YOLOv8+SAHI，针对小目标检测的切片辅助训练推理，缺陷检测检测精度大幅提升

于 2024-09-18 13:42:02 发布
阅读量107 收藏
点赞数 6
分类专栏： 深度学习工业缺陷检测 文章标签： 计算机视觉 人工智能 目标检测 算法 开发语言 python 无人机
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/m0_63774211/article/details/141717306
版权

💡💡💡本文摘要：1）分析了工业缺陷的难点；2）提供了用SAHI方法子图训练，如何自动生成对应xml的代码；3）SAHI+YOLOv8如何推理

原图

切分为子图训练+推理 

1.工业缺陷检测介绍

    得益于机器视觉的不断发展

了解本专栏 订阅专栏 解锁全文
AI小怪兽
关注
专栏目录
订阅专栏
用于小物体检测的切片辅助超推理SAHI实现YOLOv8推理
穿着帆布鞋也能走猫步
09-21 4607
如下图所示，在推理过程中采用了切片法，最初，原始图像被划分为尺寸为M×N的重叠块。通过结合使用调整大小的补丁和原始图像，模型可以学习到适应不同尺度的物体，并提高对大型物体的检测能力。然而，由于网络的局限性，学习到的特征可能无法充分捕捉到较小物体的微妙而复杂的细节。预训练模型，尤其是使用深度卷积神经网络(CNN)架构的模型，可以捕获丰富的分层特征，这对于小物体的检测非常有帮助。SAHI的独特之处在于它能够与任何物体检测器无缝集成，无需繁琐的微调，并在不影响性能的情况下快速应用，为小物体检测带来了重大的突破。
YOLOv8改进 | 进阶实战篇 | 利用辅助超推理算法SAHI推理让小目标无所谓遁形（支持视频和图片）
走向CTO的路上...
06-14 654
目标检测算法在近年来取得了长足的进步，但在检测小目标方面仍然存在一些挑战。小目标往往由于尺寸较小、特征信息不足等原因，难以被检测算法准确识别。为了解决这一问题，本文提出了一种利用辅助超推理算法SAHI推理让小目标无所谓遁形的方案。SAHI是一种基于超推理的辅助推理算法，它可以利用相邻图像的信息来增强小目标的特征信息，从而提高检测精度。该算法在多个目标检测数据集上都取得了显著的性能提升。SAHI算法是一种利用辅助超推理来增强小目标特征信息的有效方法，可以显著提高YOLOv8模型在小目标检测任务上的精度。
用于小目标检测的切片辅助超推断
2301_78240361的博客
11-10 407
小目标检测指的是识别和本地化数字图像中尺寸相对较小的对象。这些物体通常具有有限的空间范围和较低的像素覆盖率，并且由于其外观较小且信噪比较低，检测起来可能很困难
小物体检测-切片辅助超推理（SAHI ）技术原理介绍
DT程序员的博客
06-08 982
详细介绍切片辅助超推理技术 SAHI 原理的工作原理和机制
小目标Trick | Detectron2、MMDetection、YOLOv5都通用的小目标检测解决方案
qq_29462849的博客
02-16 3698
点击上方“计算机视觉工坊”，选择“星标”干货第一时间送达作者丨ChaucerG来源丨集智书童检测小目标和远程目标检测是监控应用中的一个主要挑战。这些物体由图像中少量的像素表示，缺乏足够的...
yolov5.7输入图像切片，推理之后采用拼接处理
chenyuan1111的博客
09-26 965
最近在使用yolov5检测大图像中的小缺陷的时候，发现采用主流的sahi等的处理方式，会让推理速度变得很慢。C++重写python逻辑开发周期又太长。所以尝试自己写一下图像切片，将大图像分割成小图像未入网络。
MATLAB算法实战应用案例精讲-【图像处理】小目标检测（附matlab代码实现）
qq_36130719的博客
01-13 4213
现有的小目标定义方式主要分为以下两类，即基于相对尺度的定义与基于绝对尺度的定义。(1)基于相对尺度即从目标与图像的相对比例这一角度考虑来对小目标进行定义。Chen[1]等对小目标做了如下定义：同一类别中所有目标实例的相对面积，即边界框面积与图像面积之比的中位数在0.08%~0.58%之间。除此以外，较为常见的还有以下几种：①目标边界框的宽高与图像的宽高比例小于一定值，较为通用的比例值为0.1；②目标边界框面积与图像面积的比值开方小于一定值，较为通用的值为0.03；
【计算机视觉】小目标检测优化专题
zhumin19910702的博客
11-09 4116
小目标检测长期以来是计算机视觉中的一个难点和研究热点。在深度学习的驱动下，小目标检测已取得了重大突破，并成功应用于国防安全、智能交通和工业自动化等领域。本文致力于分析和整理一些前沿的小目标检测算法研究，并给出一些自己的思考和实践心得！
人工智能 | ShowMeAI资讯日报 #2022.06.11
热门推荐
ShowMeAI研究中心
06-11 1万+
ShowMeAI资讯日报 2022-06-11 期，Deepfake换脸工具包、最小化Transformer库、用Python写web应用的框架、文本相似度计算的项目代码、约克大学《计算机视觉》课程资料、10篇前沿论文…点击获取全部资讯
基于改进YOLOv8(sahi切片，微调，推理策略)实现遥感数据小目标检测(小目标检测能力提升明显).zip
08-21
基于改进YOLOv8(sahi切片，微调，推理策略)实现遥感数据小目标检测(小目标检测能力提升明显).zip 【资源介绍】 该项目旨在利用SAHI（切片、微调、推理）策略提升YOLOv8在遥感数据上的小目标检测能力。 主要功能点 ...
课题实验基于YOLOv8+sahi策略(切片、微调、推理)实现遥感数据集上小目标检测python源码.zip
最新发布
09-18
基于YOLOv8+sahi策略(切片、微调、推理)实现遥感数据集上小目标检测python源码.zip 【说明】 【1】项目代码完整且功能都验证ok，确保稳定可靠运行后才上传。欢迎下载使用！在使用过程中，如有问题或建议，请及时私信...
基于yolov5+SAHI模块完成超分辨率以及小目标检测演示源码+运行说明.zip
06-01
在本项目中，我们主要探讨的是如何利用yolov5框架结合SAHI模块进行超分辨率图像处理和小目标检测。这个演示源码提供了一个完整的流程，适用于Windows操作系统，并且可以在PyCharm环境中运行。以下是对关键知识点的...
Opencv实现提取卡号（数字识别）
2401_84670644的博客
09-03 2459
接下来，你可能会想要使用这些数字模板与输入图像中的数字进行匹配，以确定输入图像中每个数字的具体值。这通常涉及到模板匹配技术，如使用。库来解析命令行输入，确保用户提供了输入图像和模板图像的路径。函数读取模板图像的路径，并显示原始图像。自定义的myutils库。
浅谈计算机视觉新手的学习路径
09-15 675
计算机视觉学习新人的成长路线
目标检测基本知识
qq_56246012的博客
09-17 438
目标检测这部分中，Faster_RCN、YOLO算法太难了，先放一下学其他的，到时候再翻回来学吧。
计算机视觉学习路线（纯纯小白）
警警的博客
09-14 1546
计算机视觉是一个跨学科领域，需要扎实的数学、机器学习、深度学习和编程基础。通过从基础到进阶的学习，不断地进行项目实践和学术论文阅读，逐步掌握计算机视觉的核心技术，并最终深入到该领域的前沿研究。
水下目标检测数据集 urpc2021
2301_78240361的博客
09-17 823
水下目标检测数据集 urpc2021
sahi目标检测java实现
model2005的专栏
09-14 772
SAHI目标检测java代码
yolov8使用SAHI做测试
08-15
YOLOv8（You Only Look Once Version 8）是一个基于物体检测的目标识别算法，它是YOLO系列的最新版本之一，由 Ultralytics 开发。YOLOv8在保持高效实时性能的同时，引入了更多的复杂度和精确度，适用于各种计算机视觉任务。 SAHI（Simple and Accurate Human Inspection）是一种用于评估和测试人工智能模型，特别是像YOLO这样的目标检测系统的工具。SAHI通常被用来对模型进行人体检测或行人检测，它的简单易用性和准确的人体分割使其成为衡量模型性能的理想选择，特别是在实际场景中的应用中。 当使用YOLov8配合SAHI做测试时，一般会执行以下步骤： 1. **数据准备**：确保有标注好的用于人体检测的数据集，如MS COCO、COCO-WholeBody等。 2. **模型配置**：加载预训练的YOLov8模型，并针对SAHI的需求进行参数调整，可能包括优化NMS（非极大值抑制）设置。 3. **模型评估**：利用SAHI工具运行模型在测试数据上，计算精度指标，如AP（平均精度）、IoU（重叠率）等，以及召回率和F1分数。 4. **结果分析**：对比不同模型的性能，查看是否存在误报或漏检，以及在不同场景下的表现。 5. **持续改进**：根据测试结果优化网络结构，调整超参数，迭代提升模型性能。
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

AI小怪兽

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