【目标检测-YOLO】YOLOv5 Test-Time Augmentation (TTA) 教程

已于 2022-07-08 10:46:26 修改
阅读量3.8k 收藏 9
点赞数 1
分类专栏： YOLO 视觉 文章标签： YOLOv5
于 2022-04-12 17:26:27 首次发布
本文为博主原创文章，未经博主允许不得转载。
本文链接：https://blog.csdn.net/hymn1993/article/details/124129148
版权
YOLO 同时被 2 个专栏收录
30 篇文章 87 订阅 ¥9.90 ¥99.00
订阅专栏 超级会员免费看
视觉
40 篇文章 5 订阅
订阅专栏
该教程介绍了如何在YOLOv5中使用Test-Time Augmentation (TTA)以提高mAP和Recall。通过增大图像尺寸、左右翻转和不同分辨率的处理，TTA在测试时可以提升模型性能，但会增加约2-3倍的推理时间。
摘要由CSDN通过智能技术生成

📚 This guide explains how to use Test Time Augmentation (TTA) during testing and inference for improved mAP and Recall with YOLOv5 🚀. UPDATED 25 January 2022.

Before You Start

Clone repo and install requirements.txt in a Python>=3.7.0 environment, including PyTorch>=1.7. Models and datasets

了解本专栏 订阅专栏 解锁全文 超级会员免费看
理心炼丹
关注
专栏目录
订阅专栏
出现 images and labels...0 found, xx missing, 0 empty, 0 corrupt 解决方法
码农研究僧的博客
07-04 188
yolov5/datasets/VOC/images/VOCdevkit/VOC2007/2007_val' images and labels...0 found, 2510 missing, 0 empty, 0 corrupt: 100%|██████████| 2510/2510 Class Images Labels P R mAP@.5
深度学习领域cnn-tta橄榄球比赛NFL目标检测（带数据集）-nfl-using-cnn-tta-player
06-17
深度学习领域cnn-tta橄榄球比赛NFL目标检测（带数据集）--nfl-using-cnn-tta-player-contact-detection 语言：python 内容包括：源码、数据集、数据集描述、论文 目的：使用cnn-tta算法在橄榄球比赛中目标检测。 带数据集很好运行，主页有搭建环境过程。主页有更多源码。 数据集描述如下： 在这场比赛中，你的任务是预测球员之间的接触时刻，以及球员使用比赛录像和跟踪数据进行非足部接触地面的时刻。每个剧本有四个相关的视频。两个视频，显示一个边线和端区视图，是时间同步和对齐彼此。此外，还提供了All29视图，但不能保证时间同步。训练集视频在train_labels.csv中有相应的标签，而你必须预测的视频在test/文件夹中。今年，我们还为训练和测试集提供了基线头盔检测和分配盒。csv是去年获胜球员分配模型的输出。train_player_tracking.csv在提供的比赛中为每个球员提供10hz的跟踪数据。csv包含与每个边线和Endzone视图相关联的时间戳，用于与球员跟踪数据同步。这是一场代码竞赛。当您提交时，您的模型将在位于ho
YOLOv5系列(四十四) Test Time Augmentation(TTA)
weixin_44302770的博客
12-10 1048
在训练过程中数据增强是非常常用的一种手段，目的是为了提高模型的泛化能力，以免出现大小不一样，图像选择一下就分辨不出来的尴尬。那么TTA就是想在推理阶段也进行数据增强。不过不会太复杂，因为会增加额外的计算量，在打比赛的时候可能会用到，因为打比赛不在意你的推理时长是多久，所以可以尽情瞎造；但是在实际部署的情况下，因为推理速度减慢很可能会达不到实时监测的效果，所以实际是没有必要在推理也进行数据增强的，会降低监测速度。
YOLOv5的Tricks | 【Trick3】Test Time Augmentation(TTA)
Clichong
06-01 3628
如有错误，恳请指出。一句话简单的介绍就是测试过程中也使用数据增强，官方教程介绍：Test-Time Augmentation (TTA) Tutorial在训练过程中数据增强是非常常用的一种手段，目的是为了提高模型的泛化能力，以免出现大小不一样，图像选择一下就分辨不出来的尴尬。那么TTA就是想在推理阶段也进行数据增强。不过不会太复杂，因为会增加额外的计算量，在打比赛的时候可能会用到，因为打比赛不在意你的推理时长是多久，所以可以尽情瞎造；但是在实际部署的情况下，因为推理速度减慢很可能会达不到实时监测的效果，所
YOLOV5之提高模型评估和测试方法（Ensemble、TTA、WBF）
qq_41627642的博客
12-20 1599
这并不总是可能的，但是，例如用YOLOv5x集成一个efficiency entdet模型，你不能合并网格，你必须使用NMS或WBF(或merge NMS)来得到最终的结果。TTA的基本流程是通过对原图做增强操作，获得很多份增强后的样本与原图组成一个数据组，然后用这些样本获取推理结果，最后把多份的推理结果按一定方法合成得到最后的推理结果再进行精度指标计算。在测试和推断时，只需将额外的模型附加到任何现有val.py或detect.py命令的weights参数中，就可以将多个预先训练的模型集成到一起。
tta部署_YOLOv5项目介绍
weixin_39683021的博客
01-12 1072
YOLOv5 项目教程作者：elfin  资料来源：1、前言​项目自发布以来，直到现在仍然在不断改进模型、项目。作者的更新频率很大，很多问题都能够及时解决，当然问题也很多！到写稿此时，项目的device参数仍然无法正常工作，查看源码，作者的代码写的GPU设备控制比较复杂，修改源码也没有解决，可能我里解决就差一步了吧！在项目提交bug后，得到作者的及时回应，但是最后仍然没有解决。难道使用GPU必须从...
YOLOv5原理分析及部署教程
热门推荐
weixin_63268005的博客
12-03 1万+
YOLOv5原理分析及部署教程
人工智能-项目实践-旋转目标检测-基于yolov5的旋转目标检测
03-27
在本文中，我们将深入探讨人工智能领域的一个重要应用——旋转目标检测，特别关注基于yolov5的实现。旋转目标检测是计算机视觉中的一个关键任务，它扩展了传统目标检测技术，能够识别并定位图像中任意角度的目标。在...
目标检测-使用yolov5进行旋转目标检测-优质项目-训练+推理.zip
01-26
YOLO（You Only Look Once）是目标检测的一种高效算法，自2016年首次提出以来，已经发展到了第五代——YOLOv5。 **YOLOv5介绍** YOLOv5是YOLO系列的最新版本，由Joseph Redmon等人设计，以其快速、准确和易于使用...
目标检测-使用Yolov5+Pytorch训练自己的数据集-超详细流程教程-优质项目实战.zip
02-19
Yolov5的模型结构基于Darknet，由一系列卷积层、批归一化和激活函数组成，形成了检测目标的多个输出层。损失函数通常包括定位损失和分类损失，优化器如AdamW可以帮助模型更快地收敛。 在项目实战中，你可能还会遇到...
yolov5-使用yolov5进行手hand目标检测.zip
03-05
YOLOv5作为YOLO系列的最新版本，不仅在速度上有了显著提升，而且在目标检测的精度上也达到了业界领先水平。本篇将详细介绍如何利用YOLOv5进行手部目标检测，以满足在人脸识别、手势识别等应用场景的需求。 一、...
目标检测 - 目标识别 - yolov5-5.0-测试跑通
最新发布
05-15
基于神经网络的目标检测算法主要分为了单阶段和双阶段两种方法，其中单阶段主要有YOLO系列和SSD模型。双阶段采用选取和分类的两步法进行检测。 二者相比之下，单阶段在检测速度上占有较大优势，可用于实时性要求较高...
【专业术语】（计算机 / 深度学习与目标检测 / 立体视觉）
qq_44703886的博客
12-04 1840
专业术语-计算机 / 深度学习与目标检测 / 轨道交通
【TFLite, ONNX, CoreML, TensorRT Export】
weixin_42483745的博客
06-04 503
This guide explains how to export a trained YOLOv5 🚀 model from PyTorch to ONNX and TorchScript formats. UPDATED 18 May 2022.Clone repo and install requirements.txt in a Python>=3.7.0 environment, including PyTorch>=1.7. Models and datasets download autom.
目标检测学习笔记——TTA
phily123的博客
11-28 1177
transforms.ToTensor()源码 TTA用法示例： class BaseWheatTTA: """ author: @shonenkov """ image_size = 512 def augment(self, image): raise NotImplementedError def batch_augment(self, images): raise NotImplementedError d
目标检测 YOLOv5 - 推理时的数据增强
flyfish
12-29 1013
实际使用中使用了大中小三个不同分辨率，中间大小分辨率的图像进行了左右反转。验证图像大小是每个维度上的stride的倍数，默认是32的倍数。在训练时可以使用数据增强，在推理阶段也可以使用数据增强。416 * 544 宽度W 高度H 比例为0.83。352 * 448 宽度W 高度H 比例为0.67。480 * 640 宽度W 高度H 比例为1。目标检测 YOLOv5 推理时的数据增强。原来推理一张图像，增强后是推理3张。是缩放比例，且能被32整除。合并去冗余之后再进NMS。推理时默认不使用增强。
深度学习检测算法YOLOv5的实战应用
uncle_ll的博客
04-25 1149
yolov5实战及封装
【AVA数据集】使用YOLO快速制作动作识别数据集（一）
m0_50355568的博客
04-03 4441
（简称AVA）是由Google在2018年所发表的一个用于训练动作检测的数据集，该数据集注释430个15分钟电影切片中的80个原子视觉动作，在空间和时间上定位了动作，从而产生了1.62万个动作标签。这个数据中的内容有以下特点更多的使用原子动作而不是复合动作（如bow、kneel、jump、sleep等）对于每个人有更多的的时空标注（每个人会同时具有多种行为）在切片内的标注尽可能的详细（每个切片中的动作种类会尽可能丰富）物体在跨段中尽可能的连续（对于出现过的人会有ID进行标注）
【目标检测-YOLO】YOLO v4 总结（第四篇）
博观约取，厚积薄发
03-14 5060
目标检测算法(YOLOv4)_Victory_gx的博客-CSDN博客_giou loss YOLO-从零开始入门目标检测 - 知乎 睿智的目标检测30——Pytorch搭建YoloV4目标检测平台_Bubbliiiing的学习小课堂-CSDN博客_yolov4目标检测 增强CNN学习能力的Backbone:CSPNet - 知乎 YOLOv4特征提取网络——CSPDarkNet结构解析及PyTorch实现 - 知乎 YOLOv4 介绍及其模型优化方法 - 知乎 深度学习之学习（..
YOLO-TLA: 小目标检测新突破 - 基于YOLOv5的高效轻量化模型
YOLO-TLA是一种基于YOLOv5的高效轻量级小目标检测模型，针对实际应用中小目标检测的准确性问题进行了深入研究。在目标检测这个计算机视觉的关键领域，尽管已有显著的进步，但处理小物体时的挑战依然存在，如检测不...
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

打赏作者

理心炼丹

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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