YOLOv5改进之添加CBAM注意力机制的方法
前 言：
作为当前先进的深度学习目标检测算法YOLOv5，已经集合了大量的trick，但是在处理一些复杂背景问题的时候，还是容易出现错漏检的问题。此后的系列文章，将重点对YOLOv5的如何改进进行详细的介绍，目的是为了给那些搞科研的同学需要创新点或者搞工程项目的朋友需要达到更好的效果提供自己的微薄帮助和参考。
解决问题：
加入CBAM双通道注意力机制，可以让网络更加关注待检测目标，提高检测效果
添加方法：
第一步：确定添加的位置，作为即插即用的注意力模块，可以添加到YOLOv5网络中的任何地方。本文以添加进卷积Conv模块中为例。
第二步：common.py构建融入CBAM模块的Conv_CBAM,与原Conv模块不同的是：在该模块中的激活函数后加入CBAM模块。
class Conv_CBAM(nn.Module):
# Standard convolution
def __init__(self, c1, c2, k=1, s=1, p=None, g=1, act=True): # ch_in, ch_out, kernel, stride, padding, groups
super(Conv_CBAM, self).__init__()
self.conv = nn.Conv2d(c1, c2, k, s, autopad(k, p), groups=g, bias=False)
self.bn = nn.BatchNorm2d(c2)
self.act = nn.Hardswish() if act else nn.Identity()
self.ca = ChannelAttention(c2)
self.sa = SpatialAttention()
def forward(self, x):
x = self.act(self.bn(self.conv(x)))
x = self.ca(x) * x
x = self.sa(x) * x
return x
def fuseforward(self, x):
return self.act(self.conv(x))第三步：yolo.py中注册我们进行修改的Conv_CBAM模块
第四步：修改yaml文件，本文以修改主干特征提取网络为例，将原Conv模块改为Conv_CBAM即可。
第五步：将train.py中改为本文的yaml文件即可，开始训练。
结 果：
本人在多个数据集上做了大量实验，针对不同的数据集效果不同，同一个数据集的不同添加位置方法也是有差异，需要大家进行实验。有效果有提升的情况占大多数。
PS：CBAM双通道注意力机制，不仅仅是可以添加进YOLOv5，也可以添加进任何其他的深度学习网络，不管是分类还是检测还是分割，主要是计算机视觉领域，都可能会有不同程度的提升效果。
总 结
到此这篇关于YOLOv5改进之添加CBAM注意力机制的文章就介绍到这了,更多相关YOLOv5添加CBAM注意力机制内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！
相关文章
这篇文章主要介绍了使用google翻译服务获得翻译和语音的示例，大家参考使用吧2014-01-01
在本篇文章里小编给大家整理了一篇关于python global的创建和修改实例讲解内容，有兴趣的朋友们可以学习下。2021-09-09
用Python的Flask框架结合MySQL写一个内存监控程序
这篇文章主要介绍了用Python的Flask框架结合MySQL些一个内存监控程序的例子,并且能将结果作简单的图形化显示,需要的朋友可以参考下2015-11-11
这篇文章主要介绍了Matplotlib使用字符串代替变量绘制散点图的方法，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2020-02-02
这篇文章主要为大家详细介绍了如何利用OpenCV实现动态画矩形和多边形并保存坐标，文中的示例代码讲解详细，具有一定的参考价值，需要的可以参考一下2023-03-03
今天小编就为大家分享一篇python 实现快速生成连续、随机字母列表，具有很好的价值，希望对大家有所帮助。一起跟随小编过来看看吧2019-11-11
这篇文章主要介绍了Python Serial串口的简单数据收发方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教2023-09-09
看了许多关于PyTorch的入门文章,大抵是从torchvision.datasets中自带的数据集进行训练,导致很难把PyTorch运用于自己的数据集上,真正地灵活运用PyTorch,本文详细介绍了怎么利用Pytorch实现猫狗分类,需要的朋友可以参考下2021-06-06
用python结合jieba和wordcloud实现词云效果
词云，顾名思义就是很多个单词，然后通过出现的频率或者比重之类的标准汇聚成一个云朵的样子嘛，其实呢现在网上已经有很多能自动生成词云的工具了，比如Wordle,Tagxedo等等，Python也能实现这样的效果，我们通过jieba库和wordcloud库也能十分轻松的完成词云的构建2017-09-09
冒泡排序是一种简单的排序算法，它也是一种稳定排序算法。其实现原理是重复扫描待排序序列，并比较每一对相邻的元素，当该对元素顺序不正确时进行交换。一直重复这个过程，直到没有任何两个相邻元素可以交换，就表明完成了排序2022-05-05
最新评论