训练设置
$ python -m torch.distributed.launch --nproc_per_node 2 train.py --weights --cfg yolov5s.yaml --data data/VOC2007.yaml -- hyp data/hyps/hyp.scratch-high.yaml --epochs 300 --device 0,1
- 实验环境为2个GTX 1080 Ti
- 数据集为VOC2007
- 超参数为hyp.scratch-high.yaml
- 训练300个epoch
- 其他参数均为源码中默认设置的数值
测试设置
$ python val.py --weights yolov5s.pt --data VOC2007.yaml --img 832 --augment --half --iou 0.6
$ python val.py --weights yolov5s.pt --data VOC2007.yaml --img 640 --task speed --batch 1
模型文件（参考）
yolov5s-Ghostconv-BiFPN-CA.yaml
nc: 20
depth_multiple: 0.33
width_multiple: 0.50
anchors:
- [10,13, 16,30, 33,23]
- [30,61, 62,45, 59,119]
- [116,90, 156,198, 373,326]
backbone:
[[-1, 1, Conv, [64, 6, 2, 2]],
[-1, 1, GhostConv, [128, 3, 2]],
[-1, 3, C3, [128]],
[-1, 1, GhostConv, [256, 3, 2]],
[-1, 6, C3, [256]],
[-1, 1, GhostConv, [512, 3, 2]],
[-1, 9, C3, [512]],
[-1, 1, GhostConv, [1024, 3, 2]],
[-1, 3, C3, [1024]],
[-1, 1, CABlock, [1024, 32]],
[-1, 1, SPPF, [1024, 5]],
]
head:
[[-1, 1, GhostConv, [512, 1, 1]],
[-1, 1, nn.Upsample, [None, 2, 'nearest']],
[[-1, 6], 1, Concat, [1]],
[-1, 3, C3, [512, False]],
[-1, 1, GhostConv, [256, 1, 1]],
[-1, 1, nn.Upsample, [None, 2, 'nearest']],
[[-1, 4], 1, Concat, [1]],
[-1, 3, C3, [256, False]],
[-1, 1, GhostConv, [256, 3, 2]],
[[-1, 15, 6], 1, Concat, [1]],
[-1, 3, C3, [512, False]],
[-1, 1, GhostConv, [512, 3, 2]],
[[-1, 11], 1, Concat, [1]],
[-1, 3, C3, [1024, False]],
[[18, 21, 24], 1, Detect, [nc, anchors]],
]
训练仍在进行中，之后会更新相应的测试结果，目前还没有尝试更多的改进方法，欢迎大家前来交流，分享改进YOLOv5的方法~
Original: https://blog.csdn.net/weixin_43799388/article/details/123612828
Author: 嗜睡的篠龙
Title: 【魔改YOLOv5-6.x（下）】YOLOv5s+Ghostconv+BiFPN+CA
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/626118/
转载文章受原作者版权保护。转载请注明原作者出处！