VisDrone2018-DET-toolkit-master工具包用法以及踩坑记录（基于TPH-YOLOv5在VisDrone2019数据集上的测试）

最新推荐文章于 2025-03-08 23:55:34 发布
最新推荐文章于 2025-03-08 23:55:34 发布
阅读量1.3k 收藏 9
点赞数 4
文章标签： python matlab 目标检测
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/qq_66103012/article/details/130981878
版权
文章介绍了VisDrone2019无人机视觉目标检测数据集，包括其规模、多样性以及使用VisDrone2018-DET-toolkit-master工具包的要求。作者分享了使用改进的YOLOv5模型进行测试的过程，特别是如何将YOLO格式的标签转换为VisDrone所需的格式。在标签转换中遇到的问题，如空txt文件、AP值过低等，以及相应的解决方案也被详细讨论。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

 1、VisDrone2019数据集介绍

        VisDrone2019数据集由天津大学机器学习和数据挖掘实验室AISKYEYE团队收集。基准数据集包括288个视频片段，由261908帧和10209幅静态图像组成，由各种无人机摄像头捕获，覆盖范围广泛，包括位置(来自中国相隔数千公里的14个不同城市)、环境(城市和农村)、物体(行人、车辆、自行车、等)和密度(稀疏和拥挤的场景)。请注意，数据集是在不同的场景、不同的天气和光照条件下使用不同的无人机平台(即不同型号的无人机)收集的。

        在官网上下载的数据集格式如图，其中训练集有6471张图片，验证集有548张图片，测试集使用第二个test-dev的1610张图片，因为这个测试集有真值标签，可以用我们的测试结果在matlab上使用VisDrone2018-DET-toolkit-master工具包测试AP。

2，TPH-YOLOv5对VisDrone2019-DET-test-dev数据集测试

        我使用的是改进的YOLOv5模型进行训练与测试，其他模型也是一样的。具体网络的下载，环境的配置，模型的训练等等都不是本文的重点，如果有需要我将会把代码链接公布大家自取。

        首先在TPH-YOLOv5的detect.py文件下测试VisDrone2019-DET-test-dev数据集，针对每一个图片会生成一个YOLO格式的标签txt文件，如图:

最低0.47元/天 解锁文章
TPH-YOLOv5
m0_47405013的博客
01-25 2599
tph_yolov5
番外篇 | 当Transformer遇见YOLOv5！复现TPH-YOLOv5：让小目标无处遁形！
突然好想你
05-20 598
本文在YOLOv5的基础上加入了一些新的技术，比如ViT、CBAM和一些Tricks（数据增广、多尺度测试等），最终命名为TPH-YOLOv5的目标检测器，比较适合无人机小目标的检测和应用。🌈
角点检测代码matlab-VisDrone2018-MOT-toolkit:VisDrone2019的多对象跟踪工具包
05-26
角点检测代码matlab VisDrone2018-MOT基准测试工具包 介绍 这是VisDrone2018竞赛开发套件的文档，用于多对象跟踪（MOT）挑战。 该代码库仅用于研究目的，它是根据MOTChallenge [1]和PASCAL VOC [2]中的工具包进行修改的。 该代码已在Windows 10和macOS Sierra 10.12.6系统以及Matlab 2013a / 2014b / 2016b / 2017b平台上进行了测试。 如有任何疑问，请与我们联系（电子邮件：）。 引文 如果您使用我们的工具包或数据集，请按以下方式引用我们的论文： @article {zhuvisdrone2018， title={Vision Meets Drones: A Challenge}, author={Zhu, Pengfei and Wen, Longyin and Bian, Xiao and Haibin, Ling and Hu, Qinghua}, journal={arXiv preprint:1804.07437}, year={2018} } 数据集 对于MOT竞赛
matlabauc代码-VisDrone2018-SOT-toolkit:适用于VisDrone2019的单一对象跟踪工具包
05-24
Matlab的耳语VisDrone2018-SOT用于单对象跟踪的Tooklit 介绍 这是VisDrone2018竞赛开发套件的文档，用于单对象跟踪（SOT）挑战。 该代码库仅用于研究目的，它是根据Wu等人的视觉基准平台进行了修改。 [1]。 该代码已在Windows 10和macOS Sierra 10.12.6系统以及Matlab 2013a / 2014b / 2016b / 2017b平台上进行了测试。 如有任何疑问，请与我们联系（电子邮件：）。 引文 如果您使用我们的工具包或数据集，请按以下方式引用我们的论文： @article {zhuvisdrone2018， title={Vision Meets Drones: A Challenge}, author={Zhu, Pengfei and Wen, Longyin and Bian, Xiao and Haibin, Ling and Hu, Qinghua}, journal={arXiv preprint:1804.07437}, year={2018} } 数据集 对于SOT竞赛，有三组数据和标签：训练数据，验
yoloV5训练visDrone2019-Det无人机视觉下目标检测
最新发布
深图智能工作室
03-08 1538
visDrone2019数据集是无人机视角下最具挑战性的目标检测基准数据集之一，由天津大学机器学习与数据挖掘实验室联合其他研究机构共同构建。该数据集采集自中国14个不同城市，覆盖复杂城市场景、交通枢纽、密集人群等多种环境。
【VisDrone】VisDrone-DET2018数据集介绍
Gorgeous_wxd
05-28 1754
Object detection results on the VisDrone-DET2018testingse The tracking speed (in FPS), GPUs for training, backbone network The APIoU=0.50:0.05:0.95scores on the VisDrone2018testingset of eachobject category
VisDrone2018:ECCV2018（图像中的挑战目标检测）
05-15
VisDrone2018 说明：后续可能不更新了。 Tips: this repo will not be updated. Baseline： Name maxDets Result Average Precision (AP) @( IoU=0.50:0.95) maxDets=500 15.8738%. Average Precision (AP) @( IoU=0.50 ) maxDets=500 21.7822%. Average Precision (AP) @( IoU=0.75 ) maxDets=500 17.1753%. Average Recall (AR) @( IoU=0.50:0.95) maxDets= 1 0.83255%. Average Recall (AR) @( IoU=0.50:0.95) maxDets=
探索 VisDrone2018：无人机视觉检测的未来
gitblog_00081的博客
04-02 580
探索 VisDrone2018：无人机视觉检测的未来 去发现同类优质开源项目:https://gitcode.com/ 在当今的智能科技时代，无人机已经广泛应用于各个领域，如安全监控、农业监测和环境研究等。而与之相关的视觉检测技术则成为了无人机智能化的核心部分。VisDrone2018 就是一个专注于无人机目标检测与跟踪的数据集和挑战赛，旨在推动该领域的技术发展。 项目简介 是一个开源项目，由郑州...
TPH-YOLOv5: 高效无人机对象检测的Transformer预测头改进版YOLOv5
gitblog_01103的博客
08-08 712
TPH-YOLOv5: 高效无人机对象检测的Transformer预测头改进版YOLOv5 项目地址:https://gitcode.com/gh_mirrors/tp/tph-yolov5 1. 项目介绍 TPH-YOLOv5 是一个基于YOLOv5的目标检测框架，它通过引入Tiny Pseudo-Head（小伪头）模块，优化了网络结构，提高了检测速度并保持了较高的准确性。这个项目特别关注于无人...
TPH-YOLOv5: Improved YOLOv5 Based onTransformer Prediction Head for Object Detectionon
weixin_43238909的博客
03-25 1708
这种灵活性的一个缺点是，他们通过随机训练算法学习，这意味着他们对训练数据的细节很敏感，每次训练时可能会发现不同的权重集，从而产生不同的预测。被研究人员广泛使用。为了实现对我们提出的TPH-YOLOV5的更多改进，我们提供了一些有用的策略，如数据增强、多尺度测试、多模型集成和利用额外的分类器。此外，通过对故障案例的可视化，我们发现我们提出的架构具有出色的本地化能力，但分类能力较差，尤其是在一些类似的类别上，如“集成到不同分类和检测数据集上的不同模型中后，模型的性能得到了很大的提高，证明了该模型的有效性。
TPH-YOLOv5简述
今天打卡Leetcode了吗
11-05 9506
引言   无人机捕获场景下的目标检测技术已广泛应用于植物保护、野生动物保护和城市监测等实际应用中，在无人机捕获的图像上的目标检测性能，并为上述众多的应用提供洞察力。本文专注于在无人机上的目标检测性能提升，并服务于上述应用。   近年来，基于深度卷积神经网络的目标检测任务取得了显著进展，一些著名的基准数据集，如MS COCO和PASCAL VOC，推动了目标检测应用的发展，然而，以往的深度卷积神经网络大多是针对自然场景图像设计的。直接应用之前的模型来处理无人机捕获场景下的目标检测任务主要有三个问题，如图1所示
画雷达图matlab代码-VisDrone2018-SOT_toolkit:VisDrone2018-SOT_toolkit
06-02
画雷达图matlab代码新的自述文件 修改 repo 以使用多跟踪器运行 OPE 地块评价结果 数据集路径： |---序列|------test_seqs.txt（可选，指定seqs运行评估） |------seq1 |---------img1 |---------img2 |------seq2 |---------img1 |---------img2 |---注解|------seq1.txt |------seq2.txt |---属性|------seq1_attr.txt |------seq2_attr.txt trackResPath: |---结果_OPE |------Tracker1（文件夹名称应与 PlotEval.m 中的跟踪器名称匹配） |---------seq1.txt/mat (txt 或 mat 文件，其名称应与 datasetPath/sequences 下对应的文件夹名称匹配) |---------seq2.txt/mat |------追踪者2 |---------seq1.txt/mat |---------seq2.txt/mat dat
TPH-YOLOv5: （中文翻译）
weixin_42182534的博客
03-14 1万+
Abstract 无人机捕获场景下的目标检测是一个最近流行的任务。由于无人机总是在不同的高度进行导航，目标尺度变化剧烈，给网络优化带来负担。此外，在高速低空飞行过程中，由于物体密度较大，会产生运动模糊，给物体识别带来很大挑战。针对上述两个问题，我们提出了TPH-YOLOv5。在YOLOv5的基础上，我们增加了一个预测头来检测不同尺度的物体。然后将原预测头替换为变压器预测头(Transformer prediction heads, TPH)，探索具有自我注意机制的预测潜力。此外，我们还集成...
深度学习目标检测数据VisDrone2019（to yolo / voc / coco）---MMDetection数据篇
热门推荐
qq_41627642的博客
05-11 4万+
1、VisDrone2019数据集介绍 配备摄像头的无人机(或通用无人机)已被快速部署到广泛的应用领域，包括农业、航空摄影、快速交付和监视。因此，从这些平台上收集的视觉数据的自动理解要求越来越高，这使得计算机视觉与无人机的关系越来越密切。我们很高兴为各种重要的计算机视觉任务展示一个大型基准，并仔细注释了地面真相，命名为VisDrone，使视觉与无人机相遇。VisDrone2019数据集由天津大学机器学习和数据挖掘实验室AISKYEYE团队收集。基准数据集包括288个视频片段，由261908帧和10209幅静
YOLOv5 提升小目标识别能力 解决VisDrone2019数据集
weixin_42001184的博客
09-16 6219
YOLOv5增加一些tricks技巧去提升它的小目标检测能力，进而在VisDrone无人机拍摄的这个数据集上达到更好的效果
VisDrone-DET2019:The Vision Meets Drone Object Detection in Image Challenge Results
MTS的博客
11-05 3304
Abstract   Recently, automatic visual data understanding from drone platforms become highly demanding. To this end, the Vision Meets Drone Object Detection in Image Challenge is held at the second tim...
详细解读TPH-YOLOv5 | 让目标检测任务中的小目标无处遁形
小白学视觉
06-09 1万+
点击上方“小白学视觉”，选择加"星标"或“置顶”重磅干货，第一时间送达本文在YOLOv5的基础上加入了一些新的技术，比如ViT、CBAM和一些Tricks（数据增广、多尺度测试等），最终命名为TPH-YOLOv5的目标检测器，比较适合无人机小目标的检测和应用。工作单位： 北京航空航天大学1简介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，...
英文论文（sci）解读复现【NO.20】TPH-YOLOv5++：增强捕获无人机的目标检测跨层不对称变压器的场景
m0_70388905的博客
02-17 1234
无人机拍摄图像算法TPH-YOLOv5++：增强捕获无人机的目标检测跨层不对称变压器的场景
使用yolov5训练visdrone2019数据集-详细教程
weixin_42475780的博客
11-01 2万+
记录一下自己用yolov5训练visdrone数据集时的经历，希望可以让后来人少走一些弯路
VisDrone2019-DET-val数据集介绍
资源摘要信息:"VisDrone2019-DET-val.zip是一个数据集文件压缩包，其名称中的'VisDrone2019'指的是该数据集与视觉无监督驾驶（Visual Drone Detection and Tracking）相关，且是2019年发布的版本。'DET'是Detection...
评论 1
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
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