YOLOAir库使用（三）

YOLOAir：面向小白的目标检测库，更快更方便更完整的YOLO库
模型多样化：基于不同网络模块构建不同检测网络模型。

模块组件化：帮助用户自定义快速组合Backbone、Neck、Head，使得网络模型多样化，助力科研改进检测算法、模型改进，网络排列组合，构建强大的网络模型。

统一模型代码框架、统一应用方式、统一调参、统一改进、易于模块组合、构建更强大的网络模型：内置YOLOv5、YOLOv7、YOLOX、YOLOR、Transformer、Scaled_YOLOv4、YOLOv3、YOLOv4、YOLO-Facev2、TPH-YOLO、YOLOv5Lite、SPD-YOLO、SlimNeck-YOLO、PicoDet等模型网络结构

YOLOAir项目地址🌟: https://github.com/iscyy/yoloair

YOLOAir CSDN地址：https://blog.csdn.net/qq_38668236

YOLOAir库使用说明

1. 下载源码

$ git clone https://github.com/iscyy/yoloair.git

或者打开github链接，下载项目源码，点击Code选择Download ZIP

2. 配置环境

首先电脑安装Anaconda，本文YOLOAir环境安装在conda虚拟环境里

2.1 创建一个python3.8的conda环境yoloair

conda create -n yoloair python=3.8

2.2 安装Pytorch和Torchvision环境

安装Pytorch有种方式，一种是官网链接[安装]https://pytorch.org/()，另外一中是下载whl包到本地再安装

Pytorch whl包下载地址：https://download.pytorch.org/whl/torch/

TorchVision包下载地址：https://download.pytorch.org/whl/torchvision/

本文Pytorch安装的版本为1.8.0，torchvision对应的版本为0.9.0

注意：cp对应Python包版本，linux对应lLinux版本，win对应Windows版本

当whl文件下载到本地后，进入包下载命令，使用pip install 包名来安装：

pip install torch-1.8.0+cu111-cp38-cp38-win_amd64.whl
pip install torchvision-0.9.0+cu111-cp38-cp38-win_amd64.whl

2.3 安装其他包依赖

YOLOAir项目依赖包具体包含如下：其中Base模块是基本项目依赖包，Logging和Plotting是模型训练时用到的日志和画图包，Export是用于模型转换时用到的（如pt转ONNX、TRT等），thop包是用来计算参数量的

进入到下载的YOLOAir项目目录，使用以下命令安装项目包依赖

pip install -r requirements.txt  # 安装依赖包

如果嫌安装速度太慢，可以在Pypi网站（https://pypi.org/）找包下载到本地再安装

2.4 开箱训练

train.py里面可以设置各种参数，具体参数解释详见后续实战更新

python train.py --data coco128.yaml --cfg configs/yolov5/yolov5s.yaml 

2.5 模型推理

detect.py在各种数据源上运行推理, 并将检测结果保存到runs/detect目录

 python detect.py --source 0  # 网络摄像头
                          img.jpg  # 图像
                          vid.mp4  # 视频
                          path/  # 文件夹
                          path/*.jpg  # glob

2.6 集成融合

如果使用不同模型来推理数据集，则可以使用 wbf.py文件通过加权框融合来集成结果，只需要在wbf.py文件中设置img路径和txt路径

$ python wbf.py

开箱使用YOLOAir

1. 模块选择

本文选取经典通道+空间注意力模块CBAM： Convolutional Block Attention Module，整体结构如下图所示：

• 通道注意力模块（CAM）：通道维度不变，压缩空间维度，该模块加权输入特征图的维度信息
• 空间注意力模块（SAM）：空间维度不变，压缩通道维度，该模块关注于目标的位置信息

import torch
import torch.nn as nn
import torch.nn.functional as F


class ChannelAttentionModule(nn.Module):
    def __init__(self, c1, reduction=16):
        super(ChannelAttentionModule, self).__init__()
        mid_channel = c1 // reduction
        self.avg_pool = nn.AdaptiveAvgPool2d(1)
        self.max_pool = nn.AdaptiveMaxPool2d(1)

        self.shared_MLP = nn.Sequential(
            nn.Linear(in_features=c1, out_features=mid_channel),
            nn.LeakyReLU(0.1, inplace=True),
            nn.Linear(in_features=mid_channel, out_features=c1)
        )
        self.act = nn.Sigmoid()
        # self.act=nn.SiLU()

    def forward(self, x):
        avgout = self.shared_MLP(self.avg_pool(x).view(x.size(0), -1)).unsqueeze(2).unsqueeze(3)
        maxout = self.shared_MLP(self.max_pool(x).view(x.size(0), -1)).unsqueeze(2).unsqueeze(3)
        return self.act(avgout + maxout)


class SpatialAttentionModule(nn.Module):
    def __init__(self):
        super(SpatialAttentionModule, self).__init__()
        self.conv2d = nn.Conv2d(in_channels=2, out_channels=1, kernel_size=7, stride=1, padding=3)
        self.act = nn.Sigmoid()

    def forward(self, x):
        avgout = torch.mean(x, dim=1, keepdim=True)
        maxout, _ = torch.max(x, dim=1, keepdim=True)
        out = torch.cat([avgout, maxout], dim=1)
        out = self.act(self.conv2d(out))
        return out


class CBAM(nn.Module):
    def __init__(self, c1, c2):
        super(CBAM, self).__init__()
        self.channel_attention = ChannelAttentionModule(c1)
        self.spatial_attention = SpatialAttentionModule()

    def forward(self, x):
        out = self.channel_attention(x) * x
        out = self.spatial_attention(out) * out
        return out

参考论文：https://arxiv.org/pdf/1807.06521.pdf

2.模型配置

# YOLOv5 🚀 by YOLOAir, GPL-3.0 license

# Parameters
nc: 3  # number of classes
depth_multiple: 0.33  # model depth multiple
width_multiple: 0.50  # layer channel multiple

# anchors
anchors:
  #- [5,6, 7,9, 12,10]      # P2/4
  - [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 backbone
backbone:
  # [from, number, module, args]               
  [[-1, 1, Conv, [64, 6, 2, 2]],  # 0-P1/2           [c=3,64*0.5=32,3]
   [-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, CBAM, [1024]], #9
   [-1, 1, SPPF, [1024,5]], #10
  ]

# YOLOv5 head
head:
  [[-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]],  # 14

   [-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]],  # 18 (P3/8-small)
   [-1, 1, CBAM, [256]],   #19
   
   [-1, 1, Conv, [256, 3, 2]],
   [[-1, 15], 1, Concat, [1]],  # cat head P4
   [-1, 3, C3, [512, False]],  # 22 (P4/16-medium)       [256, 256, 1, False]  
   [-1, 1, CBAM, [512]],

   [-1, 1, Conv, [512, 3, 2]],                           #[256, 256, 3, 2] 
   [[-1, 11], 1, Concat, [1]],  # cat head P5
   [-1, 3, C3, [1024, False]],  # 25 (P5/32-large)       [512, 512, 1, False]
   [-1, 1, CBAM, [1024]],     

   [[19, 23, 27], 1, Detect, [nc, anchors]],  # Detect(P3, P4, P5)
  ]

• nc：检测的类别数
• depth_multiple：控制每层代码块的个数
• width_multiple：控制每层特征图的深度

3.模块配置

在yolo.py中加载模块，配置相关参数（先在Common.py中导入该模块）

elif m in [CBAM]:
	c1, c2 = ch[f], args[0]
    if c2 != no:  # if not output
    	c2 = make_divisible(c2 * gw, 8)
        args = [c1, *args[1:]]

4.开箱训练

笔者对一个三类别目标检测任务进行训练，得到最终的结果图如下

训练超参数：hyp.yaml

lr0: 0.00334
lrf: 0.15135
momentum: 0.74832
weight_decay: 0.00025
warmup_epochs: 3.3835
warmup_momentum: 0.59462
warmup_bias_lr: 0.18657
box: 0.02
cls: 0.21638
cls_pw: 0.5
obj: 0.51728
obj_pw: 0.67198
iou_t: 0.2
anchor_t: 3.3744
fl_gamma: 0.0
fl_eiou_gamma: 0.0
hsv_h: 0.01041
hsv_s: 0.54703
hsv_v: 0.27739
degrees: 0.0
translate: 0.04591
scale: 0.75544
shear: 0.0
perspective: 0.0
flipud: 0.0
fliplr: 0.5
mosaic: 0.85834
mixup: 0.04266
copy_paste: 0.0
paste_in: 0.0

• 所有实验默认初始化参数为yolov5s，模型为yolov5s权重加载
• base_size=64，hyp=hyp.VOC.yaml，epoch=300，IOU=CIOU，Imgsz=640
• 相比于普通的YOLOv5模型，添加了CBAM模块的模型在训练稳定性、检测精度和召回率上均有小幅提高，特别是在验证集的损失上能有效平缓的降低，整体性能与添加了SEAttention模块的模型的性能相当

总结

开箱即用YOLOAir库，使用或自定义模块遵循以下几个部分：

• 模块选择
• 模型配置
• 模块配置
• 开箱训练

彩蛋

笔者也持续更新一个微信公众号：Nuist计算机视觉与模式识别，大家帮忙点个关注，后台回复YOLOAir（三）获取本文PDF。