YOLOv5-Lite：更轻更快易于部署的YOLOv5

QQ交流群：993965802

本文版权属于GiantPandaCV，未经允许请勿转载

前言： 毕设的一部分，前段时间，在yolov5上进行一系列的消融实验，让他更轻（Flops更小，内存占用更低，参数更少），更快（加入shuffle channel，yolov5 head进行通道裁剪，在320的input_size至少能在树莓派4B上一秒推理10帧），更易部署（摘除Focus层和四次slice操作，让模型量化精度下降在可接受范围内）。

2021-08-26 更新 ---------------------------------------

我们试着提高分辨率再降的方式进行训练（train in 640-1280-640，其中第一轮640训练150个epochs，第二轮1280训练50个epochs，第三轮640训练100个epochs），发现模型仍有一定的学习能力，map还在提升

# evaluate in 640×640：Average Precision  (AP) @[ IoU=0.50:0.95 | area=   all | maxDets=100 ] = 0.271Average Precision  (AP) @[ IoU=0.50      | area=   all | maxDets=100 ] = 0.457Average Precision  (AP) @[ IoU=0.75      | area=   all | maxDets=100 ] = 0.274

# evaluate in 416×416：
Average Precision  (AP) @[ IoU=0.50:0.95 | area=   all | maxDets=100 ] = 0.244Average Precision  (AP) @[ IoU=0.50      | area=   all | maxDets=100 ] = 0.413Average Precision  (AP) @[ IoU=0.75      | area=   all | maxDets=100 ] = 0.246

# evaluate in 320×320：
Average Precision  (AP) @[ IoU=0.50:0.95 | area=   all | maxDets=100 ] = 0.208Average Precision  (AP) @[ IoU=0.50      | area=   all | maxDets=100 ] = 0.362Average Precision  (AP) @[ IoU=0.75      | area=   all | maxDets=100 ] = 0.206

一、消融实验结果比对

ID	Model	Input_size	Flops	Params	Size（M）	Map@0.5Map^{@0.5}Map@0.5	Map@0.5:0.95Map^{@0.5:0.95}Map@0.5:0.95
001	yolo-faster	320×320	0.25G	0.35M	1.4	24.4	-
002	nanodet-m	320×320	0.72G	0.95M	1.8	-	20.6
003	yolo-faster-xl	320×320	0.72G	0.92M	3.5	34.3	-
004	yolov5-lite	320×320	1.43G	1.62M	3.3	36.2	20.8
005	yolov3-tiny	416×416	6.96G	6.06M	23.0	33.1	16.6
006	yolov4-tiny	416×416	5.62G	8.86M	33.7	40.2	21.7
007	nanodet-m	416×416	1.2G	0.95M	1.8	-	23.5
008	yolov5-lite	416×416	2.42G	1.62M	3.3	41.3	24.4
009	yolov5-lite	640×640	2.42G	1.62M	3.3	45.7	27.1
010	yolov5s	640×640	17.0G	7.3M	14.2	55.4	36.7
注：yolov5原FLOPS计算脚本有bug，请使用thop库进行计算：

input = torch.randn(1, 3, 416, 416)
flops, params = thop.profile(model, inputs=(input,))
print('flops:', flops / 900000000*2)
print('params:', params)

二、检测效果

Pytorch@640×640：Pytorch^{@640×640}： Pytorch@640×640：

NCNN640×640@FP16NCNN^{@FP16}_{640\times640}NCNN640×640@FP16

NCNN640×640@Int8NCNN^{@Int8}_{640\times640} NCNN640×640@Int8

三、Relect Work

YOLOv5-Lite的网络结构实际上非常简单，backbone主要使用的是含shuffle channel的shuffle block，头依旧用的是yolov5 head，但用的是阉割版的yolov5 head

shuffle block：

yolov5 head：

yolov5 backbone：

在原先U版的yolov5 backbone中，作者在特征提取的上层结构中采用了四次slice操作组成了Focus层

对于Focus层，在一个正方形中每 4 个相邻像素，并生成一个具有 4 倍通道数的feature map，类似与对上级图层进行了四次下采样操作，再将结果concat到一起，最主要的功能还是在不降低模型特征提取能力的前提下，对模型进行降参和加速。

1.7.0+cu101 cuda _CudaDeviceProperties(name='Tesla T4', major=7, minor=5, total_memory=15079MB, multi_processor_count=40)Params       FLOPS    forward (ms)   backward (ms)                   input                  output7040       23.07           62.89           87.79       (16, 3, 640, 640)      (16, 64, 320, 320)7040       23.07           15.52           48.69       (16, 3, 640, 640)      (16, 64, 320, 320)
1.7.0+cu101 cuda _CudaDeviceProperties(name='Tesla T4', major=7, minor=5, total_memory=15079MB, multi_processor_count=40)Params       FLOPS    forward (ms)   backward (ms)                   input                  output7040       23.07           11.61           79.72       (16, 3, 640, 640)      (16, 64, 320, 320)7040       23.07           12.54           42.94       (16, 3, 640, 640)      (16, 64, 320, 320)

从上图可以看出，Focus层确实在参数降低的情况下，对模型实现了加速。

但！这个加速是有前提的，必须在GPU的使用下才可以体现这一优势，对于云端部署这种处理方式，GPU不太需要考虑缓存的占用，即取即处理的方式让Focus层在GPU设备上十分work。

对于的芯片，特别是不含GPU、NPU加速的芯片，频繁的slice操作只会让缓存占用严重，加重计算处理的负担。同时，在芯片部署的时候，Focus层的转化对新手极度不友好。

四、轻量化的理念

shufflenetv2的设计理念，在资源紧缺的芯片端，有着许多参考意义，它提出模型轻量化的四条准则：

（G1）同等通道大小可以最小化内存访问量
（G2）过量使用组卷积会增加MAC
（G3）网络过于碎片化（特别是多路）会降低并行度
（G4）不能忽略元素级操作（比如shortcut和Add）

YOLOv5-Lite

设计理念：
（G1）摘除Focus层，避免多次采用slice操作

（G2）避免多次使用C3 Leyer以及高通道的C3 Layer

C3 Leyer是YOLOv5作者提出的CSPBottleneck改进版本，它更简单、更快、更轻，在近乎相似的损耗上能取得更好的结果。但C3 Layer采用多路分离卷积，测试证明，频繁使用C3 Layer以及通道数较高的C3 Layer，占用较多的缓存空间，减低运行速度。

（为什么通道数越高的C3 Layer会对cpu不太友好，主要还是因为shufflenetv2的G1准则，通道数越高，hidden channels与c1、c2的阶跃差距更大，来个不是很恰当的比喻，想象下跳一个台阶和十个台阶，虽然跳十个台阶可以一次到达，但是你需要助跑，调整，蓄力才能跳上，可能花费的时间更久）

class C3(nn.Module):# CSP Bottleneck with 3 convolutionsdef __init__(self, c1, c2, n=1, shortcut=True, g=1, e=0.5):  # ch_in, ch_out, number, shortcut, groups, expansionsuper(C3, self).__init__()c_ = int(c2 * e)  # hidden channelsself.cv1 = Conv(c1, c_, 1, 1)self.cv2 = Conv(c1, c_, 1, 1)self.cv3 = Conv(2 * c_, c2, 1) self.m = nn.Sequential(*[Bottleneck(c_, c_, shortcut, g, e=1.0) for _ in range(n)])# self.m = nn.Sequential(*[CrossConv(c_, c_, 3, 1, g, 1.0, shortcut) for _ in range(n)])

（G3）对yolov5 head进行通道剪枝，剪枝细则参考G1

（G4）摘除shufflenetv2 backbone的1024 conv 和 5×5 pooling

这是为imagenet打榜而设计的模块，在实际业务场景并没有这么多类的情况下，可以适当摘除，精度不会有太大影响，但对于速度是个大提升，在消融实验中也证实了这点。

五、What can be used for？

（G1）训练

这不废话吗。。。确实有点废话了，YOLOv5-Lite基于yolov5第五版（也就是最新版）上进行的消融实验，所以你可以无需修改直接延续第五版的所有功能，比如：

导出热力图：

导出混淆矩阵进行数据分析：

导出PR曲线：

（G2）导出onnx后无需其他修改（针对部署而言）

（G3）DNN或ort调用不再需要额外对Focus层进行拼接（之前玩yolov5在这里卡了很久，虽然能调用但精度也下降挺多）：

（G4）ncnn进行int8量化可保证精度的延续（在下篇会讲）

（G5）在0.1T算力的树莓派上玩yolov5也能实时

以前在树莓派上跑yolov5，是一件想都不敢想的事，单单检测一帧画面就需要1000ms左右，就连160*120输入下都需要200ms左右，实在是啃不动。

但现在YOLOv5-Lite做到了，毕设的检测场景在类似电梯轿厢和楼道拐角处等空间，实际检测距离只需保证3m即可，分辨率调整为160*120的情况下，YOLOv5-Lite最高可达18帧，加上后处理基本也能稳定在15帧左右。

除去前三次预热，设备温度稳定在45°以上，向前推理框架为ncnn，记录两次benchmark对比：

# 第四次
pi@raspberrypi:~/Downloads/ncnn/build/benchmark $ ./benchncnn 8 4 0
loop_count = 8
num_threads = 4
powersave = 0
gpu_device = -1
cooling_down = 1YOLOv5-Lite  min =   90.86  max =   93.53  avg =   91.56YOLOv5-Lite-int8  min =   83.15  max =   84.17  avg =   83.65YOLOv5-Lite-416  min =  154.51  max =  155.59  avg =  155.09yolov4-tiny  min =  298.94  max =  302.47  avg =  300.69nanodet_m  min =   86.19  max =  142.79  avg =   99.61squeezenet  min =   59.89  max =   60.75  avg =   60.41squeezenet_int8  min =   50.26  max =   51.31  avg =   50.75mobilenet  min =   73.52  max =   74.75  avg =   74.05mobilenet_int8  min =   40.48  max =   40.73  avg =   40.63mobilenet_v2  min =   72.87  max =   73.95  avg =   73.31mobilenet_v3  min =   57.90  max =   58.74  avg =   58.34shufflenet  min =   40.67  max =   41.53  avg =   41.15shufflenet_v2  min =   30.52  max =   31.29  avg =   30.88mnasnet  min =   62.37  max =   62.76  avg =   62.56proxylessnasnet  min =   62.83  max =   64.70  avg =   63.90efficientnet_b0  min =   94.83  max =   95.86  avg =   95.35efficientnetv2_b0  min =  103.83  max =  105.30  avg =  104.74regnety_400m  min =   76.88  max =   78.28  avg =   77.46blazeface  min =   13.99  max =   21.03  avg =   15.37googlenet  min =  144.73  max =  145.86  avg =  145.19googlenet_int8  min =  123.08  max =  124.83  avg =  123.96resnet18  min =  181.74  max =  183.07  avg =  182.37resnet18_int8  min =  103.28  max =  105.02  avg =  104.17alexnet  min =  162.79  max =  164.04  avg =  163.29vgg16  min =  867.76  max =  911.79  avg =  889.88vgg16_int8  min =  466.74  max =  469.51  avg =  468.15resnet50  min =  333.28  max =  338.97  avg =  335.71resnet50_int8  min =  239.71  max =  243.73  avg =  242.54squeezenet_ssd  min =  179.55  max =  181.33  avg =  180.74squeezenet_ssd_int8  min =  131.71  max =  133.34  avg =  132.54mobilenet_ssd  min =  151.74  max =  152.67  avg =  152.32mobilenet_ssd_int8  min =   85.51  max =   86.19  avg =   85.77mobilenet_yolo  min =  327.67  max =  332.85  avg =  330.36mobilenetv2_yolov3  min =  221.17  max =  224.84  avg =  222.60# 第八次
pi@raspberrypi:~/Downloads/ncnn/build/benchmark $ ./benchncnn 8 4 0
loop_count = 8
num_threads = 4
powersave = 0
gpu_device = -1
cooling_down = 1nanodet_m  min =   81.15  max =   81.71  avg =   81.33nanodet_m-416  min =  143.89  max =  145.06  avg =  144.67YOLOv5-Lite  min =   84.30  max =   86.34  avg =   85.79YOLOv5-Lite-int8  min =   80.98  max =   82.80  avg =   81.25YOLOv5-Lite-416  min =  142.75  max =  146.10  avg =  144.34yolov4-tiny  min =  276.09  max =  289.83  avg =  285.99squeezenet  min =   59.37  max =   61.19  avg =   60.35squeezenet_int8  min =   49.30  max =   49.66  avg =   49.43mobilenet  min =   72.40  max =   74.13  avg =   73.37mobilenet_int8  min =   39.92  max =   40.23  avg =   40.07mobilenet_v2  min =   71.57  max =   73.07  avg =   72.29mobilenet_v3  min =   54.75  max =   56.00  avg =   55.40shufflenet  min =   40.07  max =   41.13  avg =   40.58shufflenet_v2  min =   29.39  max =   30.25  avg =   29.86mnasnet  min =   59.54  max =   60.18  avg =   59.96proxylessnasnet  min =   61.06  max =   62.63  avg =   61.75efficientnet_b0  min =   91.86  max =   95.01  avg =   92.84efficientnetv2_b0  min =  101.03  max =  102.61  avg =  101.71regnety_400m  min =   76.75  max =   78.58  avg =   77.60blazeface  min =   13.18  max =   14.67  avg =   13.79googlenet  min =  136.56  max =  138.05  avg =  137.14googlenet_int8  min =  118.30  max =  120.17  avg =  119.23resnet18  min =  164.78  max =  166.80  avg =  165.70resnet18_int8  min =   98.58  max =   99.23  avg =   98.96alexnet  min =  155.06  max =  156.28  avg =  155.56vgg16  min =  817.64  max =  832.21  avg =  827.37vgg16_int8  min =  457.04  max =  465.19  avg =  460.64resnet50  min =  318.57  max =  323.19  avg =  320.06resnet50_int8  min =  237.46  max =  238.73  avg =  238.06squeezenet_ssd  min =  171.61  max =  173.21  avg =  172.10squeezenet_ssd_int8  min =  128.01  max =  129.58  avg =  128.84mobilenet_ssd  min =  145.60  max =  149.44  avg =  147.39mobilenet_ssd_int8  min =   82.86  max =   83.59  avg =   83.22mobilenet_yolo  min =  311.95  max =  374.33  avg =  330.15mobilenetv2_yolov3  min =  211.89  max =  286.28  avg =  228.01

（G6）YOLOv5-Lite与yolov5s的对比

注：随机抽取一百张图片进行推理，四舍五入计算每张平均耗时。

后语：

之前使用自己的数据集跑过yolov3-tiny，yolov4-tiny，nanodet，efficientnet-lite等轻量级网络，但效果都没有达到预期，反而使用yolov5取得了超过自己预想的效果，但也确实，yolov5并不在轻量级网络设计理念内，于是萌生了对yolov5修改的idea，希望能在它强大的数据增强和正负anchor机制下能取得满意的效果。总的来说，YOLOv5-Lite在基于yolov5的平台进行训练，对少样本数据集还是很work的。

没有太多复杂的穿插并行结构，尽最大限度保证网络模型的简洁，YOLOv5-Lite纯粹为了工业落地而设计，更适配Arm架构的处理器，但你用这东西跑GPU，性价比贼低。

优化这玩意，一部分基于情怀，毕竟前期很多工作是基于yolov5开展的，一部分也确实这玩意对于我个人的数据集十分work（确切的说，应该是对于极度匮乏数据集资源的我来说，yolov5的各种机制对于少样本数据集确实鲁棒）。

项目地址：
https://github.com/ppogg/YOLOv5-Lite

另外，会持续更新和迭代此项目，欢迎star和fork！

最后插个题外话，其实一直都在关注YOLOv5的动态，最近U版大神更新的频率快了许多，估计很快YOLOv5会迎来第六版~