[yolov5/yolov8修改]替换yolov5/yolov8中的主干网络为EfficientNetv2

最新推荐文章于 2025-04-07 21:39:01 发布

爱改网络的法式小面包

最新推荐文章于 2025-04-07 21:39:01 发布

阅读量3.9k

点赞数 6

CC 4.0 BY-SA版权

分类专栏： yolov5系列改进思路文章标签： YOLO python 计算机视觉

本文链接：https://blog.csdn.net/PLH19990227/article/details/132188633

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

本文介绍了如何在YOLOv5和YOLOv8目标检测网络中，将原始的主干网络替换为EfficientNetv2。通过在common.py添加代码、在yolo.py声明新类以及修改配置文件实现这一操作。训练时需使用修改后的配置文件以确保正确运行。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

yolo系列的网络作为单阶段目标检测网络中的佼佼者，在目标检测方面发挥着很大的作用，而yolov5是其中较好的一代网络，yolov8是其中最新的一代网络。但是作为我们学习和使用来说，原始的yolov5或者yolov8网络并不一定就是最合适的，基于此，在yolov5的基础上，针对主干网络进行了替换，替换成EfficientNetv2网络，yolov8的替换方式也是类似的。主要步骤如下：

首先，我们需要在common.py文件中添加如下代码段：（建议添加在common.py文件的最后

class stem(nn.Module):
    def __init__(self, c1, c2, kernel_size=3, stride=1, groups=1):
        super(stem, self).__init__()
        padding = (kernel_size-1) // 2
        self.conv = nn.Conv2d(c1, c2, kernel_size, stride, padding=padding, groups=groups, bias=False)
        self.bn = nn.BatchNorm2d(c2, eps=1e-3, momentum=0.1)
        self.act = nn.SiLU(True)

    def forward(self, x):
        #print(x.shape)
        x = self.conv(x)
        x = self.bn(x)
        x = self.act(x)
        return x

de

了解本专栏

超级会员免费看