yolov8改进——SFFP特征金字塔池化修改（详细版）

原创已于 2023-10-08 15:35:43 修改 · 5k 阅读

150 ·

本内容遵循CC 4.0 BY-SA版权协议

GEO检测

收录于

深度学习

于 2023-10-08 15:14:14 首次发布

本文介绍了如何在Yolov8系列中替换SPPF模块为简化版本的SimSPPF，并提供了相应的代码实现和配置文件修改步骤。作者还提到了在模型解析和yaml文件中添加SimSPPF的过程。

目标检测实战：仪表盘指针识别

保姆级 YOLOv8/9/10 教程，附完整数据集与源码

一键订阅

1.引言

金字塔池化模块是yolo系列十分重要的一个改进点，因此，这个地方如果选择多种改进，当然，这里也可以做多种消融实验说明自己的改进有效。

下面以SimSPPF为例，写出如何修改SPPF。

2.改进

2.1 ultralytics/nn/modules/block.py

在文件下方添加SimSPPF
在这里插入图片描述
SimSPPF代码

class SimConv(nn.Module):
    '''Normal Conv with ReLU activation'''
    def __init__(self, in_channels, out_channels, kernel_size, stride, groups=1, bias=False):
        super().__init__()
        padding = kernel_size // 2
        self.conv = nn.Conv2d(
            in_channels,
            out_channels,
            kernel_size=kernel_size,
            stride=stride,
            padding=padding,
            groups=groups,
            bias=bias,
        )
        self.bn = nn.BatchNorm2d(out_channels)
        self.act = nn.ReLU()

    def forward(self, x):
        return self.act(self.bn(self.conv(x)))

    def forward_fuse(self, x):
        return self.act(self.conv(x))
class SimSPPF(nn.Module):
    '''Simplified SPPF with ReLU activation'''
    def __init__(self, in_channels, out_channels, kernel_size=5):
        super().__init__()
        c_ = in_channels // 2  # hidden channels
        self.cv1 = SimConv(in_channels, c_, 1, 1)
        self.cv2 = SimConv(c_ * 4, out_channels, 1, 1)
        self.m = nn.MaxPool2d(kernel_size=kernel_size, stride=1, padding=kernel_size // 2)

    def forward(self, x):
        x = self.cv1(x)
        with warnings.catch_warnings():
            warnings.simplefilter('ignore')
            y1 = self.m(x)
            y2 = self.m(y1)
            return self.cv2(torch.cat([x, y1, y2, self.m(y2)], 1))

在block.py开头__all__中添加与上面类相同的名字，即此处为SimSPPF
在这里插入图片描述

2.2 ultralytics/nn/modules/init.py

如下图，我们是在block.py中添加的SimSPPF，因此，下面也在.block中添加，__all__中也一样添加
在这里插入图片描述

2.3 ultralytics/nn/tasks.py

依然如下图，由于上述我们在 ultralytics/nn/modules中添加的，此处我们添加到ultralytics.nn.modules下，
在这里插入图片描述

在代码中，找到def parse_model(d, ch, verbose=True): # model_dict, input_channels(3)方法，找到和SPP在一个括号里的if m in ,添加到后面。
在这里插入图片描述

if m in (Classify, Conv, ConvTranspose, GhostConv, Bottleneck, GhostBottleneck, SPP, SPPF, DWConv, Focus,
                 BottleneckCSP, C1, C2, C2f, C3, C3TR, C3Ghost, nn.ConvTranspose2d, DWConvTranspose2d, C3x, RepC3,
                 SimSPPF):