如何定位YOLOv5特征提取器？求定制相关文档指引

YOLOv5的特征提取核心逻辑和模块都集中在以下几个关键文件里，直接定位就能开始定制：

• 核心模块实现：models/common.py
  这里是所有特征提取基础单元的实现，比如Conv（卷积层）、C3（残差卷积块）、SPPF（空间金字塔池化）这些构成Backbone的核心模块都在这。你可以直接修改现有模块，或者新增自定义特征提取模块。

• 网络结构组装：models/yolo.py
  里面的Model类负责根据配置文件组装整个网络，其中Backbone（特征提取器）的构建逻辑就包含在这里。加载yaml配置后，代码会把common.py里的模块按顺序拼接成特征提取部分。

• 结构配置文件：models/*.yaml（比如yolov5s.yaml）
  每个yaml文件里的backbone字段就是特征提取器的结构定义，比如：

  backbone:
    # [from, number, module, args]
    [[-1, 1, Conv, [64, 6, 2, 2]],  # 0-P1/2
     [-1, 1, Conv, [128, 6, 2, 2]], # 1-P2/4
     [-1, 3, C3, [128]],
     [-1, 1, Conv, [256, 6, 2, 2]], # 3-P3/8
     [-1, 6, C3, [256]],
     [-1, 1, Conv, [512, 6, 2, 2]], # 5-P4/16
     [-1, 9, C3, [512]],
     [-1, 1, Conv, [1024, 6, 2, 2]],# 7-P5/32
     [-1, 3, C3, [1024]],
     [-1, 1, SPPF, [1024, 5]], # 9
    ]
  

  这段就是特征提取器的层结构，你可以通过修改yaml来调整特征提取的层数、模块类型和参数，非常灵活。

• 快速提取特征的方法
  如果只是需要从预训练模型中提取特征，不用修改结构的话，加载模型后直接取model.model[:10]（这里的10对应yaml里backbone最后一层的索引，比如上面例子里的9，所以取到[:10]）的输出，就是特征提取的结果。

内容的提问来源于stack exchange，提问作者DragonSlayer666