YOLO算法改进3【中阶改进篇】：添加HorNet卷积模块

在这里插入图片描述

论文地址：https://arxiv.org/pdf/2207.14284.pdf
源码地址：https://github.com/raoyongming/HorNet.

HorNet是在Swin transformer结构的基础上，结合大核思想提出的新的网络结构模块，使用该模块，作者在ImageNet-1k数据集上做分类，分割以及检测任务都在当时达到了SOTA的效果，是一个能有效增强各种网络的性能而不会引入太大参数量的一种改进思路，已经有很多博主提出将该模块用于yolo系列网络中，以期望达到更好的效果。本文主要是针对YoloV5系列的网络进行C3模块的替换，替换成HorNet模块。

HorNet模块的结构如下图所示：
在这里插入图片描述
该图来源于论文中。从图中我们可以清晰的看到，HorNet模块和Swin transformer模块有着相似的结构，不同的是HorNet中使用到了GnConv这样一个新的模块，GnConv的结构也在上图中给出来了。

1.增加 HorBlock.yaml文件
添加至/models/文件中

# parameters
nc: 80  # number of classes
depth_multiple: 0.33  # model depth multiple
width_multiple: 0.50  # layer channel multiple# anchors
anchors:- [10,13, 16,30, 33,23]  # P3/8- [30,61, 62,45, 59,119]  # P4/16- [116,90, 156,198, 373,326]  # P5/32# YOLOv5 v6.0 backbone
backbone:# [from, number, module, args][[-1, 1, Conv, [64, 6, 2, 2]],  # 0-P1/2[-1, 1, Conv, [128, 3, 2]],  # 1-P2/4[-1, 3, HorBlock, [128]],[-1, 1, Conv, [256, 3, 2]],  # 3-P3/8[-1, 6, HorBlock, [256]],[-1, 1, Conv, [512, 3, 2]],  # 5-P4/16[-1, 9, HorBlock, [512]],[-1, 1, Conv, [1024, 3, 2]],  # 7-P5/32[-1, 3, HorBlock, [1024]],[-1, 1, SPPF, [1024, 5]],  # 9]# YOLOv5 v6.0 head
head:[[-1, 1, Conv, [512, 1, 1]],[-1, 1, nn.Upsample, [None, 2, 'nearest']],[[-1, 6], 1, Concat, [1]],  # cat backbone P4