【YOLOV8】遥感影像模型训练到预测全过程记录

已于 2024-08-29 16:40:16 修改
阅读量1.1k 收藏 8
点赞数 29
分类专栏： 机器学习 文章标签： YOLO
于 2024-08-27 10:19:42 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Da_aLi/article/details/141261585
版权

一、数据准备


（一）分割栅格

遥感影像要先强制渲染成RGB三波段，然后再用【分割栅格】工具，分割成合适大小，导出为【jpg】格式

（二）标记数据

1、labelimg

（1）安装方法：pycharm终端输入：pip install labelimg

（2）调用方法：labelimg

（3）labelimg 设置：打开自动保存，点击切换成YOLO

（4）数据标注

2、Make Sense（在线标注）


在线数据标注工具：Make Sense

最低0.47元/天 解锁文章
Da_aLi
关注
专栏目录
YOLOv5改进策略|YOLO模型优化|YOLOv5遥感图像超分辨率和目标检测 、车辆检测、船只检测、行人检测、飞机检测
sybh的博客
06-17 988
与此同时，加州大学默塞德分校 (Y. Yang & Newsam，2010)和 NWPU-RESISC45(Cheng 等人，2017a)数据集促进了 场景分类，而 ISPRS Vaihingen (Rottensteiner et al., 2012) 和 38-Cloud 数据集(Mohajerani et al., 2018)为深度学习模型的开发奠定了道路 遥感图像语义分割。然而，缺点 是它包含一些小尺寸的物体，这些物体没有标记，因为它们的尺寸只是一个 几个像素(例如，⻋辆类别)。
目标检测YOLO实战应用案例100讲-基于YOLO模型的遥感影像 飞机目标检测技术研究（中）
qq_36130719的博客
04-19 348
和空间注意力模块（Spatial Attention Module，SAM) [48]，分别可以在通道和空间维度上分别进行算法注意力的改进，使用便捷，不会产生很大的计算量开销，可以和原有的卷。算法在SSD中增加了反卷积层，训练后得到的高层特征图包含的目标细节信息更多，这使网络能更加关注目标特征信息，减少了背景信息对检测结果的影响，提高了算法。交集为两个框重合部分，并集为两个框的总覆盖面积。息的这种情况，可以使用剪枝的操作手段，对模型进行处理，来删除收益过低的一些计 算成本，有助于实现更紧凑的模型表示。
AI助力遥感影像智能分析计算，基于高精度YOLOv8全系列参数【n/s/m/l/x】模型开发构建卫星遥感拍摄场景下地面建筑物智能化分割检测识别系统
Together_CZ的博客
10-02 997
AI助力遥感影像智能分析计算，基于高精度YOLOv8全系列参数【n/s/m/l/x】模型开发构建卫星遥感拍摄场景下地面建筑物智能化分割检测识别系统
AI助力遥感影像智能分析计算，基于高精度YOLOv5全系列参数【n/s/m/l/x】模型开发构建卫星遥感拍摄场景下地面建筑物智能化分割检测识别系统
Together_CZ的博客
09-17 665
AI助力遥感影像智能分析计算，基于高精度YOLOv5全系列参数【n/s/m/l/x】模型开发构建卫星遥感拍摄场景下地面建筑物智能化分割检测识别系统
YOLOv7实验测试之一：遥感图像检测应用（YOLOv7.yaml）
m0_70388905的博客
07-20 2188
训练过程用了1.2个小时，得到的权值文件为285MB，mAP为89.3%，网络层数407,参数量3652891。与YOLOv5s对比来看，YOLOv5s（5.0版本）在nwpu-10数据集上mAP可以达到91.7%，实验设置几乎一致的前提下。前期一直没有时间跑YOLOv7源码，今天对YOLOv7在NWPU-10遥感图像数据集上进行实验测试，现将实验训练以及评估过程分享如下，希望对大家有帮助。为了客观分享，我对整个过程进行了截图，能够让大家看到我的实验参数以及实验设置。人工智能AI算法工程师。......
目标检测算法——YOLOv7训练自己的数据集（保姆级教程）
加勒比海带66——【YOLO魔法搭配&论文投稿咨询】
10-26 9646
目标检测算法——YOLOv7训练自己的数据集（保姆级教程）！！！
目标检测YOLO实战应用案例100讲-基于YOLO模型的遥感影像 飞机目标检测技术研究
qq_36130719的博客
05-22 1794
遥感是一种无需接触的远程空间探测技术，该技术是通过记录、测量、解析星载或机载传感器等非接触式传感器获取的影像信息和数字图像信息并真实可靠地构造出相关自然物体和周围环境等信息的一门科学和工程技术[1]。随着中国航空航天事业和遥感技术的快速发展，中国已经成功地发射了数十颗高分辨率对地观测卫星，可以方便快捷地获取到全球范围内各种不同类型的高分辨率遥感影像。遥感影像空间分辨率的大幅提升，使得如今遥感影像数据具有庞大吞吐量、丰富细节、复杂背景等特征[2]；然而，工。
YOLO-V8训练自己的数据集之标注样本
qq_29633789的博客
10-19 268
四、标注样本 4.1、标注样本概述 4.1.1、样本标注主要方法 4.1.2、标注样本概念 4.1.3、标注样本实现方式 4.1.4、常见标注样本软件 4.2、标注工具LabelImg 4.2.1、LabelImg介绍 4.2.2、LabelImg特点 4.2.3、LabelImg安装方法 4.2.4、LabelImg使用方法 4.3、标注样本实操 4.3.1、安装标注软件Labelimg 4.3.2、Labelimg界面介绍 4.3.3、LabelImg实操过程中常
【YOLO目标检测二维码数据集】共3112张、已标注txt格式、有训练好的yolov5的模型
LINBONB的博客
09-29 357
标注数量(txt文件个数)：3112。训练好的yolov5检测模型。标注类别名称：qrcode。数据集格式：YOLO格式。
YOLOv7改进之MAE主干： 超强ConvNeXtV2 升级版结构，当MAE+YOLO卷积高效涨点
qq_53545309的博客
09-27 145
在改进的架构和更好的表示学习框架的推动下，视觉识别领域在 2020 年代初期实现了快速的现代化和性能提升。例如，以 ConvNeXt [52] 为代表的现代 ConvNet 在各种场景中都表现出了强大的性能。虽然这些模型最初是为使用 ImageNet 标签的监督学习而设计的，但它们也有可能受益于自我监督学习技术，例如掩码自动编码器 （MAE） [31]。然而，我们发现，简单地将这两个 ap proaches 结合起来会导致性能不佳。
遥感影像-实例分割数据集：iSAID 从切图到YOLO格式数据集制作详细介绍
GIS潮流
09-30 1072
开源数据集isaid标注包含实例分割，但是原始影像太大，很吃显存，一般显卡无法用原始影像直接训练，所以需要对影像进行裁剪，并生成对应的标签，因为想用yolo系列跑模型，所以将标签需要转为txt格式。
夜间道路目标检测数据集 5000张 夜间道路 带标voc yolo
阿利同学的博客
10-03 200
夜间道路目标检测数据集 5000张 夜间道路 带标voc yolo
Yolov8轻量级网络改进GhostNet
最新发布
qq_53545309的博客
10-04 86
由于内存和计算资源有限，在移动设备上部署卷积神经网络 （CNN） 很困难。我们的目标是通过利用特征图中的冗余，为 CPU 和 GPU 等异构设备设计高效的神经网络，这在神经架构设计中很少被研究。对于类 CPU 设备，我们提出了一种新颖的 CPU 高效 Ghost （C-Ghost） 模块，以从廉价操作中生成更多特征图。基于一组内在特征图，我们以较低的成本应用了一系列线性变换来生成许多幽灵特征图，这些图可以完全反映内在特征背后的信息。所提出的 C-Ghost 模块可以作为升级现有卷积神经网络的即插即用组件。
【YOLO目标检测吸烟检测数据集】共6097张、已标注txt格式、有训练好的yolov5的模型
LINBONB的博客
10-03 361
标注数量(txt文件个数)：6097。训练好的yolov5检测模型。数据集格式：YOLO格式。标注类别名称：smoke。
yolov8实例分割重要图片
海涛高软
09-30 289
FR：徐海涛(hunkxu)
YOLOv10涨点改进：IoU优化 | Unified-loU，用于高品质目标检测的统一loU ，2024年8月最新IoU
09-29 605
提出了一种新的IoU损失函数，称为统一IoU(Unified-IoU, UIoU)，它更关注不同质量预测框之间的权重分配
苹果荔枝柠檬梨柿子数据集 水果数据集 树上1500张 带标注 voc yolo 5类
阿利同学的博客
10-02 915
苹果荔枝柠檬梨柿子数据集 水果数据集 树上1500张 带标注 voc yolo 5类
即插即用篇 | YOLOv10 引入单头视觉Transformer模块 | CVPR 2024
YOLOv8项目贡献者
09-30 244
即插即用篇 | YOLOv10 引入单头视觉Transformer模块 | CVPR 2024
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值