我所使用的是YOLOv5-5.0版本,数据集采用VisDrone数据集。 检测头改进 模型方面的修改:作者再模型上增加了一个更小的Anchor并添加了一些检测层。 yolov5l_modify.yaml 代码语言:javascript 复制 # parametersnc:10# numberofclassesdepth_multiple:1.0# model depth multiplewidth_multiple:1.0# layer channel multiple...
众所周知,YOLOv5会对输入的图片进行放缩,并进行32倍下采样。对于一些分辨率很高的遥感/无人机图片,小目标难以被训练识别。 本篇博文就来尝试这篇博文YOLOV5 模型和代码修改——针对小目标识别所提到的一种改进方案。 我所使用的是YOLOv5-5.0版本,数据集采用VisDrone数据集。 检测头改进 模型方面的修改:作者在...
模型方面的改进有点类似于TPH-YOLOv5。 图像切割 作者在检测的时候(detect.py)增加了一个图像切分的步骤,即将大图切分成各个小块,分别进行检测,然后再进行融合。 增加的代码如下: # Inferencet1=time_sync()# pred = model(img, augment=opt.augment)[0] 原始''' 此处进行改进 '''mulpicplus="3"# 1 for...
另外改进方法在YOLOv5等其他目标检测算法同样可以适用进行改进。希望能够对大家有帮助。 一、解决问题 这篇文章提出的方法主要用于遥感图像检测中,通过提出上下文聚合网络(CATNet)来改善特征提取过程,对于遥感图像中的小目标会有一定的效果,尝试引入YOLO系列算法中,提高检测效果。 二、基本原理 原文链接: 2111.11057.pdf ...
模型方面的改进有点类似于TPH-YOLOv5。 图像切割 作者在检测的时候(detect.py)增加了一个图像切分的步骤,即将大图切分成各个小块,分别进行检测,然后再进行融合。 增加的代码如下: 代码语言:javascript 复制 # Inference t1=time_sync()# pred=model(img,augment=opt.augment)[0]原始''' ...