yolov5-EfficientNet。

首先在修改之前，先看Yolov5的网络结构。整体看起来很复杂，但是不用慌张，本篇文章的主要修改处Backbone（特征提取网络）可以抽象为只有三部分，也就是只需要修改这一处地方即可。

然后了解我们需要修改的代码。需要修改代码主要集中在yolov5的model文件夹下。yaml主要是修改代码后相对应的配置文件。common.py中添加新的模块，yolo.py中则是让模型能够支持读取相应的配置文件。

前情介绍完毕。下面正式开始进行模型修改，第一步是选择一些性能比较好的特征提取网络，比如前文提到的MobileNet、EfficientNet等。其实表现的比较好的特征提取网络，大部分都经过三次及以上的下采样，能够得到三种不同大小的特征图。在Yolov5中会将这三种大小特征图进行特征融合，FPN和APN的操作，这里不详细展开，主要需要注意的是特征提取网络需要提取出三种不同大小的特征图，我们选择特征提取网络的最后三次下采样的输出给Yolov5网络，就完成了特征提取网络的修改。
以MobileNetv3-Small为例（我们甚至不需要自己搭建网络，直接挪用pytorch官方网络，以下网络任君选择）pytorch官网

输出网络结构，观察网络。mobilenetv3中主要分为features、avgpool、classify三部分组成，作用分别为特征提取、全局池化、分类器。我们只需要关注特征提取部分，并且着重关注于最后三次降采样部分，所以我们从最后开始往前进行观察。


MobileNet中的倒数第一次下采样发生在第九个模块。（如何快速看到降采样，简单来讲就是stride为2的地方。当然实际还有kernel_size等于5或者其他情况，但是一般比较新的网络kernel_size为5伴随的还有2的padding，所以偷懒可以只看stride） 因此9-11对应YOLOv5倒数第一次降采样。

倒数第二次降采样4-8

倒数第三次降采样0-3

确定好网络提取方式后，第二步，在common.py中最后添加模块。可以看到非常简单，主要添加MobileNet的三个部分。

from torchvision import modelsclass MobileNet1(nn.Module):# out channel 24def __init__(self, ignore) -> None:super().__init__()model = models.mobilenet_v3_small(pretrained=True)modules = list(model.children())modules = modules[0][:4]self.model = nn.Sequential(*modules)def forward(self, x):return self.model(x)class MobileNet2(nn.Module):# out 48 channeldef __init__(self, ignore) -> None:super().__init__()model = models.mobilenet_v3_small(pretrained=True)modules = list(model.children())modules = modules[0][4:9]self.model = nn.Sequential(*modules)def forward(self, x):return self.model(x)class MobileNet3(nn.Module):# out 576 channeldef __init__(self, ignore) -> None:super().__init__()model = models.mobilenet_v3_small(pretrained=True)modules = list(model.children())modules = modules[0][9:]self.model = nn.Sequential(*modules)def forward(self, x):return self.model(x)

第三步，修改yolo.py 在这部分添加这行代码，意思是在解析yaml时放入相应的模块。arg[0]表示yaml模块后跟着的第一个参数，这个参数要告诉模型，此模块输出的通道数。可以回到上面看一看，三个模块的输出通道数为24、48、576。

最后添加模型的yaml，我选择以yolov5n为原型进行修改。

yolov5n

# YOLOv5by Ultralytics, GPL-3.0 license# Parametersnc: 80# number of classesdepth_multiple: 0.33# model depth multiplewidth_multiple: 0.25# 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, Detect, [nc, anchors]],# Detect(P3, P4, P5)]

yolov5n-mobilenet

# YOLOv5by Ultralytics, GPL-3.0 license# Parametersnc: 80# number of classesdepth_multiple: 0.33# model depth multiplewidth_multiple: 0.25# 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, MobileNet1, [24]],# 0 [-1, 1, MobileNet2, [48]],# 1 [-1, 1, MobileNet3, [576]],# 2 [-1, 1, SPPF, [1024, 5]],# 3]# YOLOv5 v6.0 headhead:[[-1, 1, Conv, [512, 1, 1]], [-1, 1, nn.Upsample, [None, 2, 'nearest']], [[-1, 1], 1, Concat, [1]],# cat backbone P4 [-1, 3, C3, [512, False]],# 7 [-1, 1, Conv, [256, 1, 1]], [-1, 1, nn.Upsample, [None, 2, 'nearest']], [[-1, 0], 1, Concat, [1]],# cat backbone P3 [-1, 3, C3, [256, False]],# 11 (P3/8-small) [-1, 1, Conv, [256, 3, 2]], [[-1, 7], 1, Concat, [1]],# cat head P4 [-1, 3, C3, [512, False]],# 14 (P4/16-medium) [-1, 1, Conv, [512, 3, 2]], [[-1, 3], 1, Concat, [1]],# cat head P5 [-1, 3, C3, [1024, False]],# 17 (P5/32-large) [[11, 14, 17], 1, Detect, [nc, anchors]],# Detect(P3, P4, P5)]

修改的话其实很好理解，yolov5n的back可以按着#的序号来数，concat的就是下采样层，照葫芦画猫，序号改成我们的模块即可。

最后使用–cfg调用即可

python train.py --cfg yolov5n-mobileNet.yaml --weight yolov5n.pt

简单讲一下Yolov5-MobileNetv3的表现，GFLOPs即运算量大幅度减少的同时，精度与yolov5n未使用预训练网络的性能相近。但是GPU环境下运算速度没有提升，主要由于SE模块的特点，不展开细讲，更适合CPU移动平台。

小秀一下，只更改过一个数字的Yolov5贡献者。下一篇文章将介绍如何使用TensorRT C++加速yolov5.