yolov3注意力机制,yolov5改进点

　　注意机制最早应用于自然语言处理领域。关注是让模型意识到数据的哪一部分最重要，赋予它更多的权重，在一些特征上得到更多的关注，模型才能表现的更好。本文主要介绍YOLOv5改进教程中增加的关注机制的相关信息，有需要的朋友可以参考一下。

　　本文主要讲解如何在yolov5中加入注意机制。

　　这里提供SE频道关注的提升方法，其他添加关注的方法类似。

　　先找到SE注意机制的pytorch代码。

　　等级SELayer(nn。模块):

　　def __init__(self，c1，r=16):

　　超级(SELayer，self)。__init__()

　　self.avgpool=nn。AdaptiveAvgPool2d(1)

　　self.l1=nn。线性(c1，c1 //r，bias=False)

　　self.relu=nn。ReLU(原地=真)

　　self.l2=nn。线性(c1 //r，c1，bias=False)

　　self.sig=nn。乙状结肠()

　　定义向前(自身，x):

　　b，c，_，_=x.size()

　　y=self.avgpool(x)。视图(b，c)

　　y=self.l1(y)

　　y=self.relu(y)

　　y=self.l2(y)

　　y=自我符号(y)

　　y=y.view(b，c，1，1)

　　返回x * y.expand_as(x)

　　将SE注意机制程序直接复制到models文件夹下的common.py文件中。

　　然后找到yolo.py，并在这个文件中找到下面一行

　　然后将SE添加到该注册表中，

　　C3Ghost之后直接加SELayer。

　　然后我们需要修改yaml文件。对于SE这种即插即用的注意机制来说，输入输出通道数是一样的，所以不会影响其他模块的运行。

　　注意机制也可以插在其他地方，只要通道数匹配得当。

　　然后头部部分要做相应的修改，因为我们多加了一层，所以需要稍微改变头部部分，保持头部和最后一个输出层不变。同样的，注意力机制也可以放在头部，和加在主干的方法一样。

　　这是原来的头部，需要修改如下

　　因为我们在第八层之后插入了se关注机制，原来的14层变成了15层。同样，最终输出也需要增加一层。

　　加入这些注意机制是yolov5最基本的改进，但说实话，注意机制可以加在很多地方，不一定有效，所以要看大家讨论在哪里插入效果最好。注意机制有很多种，se注意机制应该是最基本的渠道注意。

　　总结

　　关于YOLOv5提升教程的注意机制这篇文章到此为止。关于YOLOv5的注意力机制的更多信息，请搜索热门IT软件开发工作室之前的文章或者继续浏览下面的相关文章。希望大家以后多多支持热门IT软件开发工作室！

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。