YOLOv5-Compression
Update News
2021.10.30 复现TPH-YOLOv5
2021.10.31 完成替换backbone为Ghostnet
Requirements
环境安装
pip install -r requirements.txt
Evaluation metric
Visdrone DataSet (1-5 size is 608，6-8 size is 640)
| Model | mAP | mAP@50 | Parameters(M) | GFLOPs | FPS@CPU |
|---|---|---|---|---|---|
| YOLOv5n | 13 | 26.2 | 1.78 | 4.2 | |
| YOLOv5s | 18.4 | 34 | 7.05 | 15.9 | |
| YOLOv5m | 21.6 | 37.8 | 20.91 | 48.2 | |
| YOLOv5l | 23.2 | 39.7 | 46.19 | 108.1 | |
| YOLOv5x | 24.3 | 40.8 | 86.28 | 204.4 | |
| YOLOv5xP2 | 30.00 | 49.29 | 90.96 | 314.2 | |
| YOLOv5xP2 CBAM | 30.13 | 49.40 | 91.31 | 315.1 | |
| YOLOv5xP2 CBAM TPH | 86.08 | 238.9 |
训练脚本实例：
nohup python train.py --data VisDrone.yaml --weights yolov5n.pt --cfg models/yolov5n.yaml --epochs 300 --batch-size 8 --img 608 --nosave --device 0,1 --sync-bn >> yolov5n.txt &
Multi-Backbone
精度区
TPH-YOLOv5
消融实验如下：
| Model | mAP | mAP@50 | Parameters(M) | GFLOPs | FPS@CPU |
|---|---|---|---|---|---|
| YOLOv5x | 24.3 | 40.8 | 86.28 | 204.4 | |
| YOLOv5xP2 | 30.1 | 49.3 | 90.96 | 314.2 | |
| YOLOv5xP2 CBAM | 30.13 | 49.40 | 91.31 | 315.1 | |
| YOLOv5x-TPH | 86.08 | 238.9 |
组件：P2检测头、CBAM、Transformer Block
结构图如下：
注意：
（1）避免TransBlock导致显存爆炸，MultiAttentionHead中将注意力头的数量减少至4，并且FFN中的两个全连接层从linear(c1, 4*c1)改为linear(c1, c1)，去掉GELU函数
（2）TransBlock的数量会根据YOLO规模的不同而同步改变
（3）TPH-YOLOv5显卡需求较高，若根据结构图进行复现，RTX3090下只能支持batch size=1，img_size=508，可根据个人需求适当减小TransBlock的数量
轻量区
| Model | mAP | mAP@50 | Parameters(M) | GFLOPs | FPS@CPU |
|---|---|---|---|---|---|
| YOLOv5s | 18.4 | 34 | 7.05 | 15.9 | |
| YOLOv5l-Ghostnet | 24.27 | 42.4 |
Ghostnet-YOLOv5
（1）为保持一致性，下采样的DW的kernel_size均等于3
（2）neck部分与head部分仍采用YOLOv5l原结构
To do
- Multibackbone: mobilenetv3
- Multibackbone: shufflenetv2
- Multibackbone: Ghostnet
- Multibackbone: TPH-YOLOv5
- Pruning: Network slimming
- Quantization: 4bit QAT
- Knowledge Distillation
