Guide sur la construction du modèle Yolov11 à partir de zéro à l'aide de pytorch

yolov11: une plongée profonde dans l'architecture et la mise en œuvre d'un modèle de détection d'objets de pointe

Les modèles

yolo (vous ne regardez une fois) que les modèles sont réputés pour leur efficacité et leur précision dans les tâches de vision par ordinateur, y compris la détection d'objets, la segmentation, l'estimation de la pose, etc. Cet article se concentre sur l'architecture et la mise en œuvre de la dernière itération, Yolov11, en utilisant Pytorch. Alors que les ultralytiques, les créateurs, hiérarchisent l'application pratique sur les articles de recherche formels, nous disséquerons sa conception et construire un modèle fonctionnel.

Comprendre l'architecture de Yolov11

yolov11, comme ses prédécesseurs, utilise une architecture en trois parties: squelette, cou et tête.

• Détroélectricité: Extrait les fonctionnalités utilisant des blocs à base d'étranglement efficaces (C3K2, un raffinement du C2F de Yolov8). Cette colonne vertébrale, tirant parti de Darknet et DarkFPN, produit trois cartes de fonctionnalités (P3, P4, P5) représentant différents niveaux de détail.

• cou: traite la sortie du squelette, fusionnant les caractéristiques à travers les échelles en utilisant l'échantillonnage et la concaténation. Un composant crucial est le bloc C2PSA, incorporant des modules d'attention spatiale partielle (PSA) pour améliorer la mise au point sur les informations spatiales pertinentes dans les caractéristiques de bas niveau.

• tête: gère les prédictions spécifiques à la tâche. Pour la détection d'objets, il comprend:

  • DFL (perte focale de distribution): affine les prédictions de la boîte de délimitation.
  • Détection des boîtes: prédit les coordonnées de la boîte de délimitation.
  • Détection de classe: Prédit les classes d'objets. Le modèle prend également en charge les têtes de segmentation et de détection de point de clé.

Blocs de construction de base: Couches de convolution et de goulot d'étranglement

Le modèle s'appuie fortement sur:

• Couches convolutionnelles: Extraire les fonctionnalités des données d'entrée.
• Couches d'étranglement: Améliorez l'efficacité et l'apprentissage en utilisant deux couches convolutionnelles avec une connexion de raccourci (concaténation ou addition résiduelle).
• modules C3K et C3K2: Blocs convolutionnels optimisés pour une extraction de caractéristiques efficace.
• SPPF (Pyramide spatial RAPAGE rapidement): améliore la capacité du modèle à détecter des objets de tailles variables.

Fixé sur l'implémentation du code (pytorch)

Les extraits de code suivants illustrent les composants clés:

(Simplifié pour la concision; reportez-vous à l'article d'origine pour le code complet.)

# Simplified Conv Block
class Conv(nn.Module):
    def __init__(self, in_ch, out_ch, activation, ...):
        # ... (Initialization code) ...
    def forward(self, x):
        return activation(self.norm(self.conv(x)))

# Simplified Bottleneck Block (Residual)
class Residual(nn.Module):
    def __init__(self, ch, e=0.5):
        # ... (Initialization code) ...
    def forward(self, x):
        return x + self.conv2(self.conv1(x))

# Simplified SPPF
class SPPF(nn.Module):
    def __init__(self, c1, c2, k=5):
        # ... (Initialization code) ...
    def forward(self, x):
        # ... (MaxPooling and concatenation) ...
        return self.cv2(torch.cat((x, y1, y2, self.m(y2)), 1))

# ... (Other key blocks: C3K, C3K2, PSA, Attention, PSABlock, DFL) ...

Construction et test du modèle

Le modèle complet Yolov11 est construit en combinant le squelette, le cou et la tête. Différentes tailles de modèle (nano, petite, moyenne, grande, xlARGE) sont obtenues en ajustant des paramètres comme la profondeur et la largeur. Le code fourni comprend une classe YOLOv11 pour faciliter cela.

Les tests de modèle avec un tenseur d'entrée aléatoire démontrent la structure de sortie (cartes de fonctionnalités en mode d'entraînement, prédictions concaténées en mode d'évaluation). Un traitement ultérieur (suppression non maximale) est nécessaire pour obtenir des détections d'objets finales.

Conclusion

yolov11 représente une progression significative de la détection d'objets, offrant une architecture puissante et efficace. Sa conception priorise les applications pratiques, ce qui en fait un outil précieux pour les projets d'IA du monde réel. L'architecture détaillée et les extraits de code fournissent une base solide pour la compréhension et le développement ultérieur. N'oubliez pas de consulter l'article d'origine pour le code complet et exécutable.

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!