YOLOV11改进1-检测头篇

文章目录

前言
一、YAML修改
二、模型训练
- 1.数据集准备
- 2.环境准备
- 3.训练
- - 3.1原结构训练
  - 3.2更改后的模型
三.效果对比
- 1.原始结构
- 2.修改后的结果
- 3.详细对比
总结

前言

目标检测领域里，小目标一直是一个难点问题，虽然我们可以用YOLO+SAHI的方式进行滑动窗口推理以提升准确率，但是他的耗时会线性增强，毕竟一张大图会被切成很多小图去推理，所以在很多场景下无法得到应用。这里，我们从探测头入手，在原有的基础上在增加一个探测头以用于检测小目标。本篇以YOLOV11作为示例。

一、YAML修改

YOLO的原理讲解网上一大堆，这里不做说明，想了解的可以去找度娘了解下，这里直接开始修改网络结构。
原始的YAML文件(ultralytics/cfg/models/11/yolo11.yaml)如下：

# Ultralytics YOLO 🚀, AGPL-3.0 license
# YOLO11 object detection model with P3-P5 outputs. For Usage examples see https://docs.ultralytics.com/tasks/detect# Parameters
nc: 80 # number of classes
scales: # model compound scaling constants, i.e. 'model=yolo11n.yaml' will call yolo11.yaml with scale 'n'# [depth, width, max_channels]n: [0.50, 0.25, 1024] # summary: 319 layers, 2624080 parameters, 2624064 gradients, 6.6 GFLOPss: [0.50, 0.50, 1024] # summary: 319 layers, 9458752 parameters, 9458736 gradients, 21.7 GFLOPsm: [0.50, 1.00, 512] # summary: 409 layers, 20114688 parameters, 20114672 gradients, 68.5 GFLOPsl: [1.00, 1.00, 512] # summary: 631 layers, 25372160 parameters, 25372144 gradients, 87.6 GFLOPsx: [1.00, 1.50, 512] # summary: 631 layers, 56966176 parameters, 56966160 gradients, 196.0 GFLOPs# YOLO11n backbone
backbone:# [from, repeats, module, args]- [-1, 1, Conv, [64, 3, 2]] # 0-P1/2- [-1, 1, Conv, [128, 3, 2]] # 1-P2/4- [-1, 2, C3k2, [256, False, 0.25]]- [-1, 1, Conv, [256, 3, 2]] # 3-P3/8- [-1, 2, C3k2, [512, False, 0.25]]- [-1, 1, Conv, [512, 3, 2]] # 5-P4/16- [-1, 2, C3k2, [512, True]]- [-1, 1, Conv, [1024, 3, 2]] # 7-P5/32- [-1, 2, C3k2, [1024, True]]- [-1, 1, SPPF, [1024, 5]] # 9- [-1, 2, C2PSA, [1024]] # 10# YOLO11n head
head:- [-1, 1, nn.Upsample, [None, 2, "nearest"]]- [[-1, 6], 1, Concat, [1]] # cat backbone P4- [-1, 2, C3k2, [512, False]] # 13- [-1, 1, nn.Upsample, [None, 2, "nearest"]]- [[-1, 4], 1, Concat, [1]] # cat backbone P3- [-1, 2, C3k2, [256, False]] # 16 (P3/8-small)- [-1, 1, Conv, [256, 3, 2]]- [[-1, 13], 1, Concat, [1]] # cat head P4- [-1, 2, C3k2, [512, False]] # 19 (P4/16-medium)- [-1, 1, Conv, [512, 3, 2]]- [[-1, 10], 1, Concat, [1]] # cat head P5- [-1, 2, C3k2, [1024, True]] # 22 (P5/32-large)- [[16, 19, 22], 1, Detect, [nc]] # Detect(P3, P4, P5)

建议将原始的yaml文件copy一份，然后在进行修改，不要直接在原来的yaml中修改
增加检测头不需要要额外添加代码，只需对yaml更改即可，更改后的yaml如下：

# Ultralytics YOLO 🚀, AGPL-3.0 license
# YOLO11 object detection model with P3-P5 outputs. For Usage examples see https://docs.ultralytics.com/tasks/detect# Parameters
nc: 80 # number of classes
scales: # model compound scaling constants, i.e. 'model=yolo11n.yaml' will call yolo11.yaml with scale 'n'# [depth, width, max_channels]n: [0.50, 0.25, 1024] # summary: 319 layers, 2624080 parameters, 2624064 gradients, 6.6 GFLOPss: [0.50, 0.50, 1024] # summary: 319 layers, 9458752 parameters, 9458736 gradients, 21.7 GFLOPsm: [0.50, 1.00, 512] # summary: 409 layers, 20114688 parameters, 20114672 gradients, 68.5 GFLOPsl: [1.00, 1.00, 512] # summary: 631 layers, 25372160 parameters, 25372144 gradients, 87.6 GFLOPsx: [1.00, 1.50, 512] # summary: 631 layers, 56966176 parameters, 56966160 gradients, 196.0 GFLOPs# YOLO11n backbone
backbone:# [from, repeats, module, args]- [-1, 1, Conv, [64, 3, 2]] # 0-P1/2- [-1, 1, Conv, [128, 3, 2]] # 1-P2/4- [-1, 2, C3k2, [256, False, 0.25]]- [-1, 1, Conv, [256, 3, 2]] # 3-P3/8- [-1, 2, C3k2, [512, False, 0.25]]- [-1, 1, Conv, [512, 3, 2]] # 5-P4/16- [-1, 2, C3k2, [512, True]]- [-1, 1, Conv, [1024, 3, 2]] # 7-P5/32- [-1, 2, C3k2, [1024, True]]- [-1, 1, SPPF, [1024, 5]] # 9- [-1, 2, C2PSA, [1024]] # 10# YOLO11n head
head:- [-1, 1, nn.Upsample, [None, 2, "nearest"]]- [[-1, 6], 1, Concat, [1]] # cat backbone P4- [-1, 2, C3k2, [512, False]] # 13- [-1, 1, nn.Upsample, [None, 2, "nearest"]]- [[-1, 4], 1, Concat, [1]] # cat backbone P3- [-1, 2, C3k2, [256, False]] # 16 (P3/8-small)- [-1, 1, nn.Upsample, [None, 2, "nearest"]]- [[-1,2], 1, Concat, [1]] # cat head P2- [-1, 2, C3k2, [128, False]] # 19 (P2/4-xsmall)- [-1, 1, Conv, [128, 3, 2]]- [[-1, 16], 1, Concat, [1]] # cat head P3- [-1, 2, C3k2, [256, False]] # 22 (P4/16-medium)- [-1, 1, Conv, [256, 3, 2]]- [[-1, 13], 1, Concat, [1]] # cat head P4- [-1, 2, C3k2, [512, False]] # 25 (P4/16-medium)- [-1, 1, Conv, [512, 3, 2]]- [[-1, 10], 1, Concat, [1]] # cat head P5- [-1, 2, C3k2, [1024, True]] # 28 (P5/32-large)- [[19, 22, 25, 28], 1, Detect, [nc]] # Detect(P2, P3, P4, P5)

主要的修改部分在head部分，具体如下图：
在这里插入图片描述

到这里我们便完成了结构的修改，接下来我们开始训练。

二、模型训练

1.数据集准备

数据集的话，我们用常规的VOC或者COCO格式均可。由于我的小目标数据集不方便公开，所以这里就不给链接了，我的数据分布大致如下：
在这里插入图片描述
由上图可知，我的数据集里都为小目标，你可以想象成在一张640*480大小的图里有一个网球之类（距离较远）的。接下来，我们基于这个数据集看下改进后的效果

2.环境准备

能进行网络修改，说明搭建一个yolo的环境对你来说不是个问题，这里也不详细展开，只挑重点说明。

torch：请根据你的电脑环境安装对应的pytorch版本，注意torchvision版本也要对应上，建议根据pytorch官方文档里进行安装。
在你的虚拟环境里最好不要安装官方封装好的ultralytics包，否则即使你改了代码也不会生效。比如你增加了注意力机制、改了Loss等。
其他依赖直接缺啥装啥即可。

3.训练

这里为了对比，我们分别拿原始结构和更改后的结构进行训练。

3.1原结构训练

yolov11的代码早已封装的很简单，所以直接运行以下代码即可开始训练。请注意，涉及到的模型路径、data.yaml路径、batchsize均需要根据自己的实际情况进行修改。为快速得到结果，这里只训练了100轮。

from ultralytics import YOLOmodel=YOLO(model="./yolo11n.pt")  #加载预训练模型
model.train(data="./mydatasets.yaml",epochs=100,imgsz=[640,640],batch=32)

部分训练日志如下：
在这里插入图片描述

3.2更改后的模型

更改后的训练代码如下: 和3.1注意事项相同，均需将涉及到的路径改为自己的，这里的yolo11-p2.yaml就是我复制一份修改后的网路结构。

from ultralytics import YOLOmodel=YOLO(model="./ultralytics/cfg/models/11/updete/yolo11-p2.yaml").load("./yolo11n.pt")  
model.train(data="./mydatasets.yaml",epochs=100,imgsz=[640,640],batch=32)