SuperYOLO:遥感图像小目标检测的革新者 在遥感图像分析领域,检测小型目标一直是技术难点,尤其是当图像分辨率不足或目标被复杂背景干扰时。SuperYOLO正是针对这一挑战提出的创新解决方案。作为一种基于YOLOv5s改进的目标检测网络,SuperYOLO通过融合多模态数据与超分辨率技术,显著提升了遥感图像中小型...
实验结果表明,在广泛使用的VEDAI RS数据集上,SuperYOLO的准确率为75.09%(以mAP50计),比YOLOv5l、YOLOv5x和RS设计的YOLOR等SOTA大型模型高出10%以上。同时,SuperYOLO的参数大小和GFOLP分别比YOLOv5x小约18x和3.8x。与现有技术的模型相比,我们提出的模型显示出良好的精度-速度权衡。 PART/2 背景 与自然场景相比,...
GPU RTX 4090D(24GB) * 1升降配置 CPU 18 vCPU AMD EPYC 9754 128-Core Processor 内存60GB 由于不习惯SuperYOLO的数据集读取方式,此处使用原YOLOv5方式。 此处使用的数据集为VisDrone2019。 大中小三种尺度划分: Small < 32×32 < Medium < 96×96 < Large data.yaml内容示例: 点击查看代码 train: /root...
SuperYOLO的核心在于其多模态融合策略和超分辨率辅助分支,这使得模型能够从多个角度学习和提取信息,从而提高对小目标的检测精度。在多个挑战性数据集上进行了测试,包括NWPU VHR-10、飞机数据集、航空器数据集和SAR船只数据集,实验结果表明,SuperYOLO在准确性、NMI(标准化互信息)和纯度等指标上均优于现有的单一核和多...
51CTO博客已为您找到关于superyolo 语义分割的相关内容,包含IT学习相关文档代码介绍、相关教程视频课程,以及superyolo 语义分割问答内容。更多superyolo 语义分割相关解答可以来51CTO博客参与分享和学习,帮助广大IT技术人实现成长和进步。
yaml --super --train_img_size 1024 --hr_input --data data/SRvedai.yaml --ch 64 --input_mode RGB+IR+MF 3. Begin to train RGB or IR images python train.py --cfg models/SRyolo_noFocus_small.yaml --super --train_img_size 1024 --hr_input --data data/SRvedai.yaml --ch 3 -...
依然Super - 2018yolo满豆T
代码地址:https://github.com/icey-zhang/SuperYOLO 原文摘要:准确检测多尺度小目标并使用遥感图像(RSI)实现实时检测仍然具有挑战性,特别是对于军事侦察和紧急救援等时间敏感任务。为了获得这些小目标的精确位置和分类,最适用的解决方案之一是融合多模态图像中的互补信息,以提高检测能力。现有的大多数解决方案主要设计一...
SuperYOLO Dataloader Fix. Contribute to justus-hiiper/SuperYOLO development by creating an account on GitHub.
SUPERYOLO 2018-11-3 00:06 来自微博视频 突然翻到了视频,我觉得我的两个小揪揪很好呀,之前发还被别人说我傻然后也看到佳慧兄送我的耳坠也被粗心的我丢了一只娟娟送我的手链也被我不小心挂到弄坏了(还没告诉她)时间真的过得好快哟～我都老啦 LSUPERYOLO的微博视频 小窗口 û收藏...