YOLOV5
文章平均质量分 65
qq_41627642
这个作者很懒,什么都没留下…
展开
-
YOLOV5之提高模型评估和测试方法(Ensemble、TTA、WBF)
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。原创 2023-12-20 12:15:35 · 1581 阅读 · 0 评论 -
OpenMMLab MMYOLO目标检测应用示例与常见问题(三)
数字电离图是获取实时电离层信息的最重要方式。电离层结构检测对于准确提取电离层关键参数具有重要的研究意义。本研究利用中国科学院在海南、武汉和怀来获得的4311张不同季节的电离图建立数据集。使用labelme手动注释包括 Layer E、Es-l、Es-c、F1、F2 和 Spread F 在内的六个结构。数据集准备下载数据后,将其放在MMYOLO存储库的根目录下,并使用(for Linux)解压到当前文件夹。解压后的文件夹结构如下:unzip test.zipIono4311/原创 2023-09-20 17:43:52 · 516 阅读 · 0 评论 -
Yolov5 (v6.1)添加注意力机制
无原创 2022-10-18 16:30:01 · 2902 阅读 · 0 评论 -
主流注意力机制介绍以及如何添加到YOLOV5
无原创 2022-10-18 16:29:29 · 2401 阅读 · 0 评论 -
深度学习评估指标之目标检测——(yolov5 可视化训练结果以及result.txt解析)
无原创 2022-10-10 10:48:53 · 18116 阅读 · 11 评论 -
YOLOV5超参数设置与数据增强解析
无原创 2022-06-23 19:02:50 · 30838 阅读 · 1 评论 -
YOLOV5训练结果的解释
无原创 2022-06-23 18:56:35 · 1723 阅读 · 0 评论 -
YOLOv5-6.0的一些参数设置和特征图可视化
无原创 2022-06-22 18:45:35 · 2745 阅读 · 0 评论 -
深度学习之目标检测小目标增强(SAHI)
此外,由于不寻常的优化步骤,它们很难适应目前的检测器。该方法对具有小目标的图像进行过采样,并通过复制多个小目标对其进行扩充。然而,这种增强需要分割注释,因此,它与目标检测数据集不兼容。有方法可以从原始图像中截取放大区域,从中学习到更丰富的小目标特征。额外的特征对检测性能有积极的贡献,但要扩大的区域的选择带来了计算负担。也有研究提出了一种用于小目标检测的全卷积网络,该网络包含了一种早期的视觉注意力机制,用来选择最有希望的包含小目标及其上下文的区域。还有研究提出了一种基于切片的技术,但其实现并不通用,仅适用原创 2022-03-25 09:32:48 · 10484 阅读 · 4 评论 -
YOLOV5之提高模型评估和测试方法(TTA、Ensemble、WBF)
本指南解释了如何在测试和推断改进的mAP和Recall过程中使用YOLOv5模型集成。2022年1月25日更新。集成建模是一个过程,通过使用许多不同的建模算法或使用不同的训练数据集,创建多个不同的模型来预测结果。然后,集合模型将每个基本模型的预测聚合起来,并对未见数据产生一次最终预测。使用集成模型的动机是为了减少预测的泛化误差。当采用集成方法时,只要基本模型是不同的和独立的,模型的预测误差就会减小。这种方法在预测中寻求群体的智慧。尽管集成模型在模型中有多个基本模型,但它作为单个模型进行操作和执行。1原创 2022-03-03 16:33:57 · 5772 阅读 · 0 评论 -
YOLOv5 OpenCV DNN C++对导出的ONNX模型进行推理
1、环境Make sure you have already on your system:Any modern Linux OS (tested on Ubuntu 20.04) OpenCV 4.5.4+ Python 3.7+ (only if you are intended to run the python program) GCC 9.0+ (only if you are intended to run the C++ program)IMPORTANT!!! Note th原创 2022-03-01 17:58:55 · 4137 阅读 · 0 评论 -
Linux服务器配置(Linux之创建自己的账户并进行YOLOV5环境搭建)
1、登录服务器1.1通过命令行SSH进行登录。我们可以通过SSH,配合服务器IP,帐号密码进行登录。ssh root@8.xxx.xxx.xxx1.2 如果是Windows的话,可以下下载一个XShelll也能进行操作登录。2、配置服务器2.1 创建新用户adduser example_user # 比如我创建pengtao新用户 ,输入密码一路回车下去创建即可adduser pengtao 2.2添加用户权限adduser pengtao sud....原创 2022-02-20 15:32:35 · 4465 阅读 · 1 评论 -
Windows搭建YOLOv5-P6 models
一、YOLOV5官方发布版本二、安装python环境库1、新建虚拟环境conda create -n yolov5 python=3.82、定位到代码目录下安装环境库设置镜像加速conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anac原创 2022-02-12 14:35:43 · 2397 阅读 · 0 评论 -
YOLOV5训练自己的数据集——用YOLOv5模型识别出表情!
用YOLOV5模型识别出表情二、YOLOV5模型转换1.安装依赖库pip install onnx coremltools onnx-simplifier -i https://pypi.tuna.tsinghua.edu.cn/simple或者单个的安装pip install coremltools==4.0 -i https://pypi.tuna.tsinghua.edu.cn/simple2.导出ONNX模型遇到No module named 'models'Ex原创 2021-10-07 23:09:00 · 1107 阅读 · 0 评论 -
深度学习~目标检测性能指标
原创 2021-10-07 09:58:30 · 209 阅读 · 0 评论 -
YOLOV5之源码解析
1、build_targets函数解析2、compute_loss损失函数的计算原创 2021-10-07 09:57:52 · 302 阅读 · 0 评论 -
小目标神器!TPH-YOLOv5:将Transformer预测加载Yolov5!
1、研究背景针对无人机捕获场景的目标检测是最近比较流行的一项任务。由于无人机在不同高度飞行,目标尺度变化较大,这样给模型的优化也带来了很大的负担。此外,在无人机进行高速低空飞行时,也会带来密集目标的运动模糊问题。图1 小目标与密集问题为了解决上述2个问题,本文提出了TPH-YOLOv5。TPH-YOLOv5在YOLOv5的基础上增加了一个prediction heads 来检测不同尺度的目标。然后通过探索Self-Attention的预测潜力使用了Transformer Predict.原创 2021-10-06 00:25:07 · 2522 阅读 · 1 评论 -
Windows系统在YOLOV5环境的搭建
一、参考博客和注意问题一、 参考博客:pytorch训练自己的YOLOv5目标检测器(自定义数据集训练)WIN10下YOLOV5安装与测试-踩坑记会发现我们下载的requirements.txt与博主的不一样,源码发生了变化注意:不要采用 pip install -U -r requirements.txt原因:应该只支持Linux和macos系统,对于window系统还是采用下面的操作进行配置。二、 安装Anaconda、 安装VS2015、安装CUDA10.2.89、CUDNN7.6.5(操作原创 2020-07-28 09:50:24 · 5986 阅读 · 1 评论