【修改yolov5】给yolov5更换主干网络ShuffleNetv2

爱改网络的法式小面包

已于 2023-08-08 11:32:42 修改

阅读量6.2k

点赞数 8

CC 4.0 BY-SA版权

分类专栏： yolov5系列改进思路文章标签： YOLO

于 2023-03-15 21:30:48 首次发布

本文链接：https://blog.csdn.net/PLH19990227/article/details/129567898

yolov5系列改进思路专栏收录该内容

6 篇文章 ¥19.90 ¥99.00

订阅专栏

超级会员免费看

本文介绍了如何将YOLOv5的主干网络替换为ShuffleNetv2，详细描述了修改common.py、yolo.py配置文件的过程，并展示了更改后网络结构图。尽管参数和GFLOPs显著减少，但在小数据集上的实验结果显示，精度和mAP值有所下降，训练时间缩短约2小时，但效果未达预期，可能因超时警告影响了训练效果。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

看了迪导给yolov5网络更换主干网络ShuffleNetv2的操作后，跟着他的操作步骤更换了我自己正在学习的yolov5网络的主干，并在最后用改过后的网络跑了一下自己的数据集。以下是修改步骤：

要更换网络首先得在common.py文件中添加函数，添加的代码如下：

def channel_shuffle(x, groups):
    batchsize, num_channels, height, width = x.data.size()
    channels_per_group = num_channels // groups
    x = x.view(batchsize, groups, channels_per_group, height, width)
    x = torch.transpose(x, 1, 2).contiguous()
    x = x.view(batchsize, -1, height, width)
    return x

class CBRM(nn.Module):
    def __init__(self, c1, c2):
        super(CBRM, self).__init__()
        self.conv = nn.Sequential(
            nn.Conv2d(c1, c2, kernel_size=3, stride=2, padding=1, bias=False),
            nn.BatchNorm2d(c2),
            nn.ReLU(inplace=True),
        )
        self.maxpool