【YOLO系列】YOLOv5、YOLOX、YOOv6、YOLOv7网络模型结构

这篇具有很好参考价值的文章主要介绍了【YOLO系列】YOLOv5、YOLOX、YOOv6、YOLOv7网络模型结构。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

【注】: 本文为YOLOv5、YOLOX、YOLOv6、YOLOv7模型结构图,作图软件为drawio。因精力有限暂时不做结构的详细阐述和具体的代码讲解,后续有机会再做补充。如有需要可以查阅其他博主的文章了解学习。

【另】:希望模型结构图可以帮助到有需要的人,如模型中有错误的地方,欢迎批评指正!



YOLOv5模型结构图

YOLOv5在(n, s, m, l, x)这几个版本的模型网络结构都是一样的,只不过会在每个子模块中采用不同的深度depth_multiple和宽度width_multiple参数。例如下图所示,对于YOLOv5s中的depth_multiple参数为0.33,即在YOLOv5s这个版本模型中,如网络图中所示的第一个C3_1_x3代表着此处的C3结构有(n = 3 x 0.33 ≈ 0.99 < 1,此处代码中有判断,<1则取1,否则取n)个,后面C3同上计算 。同理,宽度width_multiple即out_channels通道数是同样的计算方法。
另外,源码除了n, s, m, l, x这几个版本的模型之外,还有n6, s6, m6, l6, x6版本,区别在于带6的版本针对的是更大分辨率(如1280 x 1280)的图片,在结构上也会有所差异,此处不详细赘述。

【YOLO系列】YOLOv5、YOLOX、YOOv6、YOLOv7网络模型结构

【YOLO系列】YOLOv5、YOLOX、YOOv6、YOLOv7网络模型结构


YOLOX模型结构图

【YOLO系列】YOLOv5、YOLOX、YOOv6、YOLOv7网络模型结构


YOLOv6模型结构图

【补充说明】: 此文章中的YOLOv6模型由于作者才疏学浅,画图时一时疏忽,导致模型结构中的 FPNPAN 两个结构的流程画反了,正确画法如上图YOLOv5s所示,但不影响对整体结构的理解。
<以后若有时间会改正过来,请体谅>

【YOLO系列】YOLOv5、YOLOX、YOOv6、YOLOv7网络模型结构


YOLOv7模型结构图

【YOLO系列】YOLOv5、YOLOX、YOOv6、YOLOv7网络模型结构



【注】:后续会继续补充【YOLO系列】的一些最新模型的结构图,如PP-YOLOE、YOLOv7等。文章来源地址https://www.toymoban.com/news/detail-466860.html

到了这里,关于【YOLO系列】YOLOv5、YOLOX、YOOv6、YOLOv7网络模型结构的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • YOLO系列 --- YOLOV7算法(四):YOLO V7算法网络结构解析

    今天来讲讲YOLO V7算法网络结构吧~ 在 train.py 中大概95行的地方开始创建网络,如下图(YOLO V7下载的时间不同,可能代码有少许的改动,所以行数跟我不一定一样) 我们进去发现,其实就是在 yolo.py 里面。后期,我们就会发现相关的网络结构都是在该py文件里面。这篇blog就主

    2024年02月05日
    浏览(44)
  • CSDN芒果独家YOLOv5改进、YOLOv7改进(适用YOLOv8改进)专栏 | 《芒果YOLO改进系列进阶指南》来自人工智能专家老师联袂推荐

    《芒果改进YOLO系列进阶指南》目录 💡该教程为芒果改进YOLO进阶指南专栏,属于 《芒果书》 📚系列,包含大量的原创首发改进方式, 所有文章都是全网首发原创改进内容🚀 CSDN博客独家更新 出品: 专栏详情🔎:芒果改进YOLO进阶指南 重点 :有不少 同学 反应和我说已经在

    2023年04月09日
    浏览(73)
  • 深入浅出 Yolo 系列之 Yolov7 基础网络结构详解

    从 2015 年的 YOLOV1 ,2016 年 YOLOV2 , 2018 年的 YOLOV3 ,到 2020 年的 YOLOV4 、 YOLOV5 , 以及最近出现的 YOLOV76 和 YOLOV7 可以说 YOLO 系列见证了深度学习时代目标检测的演化。对于 YOLO 的基础知识以及 YOLOV1 到 YOLOV5 可以去看大白的 YOLO 系列,本文主要对 YOLOV7 的网络结构进行一个梳理

    2024年02月04日
    浏览(45)
  • 【YOLOv7/YOLOv5系列算法改进NO.49】模型剪枝、蒸馏、压缩

    作为当前先进的深度学习目标检测算法YOLOv7,已经集合了大量的trick,但是还是有提高和改进的空间,针对具体应用场景下的检测难点,可以不同的改进方法。此后的系列文章,将重点对YOLOv7的如何改进进行详细的介绍,目的是为了给那些搞科研的同学需要创新点或者搞工程

    2024年02月08日
    浏览(37)
  • 【YOLO系列】YOLOv5超详细解读(网络详解)

    吼吼!终于来到了YOLOv5啦! 首先,一个热知识:YOLOv5没有发表正式论文哦~ 为什么呢?可能YOLOv5项目的作者Glenn Jocher还在吃帽子吧,hh 前言 一、YOLOv5的网络结构  二、输入端 (1)Mosaic数据增强 (2)自适应锚框计算 (3)自适应图片缩放 三、Backbone (1)Focus结构 (2)CSP结构

    2023年04月09日
    浏览(68)
  • 改进YOLO系列 | YOLOv5 更换骨干网络之 ConvNeXt

    🍀2023/6/30 更新源代码 ,并追加结构对应的超参数文件 论文地址:https://arxiv.org/pdf/2201.03545.pdf 代码地址:https://github.com/facebookresearch/ConvNeXt 视觉识别的“Roaring 20年代”始于视觉变换器(ViTs)的引入,它很快取代了ConvNets,成为最先进的图像分类模型。另一方面,普通ViTs在应

    2024年02月04日
    浏览(43)
  • 【YOLO系列】基于YOLOv7模型的目标检测与实现——利用PASCALVOC数据集(超详细,看这一篇足矣)

    最近因为在公司实习,迷上了计算机视觉,对目标检测这一方向饶有兴趣。再加上yolov7的论文也才出了不久,笔者就想着带着学习的心态,搞一搞基于yolov7的目标检测的实现。同时笔者也是踩了无数的坑🕳,心态几近崩溃,前前后后搞了一个多星期才跑完,网上的资料零零碎

    2024年02月13日
    浏览(36)
  • 【YOLOv7/YOLOv5系列改进NO.53】融入CFPNet网络中的ECVBlock模块,提升小目标检测能力

    作为当前先进的深度学习目标检测算法YOLOv7,已经集合了大量的trick,但是还是有提高和改进的空间,针对具体应用场景下的检测难点,可以不同的改进方法。此后的系列文章,将重点对YOLOv7的如何改进进行详细的介绍,目的是为了给那些搞科研的同学需要创新点或者搞工程

    2024年02月09日
    浏览(50)
  • YOLO系列概述(yolov1至yolov7)

    参考: 睿智的目标检测53——Pytorch搭建YoloX目标检测平台 YoloV7 首先我们来看一下yolo系列的发展历史,yolo v1和yolox是anchor free的方法,yolov2,yolov3,一直到yolov7是anchor base的方法。首选我们来回顾下每个版本的yolo都做了些什么 yolo v1是将 416 ∗ 416 416*416 4 1 6 ∗ 4 1 6 的图片,分

    2024年02月05日
    浏览(43)
  • YOLO系列全网首发改进最新:新颖特定任务检测头TSCODE|(适用YOLOv5/v7)创新性Max,即插即用检测头,用于目标检测的特定任务上下文解耦头机制,助力YOLOv7目标检测器高效涨点!

    💡更多改进内容📚可以点击查看:YOLOv5改进、YOLOv7改进、YOLOv8改进、YOLOX改进原创目录🏆 💡 本篇内容 :YOLOv5、YOLOv7改进新型解耦头TSCODE|全网首发最新更新,创新性Max,即插即用检测头|用于目标检测的特定任务上下文解耦头,助力YOLOv7目标检测器高效涨点! @CSDN芒果汁

    2024年02月04日
    浏览(51)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包