YOLOv5结合BiFPN

最新推荐文章于 2025-07-04 23:40:02 发布

原创

最新推荐文章于 2025-07-04 23:40:02 发布 · 3.4w 阅读

416 ·

CC 4.0 BY-SA版权

本文介绍了将EfficientDet中的BiFPN结构应用于YOLOv5，以替换原有的PANet层，从而提高目标检测的性能。作者修改了yolov5x.yaml配置文件，调整了concat层的连接方式，并在yolo.py中实现了pairwise add操作。目前是一个初步的结合，模型仍在训练中，后续会分享训练结果。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

现在yolov5的neck用的是PANet，在EfficientDet论文中提出了BiFPN结构，还有更加不错的性能。所以就尝试将yolov5中的PANet层改为BiFPN。

需要修改的地方

主要是修改yaml配置文件
我修改的是yolov5x.yaml，将concat层连接不同的layer。有三层BiFPN，最后输出为了和yolov5对应，我没有用在论文里写的p3-p7五个节点，我只用了三个。（这里应该要用relu使w>0，我训练报错就没有用relu）
修改common.py

class Concat(nn.Module):
    # Concatenate a list of tensors along dimension
    def __init__(self, c1, c2):
        super(Concat, self).__init__()
        # self.relu = nn.ReLU()
        self.w1 = nn.Parameter(torch.ones(2, dtype=torch.float32), requires_grad=True