该博客介绍了使用YOLOV4进行水下目标检测的实践，通过图像增强提升模型性能。作者对原始数据集进行了处理，删除了水草类别，保留了海参、海胆、扇贝和海星四类。使用cascade_rcnn_r50_fpn训练增强后的数据集，并展示了处理前后测试集的对比以及线上得分。
- 比赛网址链接：
和鲸社区 - Heywhale.com - 水下目标检测资源：
GitHub - wangdongdut/Underwater-Object-Detection: Underwater Object Detection [Optical]
首先看看原始数据集：
1、直接拿原始数据训练，YOLOV4 线上：
经过图像增强的视觉效果：
采用cascade_rcnn_r50_fpn训练图像增强后的数据集，并删除数据集中水草“waterweeds”这一类别，保留，海参“holothurian”，海胆“echinus”，扇贝“scallop”和海星“starfish”四类。
处理前的测试集：
处理后的测试集：
线上分数：
扫一扫
2811
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
