当前位置： 首页 > news >正文

YOLOv5（四）：models/common.py 核心模块速查表

news 2025/11/11 17:29:09

两大流程的核心关联

流程核心依赖的 common.py 组件核心目的触发场景
模型构建Conv/C3/SPPF/Concat/Focus + 工具函数搭建可训练/推理的网络结构训练前初始化、推理前加载模型
推理部署AutoShape/DetectMultiBackend/Detections + 所有特征提取模块端到端检测，输出可视化结果实际检测任务、部署落地

总结

common.py 的核心逻辑是 “组件化支撑”：模型构建时提供“积木”（特征提取、维度变换模块），推理时提供“执行单元”（前向传播）和“流程封装”（预处理、结果可视化），两大流程通过 yolo.py 的网络定义和 DetectMultiBackend 的推理调度串联，最终实现从配置到检测结果的端到端闭环。

流程-模块-作用 对应表

核心流程关键环节核心模块（common.py）具体作用
一、模型构建流程（yolo.py 驱动）1. 输入层构建Focus压缩宽高（640→320）、提升通道数（3→12），聚合初始空间信息
2. Backbone 特征提取Conv、C3、BottleneckCSPConv：基础特征提取（Conv+BN+SiLU）；C3/BottleneckCSP：深度特征提取+残差融合
3. 多尺度特征聚合SPPF、SPP多尺度池化（SPPF效率更高），融合不同感受野特征，增强全局信息捕捉能力
4. Neck 特征融合Concat、C3、ConvConcat：跨层特征拼接（如P3/P4/P5尺度）；C3：拼接后特征融合；Conv：通道调整
5. 网络初始化所有模块（Conv/C3等）+ autopad工具autopad：自动计算padding确保Same卷积；模块权重通过initialize_weights初始化
二、推理部署流程（独立/yolo.py 调用）1. 输入预处理AutoShape兼容cv2/np/PIL/torch输入，统一执行LetterBox填充、通道转换、归一化
2. 特征提取（推理阶段）Conv、C3、SPPF、Concat等所有特征模块按网络顺序执行forward方法，输出检测头所需的多尺度特征图
3. 多后端推理适配DetectMultiBackend兼容PyTorch/ONNX/TensorRT等10+后端，统一推理接口，屏蔽后端差异
4. 推理加速（可选）Conv（forward_fuse方法）融合Conv+BN层，减少计算步骤，提升推理速度（约10-20%）
5. 后处理与结果封装AutoShape、DetectionsAutoShape：执行NMS、坐标缩放；Detections：封装多格式结果（xyxy/xywh）
6. 可视化与输出Detections支持打印检测信息、显示图像、保存结果、裁剪目标区域，适配部署需求

补充说明

  1. 表格按“流程→环节→模块→作用”层层对应，覆盖从网络搭建到推理落地的全链路；
  2. 核心模块均来自 common.py，避免遗漏关键组件；
  3. 作用描述聚焦“核心功能”，不冗余细节，方便快速查阅模块在流程中的定位。

模块-参数-核心代码 速查表

模块名称关键参数（含义）核心代码（精简版，保留关键逻辑）
Conv（标准卷积）c1：输入通道数
c2：输出通道数
k：卷积核尺寸
act：是否启用SiLU激活（默认True）		python<br>def __init__(self, c1, c2, k=1, s=1, p=None, g=1, act=True):<br> self.conv = nn.Conv2d(c1, c2, k, s, autopad(k,p), groups=g, bias=False)<br> self.bn = nn.BatchNorm2d(c2)<br> self.act = nn.SiLU() if act else nn.Identity()<br>def forward(self, x):<br> return self.act(self.bn(self.conv(x)))<br>def forward_fuse(self, x):<br> return self.act(self.conv(x))<br>
C3（特征融合）c1：输入通道数
c2：输出通道数
n：残差块数量
shortcut：是否启用残差连接（默认True）		python<br>def __init__(self, c1, c2, n=1, shortcut=True, g=1, e=0.5):<br> c_ = int(c2*e)<br> self.cv1 = Conv(c1, c_, 1, 1)<br> self.cv2 = Conv(c1, c_, 1, 1)<br> self.cv3 = Conv(2*c_, c2, 1)<br> self.m = nn.Sequential(*(Bottleneck(c_,c_,shortcut,g) for _ in range(n)))<br>def forward(self, x):<br> return self.cv3(torch.cat((self.m(self.cv1(x)), self.cv2(x)), 1))<br>
SPPF（快速多尺度池化）c1：输入通道数
c2：输出通道数
k：池化核尺寸（默认5，等效5/9/13池化）		python<br>def __init__(self, c1, c2, k=5):<br> c_ = c1//2<br> self.cv1 = Conv(c1, c_, 1, 1)<br> self.cv2 = Conv(c_*4, c2, 1, 1)<br> self.m = nn.MaxPool2d(k, 1, k//2)<br>def forward(self, x):<br> x = self.cv1(x)<br> y1,y2,y3 = self.m(x), self.m(y1), self.m(y2)<br> return self.cv2(torch.cat([x,y1,y2,y3],1))<br>
Focus（维度变换）c1：输入通道数
c2：输出通道数
k：卷积核尺寸（默认1）		python<br>def __init__(self, c1, c2, k=1, s=1, p=None, g=1, act=True):<br> self.conv = Conv(c1*4, c2, k, s, p, g, act)<br>def forward(self, x):<br> return self.conv(torch.cat([x[...,::2,::2], x[...,1::2,::2],<br> x[...,::2,1::2], x[...,1::2,1::2]], 1))<br>
GhostConv（轻量化卷积）c1：输入通道数
c2：输出通道数
k：卷积核尺寸（默认1）		python<br>def __init__(self, c1, c2, k=1, s=1, g=1, act=True):<br> c_ = c2//2<br> self.cv1 = Conv(c1, c_, k, s, None, g, act)<br> self.cv2 = Conv(c_, c_, 5, 1, None, c_, act)<br>def forward(self, x):<br> y = self.cv1(x)<br> return torch.cat([y, self.cv2(y)], 1)<br>
Concat（拼接）dimension：拼接维度（默认1=通道维度）python<br>def __init__(self, dimension=1):<br> self.d = dimension<br>def forward(self, x):<br> return torch.cat(x, self.d)<br>
AutoShape（输入自适应）conf：NMS置信度阈值（默认0.25）
iou：NMS IoU阈值（默认0.45）
max_det：最大检测数（默认1000）		python<br>@torch.no_grad()<br>def forward(self, imgs, size=640, augment=False, profile=False):<br> # 输入预处理：统一格式→LetterBox→BCHW→归一化<br> x = [letterbox(im, new_shape=shape1, auto=False)[0] for im in imgs]<br> x = np.stack(x,0).transpose((0,3,1,2))<br> x = torch.from_numpy(x).to(p.device).type_as(p)/255<br> # 推理+后处理<br> y = self.model(x, augment, profile)<br> y = non_max_suppression(y, self.conf, self.iou, max_det=self.max_det)<br> for i in range(n):<br> scale_coords(shape1, y[i][:, :4], shape0[i])<br> return Detections(imgs, y, files, t, self.names, x.shape)<br>
DetectMultiBackend（多后端推理）weights：模型路径
device：推理设备
dnn：是否启用OpenCV DNN后端（默认False）		python<br>def __init__(self, weights='yolov5s.pt', device=None, dnn=False, data=None):<br> # 识别模型类型→初始化对应后端（PyTorch/ONNX/TRT等）<br> pt, jit, onnx, xml, engine = self.model_type(w)<br> if pt: self.model = attempt_load(weights, map_location=device)<br> elif onnx: self.session = onnxruntime.InferenceSession(w, providers=providers)<br> # 其他后端初始化...<br>def forward(self, im, augment=False, visualize=False, val=False):<br> # 不同后端推理逻辑→统一输出格式<br> return torch.tensor(y) if isinstance(y, np.ndarray) else y<br>
Detections（结果封装）imgs：原始图像列表
pred：检测结果张量
names：类别名称列表		python<br>def __init__(self, imgs, pred, files, times=(0,0,0,0), names=None, shape=None):<br> self.xyxy = pred<br> self.xywh = [xyxy2xywh(x) for x in pred]<br> self.xyxyn = [x/g for x,g in zip(self.xyxy, gn)]<br> self.t = tuple((times[i+1]-times[i])*1000/self.n for i in range(3))<br>def display(self, pprint=False, show=False, save=False, crop=False):<br> # 可视化/保存/裁剪逻辑...<br>

速查表说明

  1. 聚焦 common.py 中最常用的核心模块，参数仅保留关键项（忽略次要默认参数）；
  2. 核心代码精简为“关键逻辑+核心API”，去掉冗余注释和异常处理，方便快速定位核心实现；
  3. 按“基础模块→特征模块→工具模块→推理模块”排序，符合开发时的查询习惯；
  4. 适用于开发时快速查阅模块参数含义、核心逻辑，无需翻阅完整源码。

以下是 common.py 核心模块的独立调用示例代码集（基于 PyTorch，可直接复制运行，附输出说明），涵盖模块初始化、输入处理、前向传播全流程：

1. Conv（标准卷积模块）

作用：基础卷积+BN+激活，实现特征提取

import torch
from models.common import Conv  # 假设已将YOLOv5的models目录加入环境变量# 1. 初始化模块：输入3通道，输出16通道，卷积核3x3，步长1
conv = Conv(c1=3, c2=16, k=3, s=1)# 2. 准备输入：模拟1张3通道、32x32的图像（BCHW格式）
x = torch.randn(1, 3, 32, 32)  # 随机生成输入张量# 3. 前向传播
output = conv(x)# 4. 输出结果
print(f"输入形状: {x.shape}")       # torch.Size([1, 3, 32, 32])
print(f"输出形状: {output.shape}")  # torch.Size([1, 16, 32, 32])（Same卷积，尺寸不变）

2. C3（特征融合模块）

作用：通过残差块堆叠+特征拼接，增强特征表达能力

import torch
from models.common import C3, Conv  # C3依赖Conv和Bottleneck# 1. 初始化模块：输入16通道，输出32通道，2个残差块，启用残差连接
c3 = C3(c1=16, c2=32, n=2, shortcut=True)# 2. 准备输入：承接Conv的输出（1,16,32,32）
x = torch.randn(1, 16, 32, 32)# 3. 前向传播
output = c3(x)# 4. 输出结果
print(f"输入形状: {x.shape}")       # torch.Size([1, 16, 32, 32])
print(f"输出形状: {output.shape}")  # torch.Size([1, 32, 32, 32])（通道数翻倍，尺寸不变）

3. SPPF（快速多尺度池化）

作用：通过多尺度最大池化融合不同感受野特征

import torch
from models.common import SPPF# 1. 初始化模块：输入32通道，输出64通道，池化核5x5（等效5/9/13池化）
sppf = SPPF(c1=32, c2=64, k=5)# 2. 准备输入：承接C3的输出（1,32,32,32）
x = torch.randn(1, 32, 32, 32)# 3. 前向传播
output = sppf(x)# 4. 输出结果
print(f"输入形状: {x.shape}")       # torch.Size([1, 32, 32, 32])
print(f"输出形状: {output.shape}")  # torch.Size([1, 64, 32, 32])（通道数翻倍，尺寸不变）

4. Focus（维度变换模块）

作用：通过切片聚合提升通道数，压缩空间尺寸

import torch
from models.common import Focus# 1. 初始化模块：输入3通道，输出12通道（3x4），卷积核3x3
focus = Focus(c1=3, c2=12, k=3)# 2. 准备输入：模拟1张3通道、64x64的图像
x = torch.randn(1, 3, 64, 64)# 3. 前向传播
output = focus(x)# 4. 输出结果
print(f"输入形状: {x.shape}")       # torch.Size([1, 3, 64, 64])
print(f"输出形状: {output.shape}")  # torch.Size([1, 12, 32, 32])（通道×4，尺寸÷2）

5. GhostConv（轻量化卷积）

作用：通过“主卷积+廉价操作”减少参数，实现轻量化特征提取

import torch
from models.common import GhostConv# 1. 初始化模块：输入3通道，输出16通道，卷积核3x3
ghost_conv = GhostConv(c1=3, c2=16, k=3)# 2. 准备输入：模拟1张3通道、32x32的图像
x = torch.randn(1, 3, 32, 32)# 3. 前向传播
output = ghost_conv(x)# 4. 输出结果
print(f"输入形状: {x.shape}")       # torch.Size([1, 3, 32, 32])
print(f"输出形状: {output.shape}")  # torch.Size([1, 16, 32, 32])（通道数达标，参数比标准Conv少）

6. Concat（特征拼接模块）

作用：在指定维度拼接多个特征图（通常用于跨尺度特征融合）

import torch
from models.common import Concat# 1. 初始化模块：在通道维度（dim=1）拼接
concat = Concat(dimension=1)# 2. 准备输入：2个同尺寸、不同通道的特征图
x1 = torch.randn(1, 16, 32, 32)  # 16通道
x2 = torch.randn(1, 16, 32, 32)  # 16通道# 3. 前向传播（输入需为列表）
output = concat([x1, x2])# 4. 输出结果
print(f"输入1形状: {x1.shape}, 输入2形状: {x2.shape}")
print(f"输出形状: {output.shape}")  # torch.Size([1, 32, 32, 32])（通道数16+16=32）

7. AutoShape（输入自适应处理）

作用：自动兼容多格式输入（图像/视频），完成预处理+推理+后处理

import torch
from models.common import AutoShape
from PIL import Image
import numpy as np# 1. 加载模型并包装AutoShape（需替换为实际模型路径）
model = AutoShape(weights="yolov5s.pt")  # 自动处理输入+推理+后处理# 2. 准备输入（支持PIL图像/np数组/torch张量，单图或批量）
img_pil = Image.open("test.jpg")  # PIL图像
img_np = np.array(img_pil)        # numpy数组（HWC）
img_torch = torch.from_numpy(img_np).permute(2,0,1)/255  # torch张量（CHW，归一化）# 3. 推理（自动统一格式+预处理+NMS）
results = model([img_pil, img_np, img_torch])  # 批量输入# 4. 输出结果（Detections对象，支持多种格式）
results.print()  # 打印检测结果（类别、置信度、坐标）
results.save()   # 保存带检测框的图像
print("检测框（xyxy格式）:\n", results.xyxy)  # 像素坐标

8. DetectMultiBackend（多后端推理适配）

作用：兼容PyTorch/ONNX/TensorRT等后端，统一推理接口

import torch
from models.common import DetectMultiBackend# 1. 初始化多后端模型（支持.pt/.onnx/.engine等，需替换为实际模型路径）
model = DetectMultiBackend(weights="yolov5s.onnx",  # 示例：ONNX模型device=torch.device("cuda" if torch.cuda.is_available() else "cpu")
)# 2. 准备输入（需符合模型输入尺寸，如640x640）
x = torch.randn(1, 3, 640, 640).to(model.device)  # 模拟输入# 3. 推理（自动适配后端，输出原始检测张量）
output = model(x)# 4. 输出结果（原始特征图或检测框，需后续NMS处理）
print(f"推理输出形状: {output.shape}")  # 如 yolov5s 输出为 (1, 25200, 85)

示例说明

  1. 所有示例基于 torch 1.10+，需提前安装 torch 和 YOLOv5 依赖（pip install -r requirements.txt）；
  2. 涉及模型路径的示例（如 AutoShape/DetectMultiBackend），需替换为本地实际模型文件（可通过 python train.py 生成或官网下载）；
  3. 输入数据均用随机张量或示例图像，实际使用时替换为业务数据即可；
  4. 输出形状反映模块核心功能（如通道变换、尺寸压缩、特征拼接），便于快速验证模块正确性。
http://www.dtcms.com/a/595021.html

相关文章：

  • 从零开始的web开发（一）
  • 商城类网站用什么做wordpress站点标题副标题换行
  • 咨询公司网站模板discuzq主题
  • 网站开发硬件设计h5响应式网站做动画
  • C语言实战：用枚举+switch实现交通信号灯控制
  • 百度收录不了网站吗设计制作活动记录表
  • 网站域名空间费用div做网站排版
  • 佛山网站设计哪家便宜铜陵市建设工程管理局网站
  • 市建设局网站的综合业务管理平台大连制作网站多少钱
  • 如何给公司注册网站网站不收录排名会降吗
  • 酒店网站建设必要性做任务领积分兑换别的网站上的会员
  • 在网站建设工作会议上讲话个人网站特点
  • 网站建设费摊销几年网站推广的主要方法
  • 多语言网站思路做短租哪个网站好
  • 云南网站排名网站的栏目结构简图怎么做
  • 外贸展示型网站建设公司优化网站价格
  • 建站高端网站wordpress 文章 字体大小
  • 医院网站建设套餐方案seo编辑培训
  • 免费网站软件正能量网站开发制作包括哪些的基本流程
  • 站长工具无吗经典北京专业的网络seo
  • 做网站方案网站生成自助
  • 宁波建设公司网站两阳夹一阴后续走势
  • PCL实战项目-软件界面搭建RibbonUI
  • 11.10奇怪奇怪死了
  • Candy
  • 网站策划做营销推广怎么创建一个论坛
  • 个人做动漫资源网站有哪些嘉兴网站制作案例
  • 线程需要重点掌握的部分
  • 无锡高端网站建设咨询中文域名注册查询
  • 网站建设品牌营销长春关键词搜索排名