TPH-YOLOv5

最新推荐文章于 2024-08-08 08:31:23 发布

小飞龙程序员

最新推荐文章于 2024-08-08 08:31:23 发布

阅读量2.4k

点赞数

分类专栏：目标检测文章标签：深度学习人工智能 transformer

本文链接：https://blog.csdn.net/m0_47405013/article/details/127071563

版权

目标检测专栏收录该内容

40 篇文章 1 订阅 ¥119.90 ¥299.90

订阅专栏

超级会员免费看

TPH-YOLOv5是一种改进的YOLOv5模型，它通过添加Transformer Prediction Heads (TPH)、CBAM模块和额外的预测头，提升了在高密度遮挡场景中的物体检测性能。模型集成WBF进行结果融合，并使用自训练分类器增强对某些类别的识别。在VisDrone2021测试中，TPH-YOLOv5表现出优越的性能。

摘要由CSDN通过智能技术生成

TPH-YOLOv5

一、核心思想
1、多添加一个预测头（微小物体检测），四个预测头缓解较大的物体尺度变化
2、集成 Transformer Prediction Heads (TPH)，在高密度遮挡对象上具有更好的性能
3、集成CBAM
4、自训练分类器
5、图像预处理
（1）随机缩放、裁剪、平移、剪切（shearing）和旋转
（2）Mixup: 从训练图像中随机选取两个样本进行随机加权求和，样本的标签也与加权求和相对应
（3）Mosaic: 拼接了四幅图像
6、模型集成
WBF:merges all boxes to form the final result

作用：
•我们增加了一个预测头来处理对象的大尺度方差。
•我们将Transformer Prediction Heads (TPH)集成到YOLOv5中，可以在高密度场景中准确定位物体。
•我们将CBAM集成到YOLOv5中，可以帮助网络在大区域覆盖的图像中找到感兴趣的区域。
•我们提供了一些有用的技巧和过滤一些无用的技巧，用于无人机捕获场景的对象检测任务。
•我们使用自训练的分类器来提高对一些令人困惑的类别的分类能力。
•在VisD