YOLOv5的轻量化改进(蜂巢检测项目).zip

# 在蜂巢检测（私人）数据集上进行YOLOv5轻量化改进 这个项目主要改进点来源于[ppogg/YOLOv5-Lite](https://github.com/ppogg/YOLOv5-Lite)，用的里面的Lite-e模型，非常厉害的轻量化模型，感谢大佬的开源工作。 本项目适合用在一类/几类，且数据并不复杂度的数据集上 对YOLOv5原理不了解的，可以看下我的YOLOv5源码注释:[HuKai97/yolov5-5.x-annotations](https://github.com/HuKai97/yolov5-5.x-annotations).和我写的YOLOv5源码讲解：[【YOLOV5-5.x 源码讲解】整体项目文件导航](https://blog.csdn.net/qq_38253797/article/details/119043919). ## 一、改进依据（ShuffleNetV2 轻量化模型设计的四条准则）： G1. 卷积层的输入特征channel和输出特征channel要尽量相等； G2. 尽量不要使用组卷积，或者组卷积g尽量小； G3. 网络分支要尽量少，避免并行结构； G4. Element-Wise的操作要尽量少，如：ReLU、ADD、逐点卷积等； ## 二、改进点： 1. backbone的Focus替换为一个3x3Conv（c=32），因为v5-6.0就替换为了一个6x6Conv，这里为了进一步降低参数量，替换为3x3Conv； 2. backbone所有Conv和C3替换为Shuffle Block； 3. 砍掉SPP和后面的一个C3结构，SPP并行操作太多了（G3） 4. head所有层输入输出channel=96（G1） 5. head所有C3改为DWConv 6. PAN的两个Concat改为ADD（channel太大，计算量太大，虽然违反了G4，但是计算量更小） ## 三、CSDN源码关键部分讲解 1. [【YOLOV5-5.x 源码讲解】整体项目文件导航](https://blog.csdn.net/qq_38253797/article/details/119043919) 2. [【项目二、蜂巢检测项目】一、串讲各类经典的卷积网络：InceptionV1-V4、ResNetV1-V2、MobileNetV1-V3、ShuffleNetV1-V2、ResNeXt、Xception】](https://blog.csdn.net/qq_38253797/article/details/124836049) 3. [【项目二、蜂巢检测项目】二、模型改进：YOLOv5s-ShuffleNetV2](https://blog.csdn.net/qq_38253797/article/details/124803531) ## 四、代码使用 同YOLOv5 ## 五、训练效果 模型 |YOLOv5s | YOLOv5s-ShuffleNetV2 -------- |-------- | ----- shape| 320x320 | 320x320 参数量| 6.75M | 0.69M FLOPs| 2.05G | 0.32G 权重文件大小| 13.6M| 1.6M mAP@0.5 | 0.967 | 0.955 mAP@0.5~0.95 | 0.885 | 0.84 (左图yolov5s,右图yolov5s-shufflenetv2)  ## Reference [ultralytics/yolov5](https://github.com/ultralytics/yolov5) [ppogg/YOLOv5-Lite](https://github.com/ppogg/YOLOv5-Lite).