YOLO相关

pip install opencv_python==3.4.4.19

self.strides = [8, 16, 32] t改为 self.strides = [32, 16]

for i in range(3): 改为 for i in range(len(self.strides)):

raise NotImplementedError("Create your own 'get_image_id' function")

lv, no = os.path.splitext(os.path.basename(filename))[0].split("_")
lv = lv.replace("level", "")
no = f"{int(no):04d}"

det_confs = det_confs.contiguous().view(output.size(0), num_anchors * output.size(2) * output.size(3), 1)

det_confs = det_confs.reshape(output.size(0), num_anchors * output.size(2) * output.size(3), 1)

pip3 install torch==1.10.0+cu113 torchvision==0.11.1+cu113 torchaudio===0.10.0+cu113 -f https://download.pytorch.org/whl/cu113/torch_stable.html

output = output.cpu().numpy()

# Hyperparameter evolution metadata (mutation scale 0-1, lower_limit, upper_limit)
        meta = {'lr0': (1, 1e-5, 1e-1),  # 初始学习率(SGD=1E-2, Adam=1E-3)
                'lrf': (1, 0.01, 1.0),  # 余弦退火超参数学习率(lr0 * lrf)
                'momentum': (0.3, 0.6, 0.98),  # SGD学习率动量/Adam beta1
                'weight_decay': (1, 0.0, 0.001),  # 优化器权重衰减系数
                'warmup_epochs': (1, 0.0, 5.0),  # 预热学习epoch(fractions ok)
                'warmup_momentum': (1, 0.0, 0.95),  # 预热学习率动量
                'warmup_bias_lr': (1, 0.0, 0.2),  # 初始预热学习率
                'box': (1, 0.02, 0.2),  # giou损失的系数
                'cls': (1, 0.2, 4.0),  # 分类损失的系数
                'cls_pw': (1, 0.5, 2.0),  # 分类BCELoss中正样本的权重
                'obj': (1, 0.2, 4.0),  # obj损失的系数(像素级缩放)
                'obj_pw': (1, 0.5, 2.0),  # 物体BCELoss中正样本的权重
                'iou_t': (0, 0.1, 0.7),  # 标签与anchors的iou阈值
                'anchor_t': (1, 2.0, 8.0),  # 标签的长h宽w/anchor的长h_a宽w_a阈值, 即h/h_a, w/w_a都要在(1/2.0, 8.0)之间
                'anchors': (2, 2.0, 10.0),  # 每个输出网格的锚点(0为忽略)
                # 下面是一些数据增强的系数, 包括颜色空间和图片空间
                'fl_gamma': (0, 0.0, 2.0),  # 焦点损失gamma(efficientDet默认gamma=1.5)
                'hsv_h': (1, 0.0, 0.1),  # 图像hsv -色调增强(小数)
                'hsv_s': (1, 0.0, 0.9),  # 图像hsv -饱和度增强(小数)
                'hsv_v': (1, 0.0, 0.9),  # 图像hsv -明度增强(小数)
                'degrees': (1, 0.0, 45.0),  # 图像旋转(+/- 角度 )
                'translate': (1, 0.0, 0.9),  # 图像水平和垂直平移 (+/- 小数)
                'scale': (1, 0.0, 0.9),  # 图像缩放(+/- 比例)
                'shear': (1, 0.0, 10.0),  # 图像剪切(+/- 程度)
                'perspective': (0, 0.0, 0.001),  # 图像透视变换(+/- 小数)，范围0-0.001
                'flipud': (1, 0.0, 1.0),  # 图像上下翻转 (probability)
                'fliplr': (0, 0.0, 1.0),  # 图像左右翻转 (probability)
                'mosaic': (1, 0.0, 1.0),  # 图像马赛克 (probability)
                'mixup': (1, 0.0, 1.0),  # 图像混合 (probability)
                'copy_paste': (1, 0.0, 1.0)}  # 段复制粘贴 (probability)
}

# YOLOv5 🚀 by Ultralytics, GPL-3.0 license

# Parameters
nc: 80  # 目标的类别数量
depth_multiple: 0.33  # 模型深度。控制模块的数量，当模块的数量number不为1时，模块的数量 = number * depth。
width_multiple: 0.25  # 模型的宽度。控制卷积核的数量，卷积核的数量 = number  * width。
anchors:
  - [19,27,  44,40,  38,94]  # P3/8 检测小目标  19,27是一组尺寸，一共三组 
  - [96,68,  86,152,  180,137]  # P4/16
  - [140,301,  303,264,  238,542]  # P5/32
  - [436,615,  739,380,  925,792]  # P6/64 检测大目标

# YOLOv5 v6.0 backbone
backbone:
  # from   第一列 输入来自哪一层  -1代表上一层， 4代表第4层     
  # number 第二列 卷积核的数量    最终数量需要乘上width  
  # module 第三列 模块名称 包括：Conv Focus BottleneckCSP  SPP  
          # Focus, [64, 3]：对特征图的切片操作，模块参数中的 [64, 3] 解析得到[3, 32, 3] ，输入为3（RGB），输出为64*width_multiple = 32，3是卷积核 3*3
          # Conv, [512, 3, 2]：Conv由conv+Bn+Leaky_relu激活函数三者组成。512是卷积核数量，最终数量需要乘上width_multiple。3是卷积核 3*3。2是步长。
          # BottleneckCSP, [1024, False]：借鉴CSPNet网络结构，由三个卷积层和X个Res unint模块Concate组成，如果带有False参数就是没有使用Res unint模块，而是采用conv+Bn+Leaky_relu
          # SPP, [1024, [5, 9, 13]]：采用1×1，5×5，9×9，13×13的最大池化的方式，进行多尺度融合。
  # args   第四列 模块的参数   
  [[-1, 1, Conv, [64, 6, 2, 2]], # 0-P1/2
   [-1, 1, Conv, [128, 3, 2]],   # 1-P2/4 卷积核的数量 = 128 * wdith = 128*width_multiple=32        
   [-1, 3, C3, [128]],           # 模块数量 = 3 * depth_multiple =3*0.33=1  
   [-1, 1, Conv, [256, 3, 2]],   # 3-P3/8
   [-1, 6, C3, [256]],           # 模块数量 = 6 * depth_multiple =6*0.33=2
   [-1, 1, Conv, [512, 3, 2]],   # 5-P4/16
   [-1, 9, C3, [512]],
   [-1, 1, Conv, [768, 3, 2]],   # 7-P5/32
   [-1, 3, C3, [768]],
   [-1, 1, Conv, [1024, 3, 2]],  # 9-P6/64
   [-1, 3, C3, [1024]],
   [-1, 1, SPPF, [1024, 5]],     # 11
  ]

# YOLOv5 v6.0 head
# 包括 Neck 和 Detector head 两部分
head:
  [[-1, 1, Conv, [768, 1, 1]],
   [-1, 1, nn.Upsample, [None, 2, 'nearest']], # 上采样 
   [[-1, 8], 1, Concat, [1]],  # cat backbone P5 代表cat上一层和第8层 
   [-1, 3, C3, [768, False]],  # 15 第15层        

   [-1, 1, Conv, [512, 1, 1]],
   [-1, 1, nn.Upsample, [None, 2, 'nearest']],
   [[-1, 6], 1, Concat, [1]],  # cat backbone P4 代表cat上一层和第6层  
   [-1, 3, C3, [512, False]],  # 19 第19层  

   [-1, 1, Conv, [256, 1, 1]],
   [-1, 1, nn.Upsample, [None, 2, 'nearest']],
   [[-1, 4], 1, Concat, [1]],  # cat backbone P3 代表cat上一层和第4层  
   [-1, 3, C3, [256, False]],  # 23 (P3/8-small) 第23层 

   [-1, 1, Conv, [256, 3, 2]],
   [[-1, 20], 1, Concat, [1]],  # cat head P4 代表cat上一层和第20层
   [-1, 3, C3, [512, False]],  # 26 (P4/16-medium) 第26层 

   [-1, 1, Conv, [512, 3, 2]],
   [[-1, 16], 1, Concat, [1]],  # cat head P5 代表cat上一层和第16层
   [-1, 3, C3, [768, False]],  # 29 (P5/32-large) 第29层 

   [-1, 1, Conv, [768, 3, 2]],
   [[-1, 12], 1, Concat, [1]],  # cat head P6 代表cat上一层和第12层
   [-1, 3, C3, [1024, False]],  # 32 (P6/64-xlarge) 第32层 

   [[23, 26, 29, 32], 1, Detect, [nc, anchors]],  # Detect(P3, P4, P5, P6) 代表输入的层数23/26/29/32 
  ]