目前单阶段目标检测模型依旧是主流技术,yolo系列一直是但阶段目标检测领域的翘楚,迭代更新至今,已经从yolov3、yolov4、yolov5更新到了如今的yolov6和yolov7,相信随着新技术的不断涌现,一定还有更快更准更强的检测模型面世,yolo全系列的模型都有很高的学习研究和应用实践价值,对于每一个想要入门目标检测领域的人来讲都是必不可少的一堂课。
当然了出来yolo以外还有很多其他的检测模型,比如:lite、fastestdet、effcientdet、fasterrcnn、maskrcnn、fcos等等,都是不错的检测模型,都有学习借鉴的价值,可以根据自身的具体的也无需求进行技术选型即可,当然了如果有项目开发的需求也都是可以的,深耕CV领域数十载,自建海量的数据资源库,积累了大量的项目经验。
文本主要是简单讲解水稻疾病检测这一目标检测任务。
数据样例如下:
标注文件如下所示:
完整项目截图如下所示:
runs/目录用于存储模型整个训练过程中的结果数据,如下所示:
F1值曲线:
PR曲线:
精确率曲线:
召回率曲线:
指标评估结果:
labels可视化:
识别混淆矩阵结果:
batch检测样例如下:
双击【启动.bat】即可启动APP界面开始检测,如下所示:
点击上传图像:
启动检测识别计算:
等等。。。