yolov8学习笔记（三）添加注意力机制+源码简单了解

桃扇骨 2024-05-06 23:31 22阅读 0赞

**目录**

一、前言

**二、注意力机制添加**

**三、源码简单了解**

1、YOLO类中的——私有Model类

2、在哪来初始化的网络模型

**3、注释版下载**

**4、笔记下载**

--------------------

## 一、前言 ##

> 因为我没有学过pytorch，所以看源码也是一头雾水，不过大概看懂的是yolo是对pytorch的再次封装，封装得很好，**让我们无需对pytorch了解，也可以快速上手，训练自己的模型，进行目标检测！还可以获得不错的检测效果。**

> 我简单过了一遍源码，再去添加注意力机制的时候，就明白了许多，知道为什么要添加
> 
> 下一次添加的时候，我也知道哪几个地方需要修改了
> 
> **所以，建议没有看过yolo源码的话，还是建议看看，不然跟着改注意力容易出错哟！**

> 注意力机制是比较好添加的，反正我也了解，直接跟着博主们的教程修改就完事了
> 
> 然后去跑模型，看看有没有涨点，涨了就好，没有涨的话，就换一个注意力机制教程~
> 
> （我这是急于求成）（我只想水一个毕设）（┭┮﹏┭┮）

## 二、注意力机制添加 ##

> **1、 什么是注意力机制：**
> 
> [什么是 Attention（注意力机制）？【知多少】\_哔哩哔哩\_bilibili][Attention_bilibili]

> **2、引子（先跟着教学视频修改）：**
> 
> [注意力机制添加总结\_哔哩哔哩\_bilibili][bilibili]
> 
> 这里我跟着博主修改了，完全没有问题，用的yolo自带的注意力机制

> 3、**添加****ShuffleAttention****、****ECA****、****EffectiveSE****、****SE****：**
> 
> [Yolov8改进---注意力机制：ShuffleAttention、ECA、EffectiveSE、SE - 知乎][Yolov8_---_ShuffleAttention_ECA_EffectiveSE_SE -]
> 
> 我改了一个ShuffleAttention，完美运行

> 4、**添加****EMA****：**
> 
> [YOLOv8改进:添加EMA注意力机制\_efficient multi-scale attention module with cross--CSDN博客文章浏览阅读4.1k次，点赞6次，收藏84次。用YOLOv5x作为骨干CNN在VisDrone数据集上进行目标检测，其中CA, CBAM和EMA注意力分别集成到检测器中。从表2的结果可以看出，CA, CBAM和EMA都可以提高目标检测的基线性能。/EMA.py文件中新建一个名为EMA.py文件，将下述代码复制到EMA.py文件中并保存。本文提出了一种新的跨空间学习方法，并设计了一个多尺度并行子网络来建立短和长依赖关系。EMA的位置可以改变，看个人的数据集效果，改注意编号的变化。运行的时候看框架可以看到EMA说明添加成功。录用：ICASSP2023。\_efficient multi-scale attention module with cross-spatial learning![favicon32.ico][]https://blog.csdn.net/ShawN1022/article/details/132854884][YOLOv8_EMA_efficient multi-scale attention module with cross--CSDN_4.1k_6_84_YOLOv5x_CNN_VisDrone_CA_ CBAM_EMA_2_CA_ CBAM_EMA_EMA.py_EMA.py_EMA.py_EMA_EMA_ICASSP2023_efficient multi-scale attention module with cross-spatial learning_favicon32.ico_https_blog.csdn.net_ShawN1022_article_details_132854884]
> 
> 这个我用了，涨点了，涨了5个点，所以我就用这个了

> 5、还有其他的可以去github上找找，还有好几个，我找不到了

## 三、源码简单了解 ##

> ![bb24c00543154bad8f1167d5e96133b4.png][]

> **YOLOv8模型详细解释，逐行debug讲解：**
> 
> [YOLOv8模型详细解释，逐行debug讲解，真的太细了，小白也能听懂！！！后续将更改网络模型结构。\_哔哩哔哩\_bilibili][YOLOv8_debug_bilibili]
> 
>  *  **这个视频直接开始讲yolo里面的网络模型如何读配置的**
>  *  **然而没有提到yolo的一个高内聚！**
>  *  **也就是yolo的所有调用都是从这里进入的！（下图所示）**
> 
> ![7792a1fb887d4dc7ad3933f5643fda77.png][]
> 
> yolo用了python中许多的魔术方法，很难理解，我都是靠chatGPT慢慢翻译，强行理解
> 
> 唉，路漫漫其修远兮啊！

> ### 1、YOLO类中的——私有Model类 ###
> 
> 根据 `task_map`**字典**中的**映射关系**实例化相应的**模型、训练器、验证器和预测器**。
> 
> **实例化出的YOLO对象——中的私有model类**
> 
> ![baa464bcc359474fb8f73f8835a6df4e.png][]
> 
> ### 2、在哪来初始化的网络模型 ###
> 
> ![313b474fa8d2428ea23b827d21e86696.png][]

### 3、注释版下载 ###

> **我自己写的yolo源码注释版：**
> 
> [ultralytics-注释版.zip - 蓝奏云][ultralytics-_.zip -]

### 4、笔记下载 ###

> https://wwm.lanzout.com/isyZD1p3puyj  
> 密码:hoab

[Attention_bilibili]: https://www.bilibili.com/video/BV1G64y1S7bc
[bilibili]: https://www.bilibili.com/video/BV1p5411z7P5
[Yolov8_---_ShuffleAttention_ECA_EffectiveSE_SE -]: https://zhuanlan.zhihu.com/p/650309601?utm_id=0
[favicon32.ico]: https://g.csdnimg.cn/static/logo/favicon32.ico
[YOLOv8_EMA_efficient multi-scale attention module with cross--CSDN_4.1k_6_84_YOLOv5x_CNN_VisDrone_CA_ CBAM_EMA_2_CA_ CBAM_EMA_EMA.py_EMA.py_EMA.py_EMA_EMA_ICASSP2023_efficient multi-scale attention module with cross-spatial learning_favicon32.ico_https_blog.csdn.net_ShawN1022_article_details_132854884]: https://blog.csdn.net/ShawN1022/article/details/132854884
[bb24c00543154bad8f1167d5e96133b4.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/05/06/ddc359511b0d43fd86ef7a3f772d8174.png
[YOLOv8_debug_bilibili]: https://www.bilibili.com/video/BV1uM411X7n4
[7792a1fb887d4dc7ad3933f5643fda77.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/05/06/c1d98d48b78748a883f9d8a984ac6ac4.png
[baa464bcc359474fb8f73f8835a6df4e.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/05/06/f475ac51f389476f83d18b6acd6a4918.png
[313b474fa8d2428ea23b827d21e86696.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/05/06/aaf02f5c7736431ea68c39ca3eba44f1.png
[ultralytics-_.zip -]: https://wwm.lanzout.com/iLnPO1pf8kwh