提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档
文章目录
前言新建EMA.py文件修改yolo.py文件1.导入EMA.py2.修改parse_model 修改yaml文件（yolov5s为例）参考前言
本文主要介绍一种在YOLOv5-7.0中添加EMA注意力机制的方法。EMA注意力机制原论文地址，有关EMA注意力机制的解读可参考文章。
新建EMA.py文件
在yolov5的models文件中新建一个名为EMA.py文件，将下述代码复制到EMA.py文件中并保存。
import torchfrom torch import nnclass EMA(nn.Module):def __init__(self, channels, factor=8):super(EMA, self).__init__()self.groups = factorassert channels // self.groups > 0self.softmax = nn.Softmax(-1)self.agp = nn.AdaptiveAvgPool2d((1, 1))self.pool_h = nn.AdaptiveAvgPool2d((None, 1))self.pool_w = nn.AdaptiveAvgPool2d((1, None))self.gn = nn.GroupNorm(channels // self.groups, channels // self.groups)self.conv1x1 = nn.Conv2d(channels // self.groups, channels // self.groups, kernel_size=1, stride=1, padding=0)self.conv3x3 = nn.Conv2d(channels // self.groups, channels // self.groups, kernel_size=3, stride=1, padding=1)def forward(self, x):b, c, h, w = x.size()group_x = x.reshape(b * self.groups, -1, h, w) # b*g,c//g,h,wx_h = self.pool_h(group_x)x_w = self.pool_w(group_x).permute(0, 1, 3, 2)hw = self.conv1x1(torch.cat([x_h, x_w], dim=2))x_h, x_w = torch.split(hw, [h, w], dim=2)x1 = self.gn(group_x * x_h.sigmoid() * x_w.permute(0, 1, 3, 2).sigmoid())x2 = self.conv3x3(group_x)x11 = self.softmax(self.agp(x1).reshape(b * self.groups, -1, 1).permute(0, 2, 1))x12 = x2.reshape(b * self.groups, c // self.groups, -1) # b*g, c//g, hwx21 = self.softmax(self.agp(x2).reshape(b * self.groups, -1, 1).permute(0, 2, 1))x22 = x1.reshape(b * self.groups, c // self.groups, -1) # b*g, c//g, hwweights = (torch.matmul(x11, x12) + torch.matmul(x21, x22)).reshape(b * self.groups, 1, h, w)return (group_x * weights.sigmoid()).reshape(b, c, h, w)
修改yolo.py文件
1.导入EMA.py
在yolo.py文件开头导入EMA.py，代码如下：
from models.EMA import EMA
代码放在yolo.py位置如下图所示：
2.修改parse_model
这里主要是添加通道参数，再添加一个elif，把EMA添加进去，代码如下：
elif m is EMA: args = [ch[f], *args]
添加上述代码的位置可参考下图：
修改yaml文件（yolov5s为例）
# YOLOv5 🚀 by Ultralytics, GPL-3.0 license# Parametersnc: 80 # number of classesdepth_multiple: 0.33 # model depth multiplewidth_multiple: 0.50 # layer channel multipleanchors:- [10,13, 16,30, 33,23] # P3/8- [30,61, 62,45, 59,119] # P4/16- [116,90, 156,198, 373,326] # P5/32# YOLOv5 v6.0 backbonebackbone:# [from, number, module, args][[-1, 1, Conv, [64, 6, 2, 2]], # 0-P1/2[-1, 1, Conv, [128, 3, 2]], # 1-P2/4[-1, 3, C3, [128]],[-1, 1, Conv, [256, 3, 2]], # 3-P3/8[-1, 6, C3, [256]],[-1, 1, Conv, [512, 3, 2]], # 5-P4/16[-1, 9, C3, [512]],[-1, 1, Conv, [1024, 3, 2]], # 7-P5/32[-1, 3, C3, [1024]],[-1, 1, EMA, [8]],[-1, 1, SPPF, [1024, 5]], # 9]# YOLOv5 v6.0 headhead:[[-1, 1, Conv, [512, 1, 1]],[-1, 1, nn.Upsample, [None, 2, 'nearest']],[[-1, 6], 1, Concat, [1]], # cat backbone P4[-1, 3, C3, [512, False]], # 13[-1, 1, Conv, [256, 1, 1]],[-1, 1, nn.Upsample, [None, 2, 'nearest']],[[-1, 4], 1, Concat, [1]], # cat backbone P3[-1, 3, C3, [256, False]], # 17 (P3/8-small)[-1, 1, Conv, [256, 3, 2]],[[-1, 15], 1, Concat, [1]], # cat head P4[-1, 3, C3, [512, False]], # 20 (P4/16-medium)[-1, 1, Conv, [512, 3, 2]],[[-1, 11], 1, Concat, [1]], # cat head P5[-1, 3, C3, [1024, False]], # 23 (P5/32-large)[[18, 21, 24], 1, Detect, [nc, anchors]], # Detect(P3, P4, P5)]
上述代码将EMA注意力机制模块加在backbone层中最后C3模块后面，SPPF模块前面，仅供参考，具体添加位置要根据个人数据集的不同合理的添加。
[-1, 1, EMA, [8]], #-1代表连接上一层通道数，1是个数，8是EMA所需的参数（factor=8）
说明：因为在yolo.py文件parse_model函数中修改了通道参数，因此在yaml文件中无需添加通道参数，只需添加EMA函数所需的其他参数。在backbone中添加一层注意力机制模块，因此后续的层数都要加一，在head层中做如下改动。
[[-1, 15], 1, Concat, [1]], #未改动前的第14层，在经过上述改动后改为15[[-1, 11], 1, Concat, [1]], #未改动前的第10层，在记过上述改动后改为11[[18, 21, 24], 1, Detect, [nc, anchors]], #17，20，23层改为18，21，24
运行train.py文件可以在输出终端窗口看到上图网络结构，可以看到在第9层已经成功添加EMA注意力机制模块。
from n params module arguments 0-1 13520 mon.Conv [3, 32, 6, 2, 2] 1-1 118560 mon.Conv [32, 64, 3, 2]2-1 118816 mon.C3 [64, 64, 1] 3-1 173984 mon.Conv [64, 128, 3, 2]4-1 2 115712 mon.C3 [128, 128, 2] 5-1 1 295424 mon.Conv [128, 256, 3, 2] 6-1 3 625152 mon.C3 [256, 256, 3] 7-1 1 1180672 mon.Conv [256, 512, 3, 2] 8-1 1 1182720 mon.C3 [512, 512, 1] 9-1 141216 models.EMA.EMA[512, 8] 10-1 1 656896 mon.SPPF [512, 512, 5] 11-1 1 131584 mon.Conv [512, 256, 1, 1] 12-1 1 0 torch.nn.modules.upsampling.Upsample [None, 2, 'nearest']13 [-1, 6] 1 0 mon.Concat[1] 14-1 1 361984 mon.C3 [512, 256, 1, False]15-1 133024 mon.Conv [256, 128, 1, 1] 16-1 1 0 torch.nn.modules.upsampling.Upsample [None, 2, 'nearest']17 [-1, 4] 1 0 mon.Concat[1] 18-1 190880 mon.C3 [256, 128, 1, False]19-1 1 147712 mon.Conv [128, 128, 3, 2] 20[-1, 15] 1 0 mon.Concat[1] 21-1 1 296448 mon.C3 [256, 256, 1, False]22-1 1 590336 mon.Conv [256, 256, 3, 2] 23[-1, 11] 1 0 mon.Concat[1] 24-1 1 1182720 mon.C3 [512, 512, 1, False]25[18, 21, 24] 116182 models.yolo.Detect [1, [[10, 13, 16, 30, 33, 23], [30, 61, 62, 45, 59, 119], [116, 90, 156, 198, 373, 326]], [128, 256, 512]]YOLOv5sEMA summary: 222 layers, 7063542 parameters, 7063542 gradients, 16.2 GFLOPs
参考
/video/BV1s84y1775U/?spm_id_from=333.788&vd_source=f83457e2adc10b543ae4c742fba1e3b2
/hhhhhhhhhhwwwwwwwwww/article/details/131347981
