【YOLOv5改进系列(10)】高效涨点----将CAM（上下文增强模块）添加到Neck特征融合模块当中

本文主要是介绍【YOLOv5改进系列(10)】高效涨点----将CAM（上下文增强模块）添加到Neck特征融合模块当中，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

在这里插入图片描述

文章目录

🚀🚀🚀前言
一、1️⃣ 添加位置
二、2️⃣修改代码内容
三、3️⃣参数量变化
四、4️⃣实验结果
- 4.1 🎓 替换掉SPPF实验结果
- 4.2 ✨在Neck部分添加CAM

在这里插入图片描述

👀🎉📜系列文章目录

【YOLOv5改进系列(1)】高效涨点----使用EIoU、Alpha-IoU、SIoU、Focal-EIOU替换CIou
【YOLOv5改进系列(2)】高效涨点----Wise-IoU详细解读及使用Wise-IoU(WIOU)替换CIOU
【YOLOv5改进系列(3)】高效涨点----Optimal Transport Assignment：OTA最优传输方法
【YOLOv5改进系列(4)】高效涨点----添加可变形卷积DCNv2
【YOLOv5改进系列(5)】高效涨点----添加密集小目标检测NWD方法
【YOLOv5改进系列(6)】高效涨点----使用DAMO-YOLO中的Efficient RepGFPN模块替换yolov5中的Neck部分
【YOLOv5改进系列(7)】高效涨点----使用yolov8中的C2F模块替换yolov5中的C3模块
【YOLOv5改进系列(8)】高效涨点----添加yolov7中Aux head 辅助训练头
【YOLOv5改进系列(9)】高效涨点----使用CAM（上下文增强模块）替换掉yolov5中的SPPF模块

🚀🚀🚀前言

🚀在yolov5改进系列[9]里面我是已经将CAM模块替换掉了backbone最后一层的SPPF模块，经过实验可以得出，在我自己的钢轨表面疵点数据集上使用adaptive连接方式涨点效果最优，map@0.5提升了7个百分点。后来发现在Neck特征融合部分也能添加CAM模块，这里就在PANet的stage=1/32concat特征融合之前添加CAM模块进行处理。

一、1️⃣ 添加位置

在下面蓝色框部分添加CAM模块，用于检测大目标物体。如果有兴趣的也可以试一试分别添加到PANet的stage为16、8这两个部位。
在这里插入图片描述

二、2️⃣修改代码内容

📌其实就是在yolov5s_CAM.yaml文件中的head部分，最后一个stage上添加了CAM模块并指定连接方式，添加内容如下：
在这里插入图片描述
也可以将下面代码复制到yolov5s_CAM.yaml

### yolov5 cam yaml
nc: 80  # number of classes
depth_multiple: 0.33  # model depth multiple
width_multiple: 0.50  # layer channel multiple
anchors:- [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 v6.0 backbone
backbone:# [from, number, module, args][[-1, 1, Conv, [64, 6, 2, 2]],  # 0-P1/2[-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, SPPF, [1024, 5]],  # 9]# YOLOv5 v6.0 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]],  # 13[-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]],  # 17 (P3/8-small)[-1, 1, Conv, [256, 3, 2]],[[-1, 14], 1, Concat, [1]],  # cat head P4[-1, 3, C3, [512, False]],  # 20 (P4/16-medium)[-1, 1, Conv, [512, 3, 2]],[10, 1, CAM, ['concat']],[[-2, -1], 1, Concat, [1]],  # cat head P5[-1, 3, C3, [1024, False]],  # 23 (P5/32-large)[[17, 20, 24], 1, Detect, [nc, anchors]],  # Detect(P3, P4, P5)]

三、3️⃣参数量变化

🔥下面第一幅图是将CAM替换掉SPPF模块的运行参数量，GFLOPs的为22.0，第二图是与第一幅图有着相同连接方式的CAM模块，但是第二幅图的CAM是添加到了PANet最后一个stage的concat之前，参数量GFLOPs为17.8，会发现参数量少了许多，但是在训练过程中我明显发现第二种CAM添加方式，导致了模型训练的速度变慢了不少，训练速度增加了一倍不止。

在这里插入图片描述