https://github.com/HuKai97/YOLOv5-ShuffleNetv2

YOLOv5的轻量化改进(蜂巢检测项目)
https://github.com/HuKai97/YOLOv5-ShuffleNetv2

Last synced: 12 days ago
JSON representation

YOLOv5的轻量化改进(蜂巢检测项目)

• Host: GitHub
• URL: https://github.com/HuKai97/YOLOv5-ShuffleNetv2
• Owner: HuKai97
• Created: 2022-05-19T04:15:02.000Z (about 2 years ago)
• Default Branch: master
• Last Pushed: 2022-05-22T08:52:47.000Z (about 2 years ago)
• Last Synced: 2024-02-29T08:34:39.586Z (4 months ago)
• Language: Python
• Size: 343 KB
• Stars: 59
• Watchers: 1
• Forks: 5
• Open Issues: 2
• Metadata Files:
  • Readme: README.md

Lists

• awesome-yolo-object-detection - HuKai97/YOLOv5-ShuffleNetv2 - ShuffleNetv2?style=social"/> : YOLOv5的轻量化改进(蜂巢检测项目)。 (Lighter and Deployment Frameworks)

README

        
# 在蜂巢检测（私人）数据集上进行YOLOv5轻量化改进

这个项目主要改进点来源于[ppogg/YOLOv5-Lite](https://github.com/ppogg/YOLOv5-Lite)，用的里面的Lite-e模型，非常厉害的轻量化模型，感谢大佬的开源工作。

本项目适合用在一类/几类，且数据并不复杂度的数据集上

对YOLOv5原理不了解的，可以看下我的YOLOv5源码注释:[HuKai97/yolov5-5.x-annotations](https://github.com/HuKai97/yolov5-5.x-annotations).和我写的YOLOv5源码讲解：[【YOLOV5-5.x 源码讲解】整体项目文件导航](https://blog.csdn.net/qq_38253797/article/details/119043919).

## 一、改进依据（ShuffleNetV2 轻量化模型设计的四条准则）：

G1. 卷积层的输入特征channel和输出特征channel要尽量相等；   

G2. 尽量不要使用组卷积，或者组卷积g尽量小；    

G3. 网络分支要尽量少，避免并行结构；   

G4. Element-Wise的操作要尽量少，如：ReLU、ADD、逐点卷积等；

## 二、改进点：

1. backbone的Focus替换为一个3x3Conv（c=32），因为v5-6.0就替换为了一个6x6Conv，这里为了进一步降低参数量，替换为3x3Conv；

2. backbone所有Conv和C3替换为Shuffle Block；

3. 砍掉SPP和后面的一个C3结构，SPP并行操作太多了（G3）

4. head所有层输入输出channel=96（G1）

5. head所有C3改为DWConv

6. PAN的两个Concat改为ADD（channel太大，计算量太大，虽然违反了G4，但是计算量更小）

## 三、CSDN源码关键部分讲解

1. [【YOLOV5-5.x 源码讲解】整体项目文件导航](https://blog.csdn.net/qq_38253797/article/details/119043919)      

2. [【项目二、蜂巢检测项目】一、串讲各类经典的卷积网络：InceptionV1-V4、ResNetV1-V2、MobileNetV1-V3、ShuffleNetV1-V2、ResNeXt、Xception】](https://blog.csdn.net/qq_38253797/article/details/124836049)         

3. [【项目二、蜂巢检测项目】二、模型改进：YOLOv5s-ShuffleNetV2](https://blog.csdn.net/qq_38253797/article/details/124803531)         

   

## 四、代码使用

同YOLOv5

## 五、训练效果

模型 |YOLOv5s  | YOLOv5s-ShuffleNetV2

-------- |-------- | -----

shape| 320x320 |   320x320

参数量| 6.75M  |   0.69M

FLOPs| 2.05G |  0.32G

权重文件大小| 13.6M|  1.6M

[email protected]  |  0.967 |  0.955

[email protected]~0.95  | 0.885  |  0.84

(左图yolov5s,右图yolov5s-shufflenetv2)   

![](figures/yolov5s-result.jpg)![](figures/yolov5s-shufflenetv2-result.jpg)

## Reference

[ultralytics/yolov5](https://github.com/ultralytics/yolov5)   

[ppogg/YOLOv5-Lite](https://github.com/ppogg/YOLOv5-Lite).