視覺(jué)注意力機(jī)制的各種模塊是個(gè)好東西,即插即用,可以添加到主流的對(duì)象檢測(cè)、實(shí)例分割等模型的backbone與neck中,實(shí)現(xiàn)輕松漲點(diǎn),本文使用OID數(shù)據(jù)集的2000多張數(shù)據(jù),基于YOLOv5s基礎(chǔ)上實(shí)現(xiàn)五種視覺(jué)注意力模塊的改進(jìn),然后訓(xùn)練相同的輪次,橫向比較模型的精度。
YOLOv5添加注意模塊魔改
視覺(jué)注意力機(jī)制是一個(gè)好東西,即插即用,YOLOv5 7.0版本工程代碼簡(jiǎn)潔明了,代碼加入視覺(jué)注意力模塊支持異常方便,以SE注意力為例,只要三步即可完成: 1. 修改模型結(jié)構(gòu)文件yaml、添加注意力機(jī)制SENet模塊 2. 修改模型結(jié)構(gòu)實(shí)現(xiàn)代碼文件common.py,實(shí)現(xiàn)SENet模塊代碼添加 3. 修改模型解析代碼文件yolo.py,注冊(cè)新添加的SENet模塊解析支持 這樣就完成了YOLOv5+SE注意力模塊的支持,別急,我還修改了ECA、CA、GAM、CBAM,顯示如下:
然后統(tǒng)統(tǒng)訓(xùn)練100輪次,跟原來(lái)的沒(méi)有添加注意力機(jī)制的對(duì)比一下,看看效果怎么樣?答案揭曉了,
我只是在SPPF之前的一層添加了注意力模塊,只有這個(gè)小小的改動(dòng)!從效果看,基本都可以漲點(diǎn)了…
對(duì)比驗(yàn)證結(jié)果
100 輪次OID數(shù)據(jù)集自定義數(shù)據(jù),YOLOv5s模型與SE、ECA、CA、CBAM、GAM五種注意力改進(jìn)模型,mAP指標(biāo)統(tǒng)計(jì)與對(duì)比
YOLOv5注意力機(jī)制模型部署
然后我還基于以前的測(cè)試程序上測(cè)試一下,導(dǎo)出ONNX格式,然后通過(guò)ONNXRUNTIME進(jìn)行推理,以SE注意力+YOLOv5s為例,感覺(jué)一切順利。PyQT5 + ONNXRUNTIME, 圖示如下:
責(zé)任編輯:彭菁
-
模塊
+關(guān)注
關(guān)注
7文章
2626瀏覽量
47211 -
數(shù)據(jù)
+關(guān)注
關(guān)注
8文章
6754瀏覽量
88611 -
代碼
+關(guān)注
關(guān)注
30文章
4694瀏覽量
68075
原文標(biāo)題:用注意力機(jī)制魔改YOLOv5漲點(diǎn)
文章出處:【微信號(hào):CVSCHOOL,微信公眾號(hào):OpenCV學(xué)堂】歡迎添加關(guān)注!文章轉(zhuǎn)載請(qǐng)注明出處。
發(fā)布評(píng)論請(qǐng)先 登錄
相關(guān)推薦
評(píng)論