devbox
我家自动化
这个屌丝很懒，什么也没留下！
关注作者
热门标签
热门文章
当前位置:   article > 正文

YOLOv9改进 | 提供YOLOv9全系列支持YOLOv9n、YOLOv9s、V9m、V9l、V9x的修改方式（全网独家首发）_yolov9模型有哪几种

作者：我家自动化 | 2024-03-25 22:22:43

赞

踩

yolov9模型有哪几种

一、本文介绍

大家好，本文给大家带来的是2024年2月21日全新发布的SOTA模型YOLOv9的补全教程（算是一种补全吧我个人认为），了解V7的读者都知道V7系列是不支持模型深度和宽度的修改的也就是没有办法像YOLOv8那样有多个版本（例如：V9n、V9s、V9m、V9l、V9x这样），所以我也是在YOLOv9最新版本的基础上给大家把这个共功能添加上了（修改模型的深度和宽度从而产生达到不同版本的效果），本文的内容均为我个人整理和撰写，创作不易，大家可以帮忙点赞评论支持一下！

专栏地址：YOLOv9有效涨点专栏-持续复现各种顶会内容-有效涨点-全网改进最全的专栏 

目录

一、本文介绍

二、模型获取和训练

2.1 训练教程

2.2 模型下载 

三、 添加多版本教程

3.1 修改一

3.2 修改二

3.3 修改三 

四、运行对比

4.1 gelan-n

4.1.1 gelan-n.yaml文件

4.1.2 运行截图 

4.2 gelan-s

4.2.1 gelan-s.yaml文件 

4.2.1 运行截图

4.3 gelan-m

4.3.1 gelan-m.yaml文件

4.3.2 运行截图 

4.4 gelan-l

4.4.1 gelan-l.yaml文件

4.4.1 运行截图 

4.5 gelan-x

4.5.1  gelan-x.yaml文件

4.5.1 运行截图 

五、全文总结 

二、模型获取和训练

2.1 训练教程

在开始之前大家肯定要学会训练自己的YOLOv9模型（比较特殊）所以我这里给大家总结了教程，大家有需要的可以点击下面的链接进行跳转到我另一篇的文章里（文章里详细介绍了如何训练、验证、导出、推理等功能）。

使用教程：YOLOv9 | 利用yolov9训练自己的数据集 -＞ 推理、验证（源码解读 + 手撕结构图）

2.2 模型下载 

YOLOv9已经开源在Github上了，地址如下->

官方论文地址： 官方论文地址点击即可跳转

官方代码地址： 官方代码地址点击即可跳转 

三、 添加多版本教程

下面给大家添加上教程，修改教程很简单大家看着修改即可。

3.1 修改一

首先我们下载完YOLOv9的官方代码之后，我们找到如下的文件'models/yolo.py'文件，在其中找到'def parse_model(d, ch):  # model_dict, input_channels(3)'。

下面的代码就是红框内的代码大家复制即可，省的自己可能打错字！ 

  1. ​
  2.             if m in (RepNCSPELAN4,):
  3.                 args[1] = make_divisible(args[1] * gw, 8)
  4.                 args[2] = make_divisible(args[2] * gw, 8)
  5.                 args[3] = max(round(args[3] * gd), 1) if n > 1 else n

3.2 修改二

同样还是同一个文件我们往下翻一下找到'elif m is CBLinear:'然后按照我给的图片内修改即可，修改后的代码我以及提供了大家复制替换下即可。

            c2 = [int(x * gw) for x in args[0]]

3.3 修改三 

修改完上面之后我们可以找到我们的模型配置文件进行修改了，我这里以'models/detect/gelan.yaml'为例。进行修改，

修改后的yaml文件提供给大家！ 

  1. # YOLOv9
  2.  
  3. # parameters
  4. nc: 80  # number of classes
  5. depth_multiple: 0.33  # model depth multiple
  6. width_multiple: 0.25  # layer channel multiple
  7. #activation: nn.LeakyReLU(0.1)
  8. #activation: nn.ReLU()
  9.  
  10. # anchors
  11. anchors: 3
  12.  
  13. # gelan backbone
  14. backbone:
  15.   [
  16.    # conv down
  17.    [-1, 1, Conv, [64, 3, 2]],  # 0-P1/2
  18.  
  19.    # conv down
  20.    [-1, 1, Conv, [128, 3, 2]],  # 1-P2/4
  21.  
  22.    # elan-1 block
  23.    [-1, 1, RepNCSPELAN4, [256, 128, 64, 1]],  # 2
  24.  
  25.    # avg-conv down
  26.    [-1, 1, Conv, [256, 3, 2]],  # 3-P3/8
  27.  
  28.    # elan-2 block
  29.    [-1, 1, RepNCSPELAN4, [512, 256, 128, 1]],  # 4
  30.  
  31.    # avg-conv down
  32.    [-1, 1, Conv, [512, 3, 2]],  # 5-P4/16
  33.  
  34.    # elan-2 block
  35.    [-1, 1, RepNCSPELAN4, [512, 512, 256, 1]],  # 6
  36.  
  37.    # avg-conv down
  38.    [-1, 1, Conv, [512, 3, 2]],  # 7-P5/32
  39.  
  40.    # elan-2 block
  41.    [-1, 1, RepNCSPELAN4, [512, 512, 256, 1]],  # 8
  42.   ]
  43.  
  44. # gelan head
  45. head:
  46.   [
  47.    # elan-spp block
  48.    [-1, 1, SPPELAN, [512, 256]],  # 9
  49.  
  50.    # up-concat merge
  51.    [-1, 1, nn.Upsample, [None, 2, 'nearest']],
  52.    [[-1, 6], 1, Concat, [1]],  # cat backbone P4
  53.  
  54.    # elan-2 block
  55.    [-1, 1, RepNCSPELAN4, [512, 512, 256, 1]],  # 12
  56.  
  57.    # up-concat merge
  58.    [-1, 1, nn.Upsample, [None, 2, 'nearest']],
  59.    [[-1, 4], 1, Concat, [1]],  # cat backbone P3
  60.  
  61.    # elan-2 block
  62.    [-1, 1, RepNCSPELAN4, [256, 256, 128, 1]],  # 15 (P3/8-small)
  63.  
  64.    # avg-conv-down merge
  65.    [-1, 1, Conv, [256, 3, 2]],
  66.    [[-1, 12], 1, Concat, [1]],  # cat head P4
  67.  
  68.    # elan-2 block
  69.    [-1, 1, RepNCSPELAN4, [512, 512, 256, 1]],  # 18 (P4/16-medium)
  70.  
  71.    # avg-conv-down merge
  72.    [-1, 1, Conv, [512, 3, 2]],
  73.    [[-1, 9], 1, Concat, [1]],  # cat head P5
  74.  
  75.    # elan-2 block
  76.    [-1, 1, RepNCSPELAN4, [512, 512, 256, 1]],  # 21 (P5/32-large)
  77.  
  78.    # detect
  79.    [[15, 18, 21], 1, DDetect, [nc]],  # Detect(P3, P4, P5)
  80.   ]

到此就修改完了，此时我们的模型就支持修改深度和宽度系数了，修改的教程也很简单不知道为什么YOLOv7的作者不提供，所以这里我也是给其做了一个补全，其中修改一的修改方法主要是因为其yaml文件配置的参数都放到了args的位置所以不能直接插入到下面的判断里，所以大家注意不要修改错了！  

四、运行对比

上面我们提供了修改的教程，下面提供几个版本的yaml文件和运行截图供大家参考。

4.1 gelan-n

4.1.1 gelan-n.yaml文件

下面的两个参数是X版本对应的深度和宽度系数。

depth_multiple: 0.33  # model depth multiple
width_multiple: 0.25  # layer channel multiple

  1. # YOLOv9
  2.  
  3. # parameters
  4. nc: 80  # number of classes
  5. depth_multiple: 0.33  # model depth multiple
  6. width_multiple: 0.25  # layer channel multiple
  7. #activation: nn.LeakyReLU(0.1)
  8. #activation: nn.ReLU()
  9.  
  10. # anchors
  11. anchors: 3
  12.  
  13. # gelan backbone
  14. backbone:
  15.   [
  16.    # conv down
  17.    [-1, 1, Conv, [64, 3, 2]],  # 0-P1/2
  18.  
  19.    # conv down
  20.    [-1, 1, Conv, [128, 3, 2]],  # 1-P2/4
  21.  
  22.    # elan-1 block
  23.    [-1, 1, RepNCSPELAN4, [256, 128, 64, 1]],  # 2
  24.  
  25.    # avg-conv down
  26.    [-1, 1, Conv, [256, 3, 2]],  # 3-P3/8
  27.  
  28.    # elan-2 block
  29.    [-1, 1, RepNCSPELAN4, [512, 256, 128, 1]],  # 4
  30.  
  31.    # avg-conv down
  32.    [-1, 1, Conv, [512, 3, 2]],  # 5-P4/16
  33.  
  34.    # elan-2 block
  35.    [-1, 1, RepNCSPELAN4, [512, 512, 256, 1]],  # 6
  36.  
  37.    # avg-conv down
  38.    [-1, 1, Conv, [512, 3, 2]],  # 7-P5/32
  39.  
  40.    # elan-2 block
  41.    [-1, 1, RepNCSPELAN4, [512, 512, 256, 1]],  # 8
  42.   ]
  43.  
  44. # gelan head
  45. head:
  46.   [
  47.    # elan-spp block
  48.    [-1, 1, SPPELAN, [512, 256]],  # 9
  49.  
  50.    # up-concat merge
  51.    [-1, 1, nn.Upsample, [None, 2, 'nearest']],
  52.    [[-1, 6], 1, Concat, [1]],  # cat backbone P4
  53.  
  54.    # elan-2 block
  55.    [-1, 1, RepNCSPELAN4, [512, 512, 256, 1]],  # 12
  56.  
  57.    # up-concat merge
  58.    [-1, 1, nn.Upsample, [None, 2, 'nearest']],
  59.    [[-1, 4], 1, Concat, [1]],  # cat backbone P3
  60.  
  61.    # elan-2 block
  62.    [-1, 1, RepNCSPELAN4, [256, 256, 128, 1]],  # 15 (P3/8-small)
  63.  
  64.    # avg-conv-down merge
  65.    [-1, 1, Conv, [256, 3, 2]],
  66.    [[-1, 12], 1, Concat, [1]],  # cat head P4
  67.  
  68.    # elan-2 block
  69.    [-1, 1, RepNCSPELAN4, [512, 512, 256, 1]],  # 18 (P4/16-medium)
  70.  
  71.    # avg-conv-down merge
  72.    [-1, 1, Conv, [512, 3, 2]],
  73.    [[-1, 9], 1, Concat, [1]],  # cat head P5
  74.  
  75.    # elan-2 block
  76.    [-1, 1, RepNCSPELAN4, [512, 512, 256, 1]],  # 21 (P5/32-large)
  77.  
  78.    # detect
  79.    [[15, 18, 21], 1, DDetect, [nc]],  # Detect(P3, P4, P5)
  80.   ]

4.1.2 运行截图 

4.2 gelan-s

4.2.1 gelan-s.yaml文件 

下面的两个参数是X版本对应的深度和宽度系数。

depth_multiple: 0.33  # model depth multiple
width_multiple: 0.50  # layer channel multiple

  1. # YOLOv9
  2.  
  3. # parameters
  4. nc: 80  # number of classes
  5. depth_multiple: 0.33  # model depth multiple
  6. width_multiple: 0.50  # layer channel multiple
  7. #activation: nn.LeakyReLU(0.1)
  8. #activation: nn.ReLU()
  9.  
  10. # anchors
  11. anchors: 3
  12.  
  13. # gelan backbone
  14. backbone:
  15.   [
  16.    # conv down
  17.    [-1, 1, Conv, [64, 3, 2]],  # 0-P1/2
  18.  
  19.    # conv down
  20.    [-1, 1, Conv, [128, 3, 2]],  # 1-P2/4
  21.  
  22.    # elan-1 block
  23.    [-1, 1, RepNCSPELAN4, [256, 128, 64, 1]],  # 2
  24.  
  25.    # avg-conv down
  26.    [-1, 1, Conv, [256, 3, 2]],  # 3-P3/8
  27.  
  28.    # elan-2 block
  29.    [-1, 1, RepNCSPELAN4, [512, 256, 128, 1]],  # 4
  30.  
  31.    # avg-conv down
  32.    [-1, 1, Conv, [512, 3, 2]],  # 5-P4/16
  33.  
  34.    # elan-2 block
  35.    [-1, 1, RepNCSPELAN4, [512, 512, 256, 1]],  # 6
  36.  
  37.    # avg-conv down
  38.    [-1, 1, Conv, [512, 3, 2]],  # 7-P5/32
  39.  
  40.    # elan-2 block
  41.    [-1, 1, RepNCSPELAN4, [512, 512, 256, 1]],  # 8
  42.   ]
  43.  
  44. # gelan head
  45. head:
  46.   [
  47.    # elan-spp block
  48.    [-1, 1, SPPELAN, [512, 256]],  # 9
  49.  
  50.    # up-concat merge
  51.    [-1, 1, nn.Upsample, [None, 2, 'nearest']],
  52.    [[-1, 6], 1, Concat, [1]],  # cat backbone P4
  53.  
  54.    # elan-2 block
  55.    [-1, 1, RepNCSPELAN4, [512, 512, 256, 1]],  # 12
  56.  
  57.    # up-concat merge
  58.    [-1, 1, nn.Upsample, [None, 2, 'nearest']],
  59.    [[-1, 4], 1, Concat, [1]],  # cat backbone P3
  60.  
  61.    # elan-2 block
  62.    [-1, 1, RepNCSPELAN4, [256, 256, 128, 1]],  # 15 (P3/8-small)
  63.  
  64.    # avg-conv-down merge
  65.    [-1, 1, Conv, [256, 3, 2]],
  66.    [[-1, 12], 1, Concat, [1]],  # cat head P4
  67.  
  68.    # elan-2 block
  69.    [-1, 1, RepNCSPELAN4, [512, 512, 256, 1]],  # 18 (P4/16-medium)
  70.  
  71.    # avg-conv-down merge
  72.    [-1, 1, Conv, [512, 3, 2]],
  73.    [[-1, 9], 1, Concat, [1]],  # cat head P5
  74.  
  75.    # elan-2 block
  76.    [-1, 1, RepNCSPELAN4, [512, 512, 256, 1]],  # 21 (P5/32-large)
  77.  
  78.    # detect
  79.    [[15, 18, 21], 1, DDetect, [nc]],  # Detect(P3, P4, P5)
  80.   ]

4.2.1 运行截图

4.3 gelan-m

4.3.1 gelan-m.yaml文件

下面的两个参数是X版本对应的深度和宽度系数。

depth_multiple: 0.67  # model depth multiple
width_multiple: 0.75  # layer channel multiple

  1. # YOLOv5        本文内容由网友自发贡献，转载请注明出处：https://www.wpsshop.cn/w/我家自动化/article/detail/312841
    推荐阅读
    相关标签

Copyright © 2003-2013 www.wpsshop.cn 版权所有，并保留所有权利。