yolov5检测小目标（附源码）

yolov5小目标检测（图像切割法附源码）

6.30 更新切割后的小图片的label数据处理

前言

yolov5大家都熟悉，通用性很强，但针对一些小目标检测的效果很差。
YOLOv5算法在训练模型的过程中，默认设置的图片大小为640x640像素(img-size)，为了检测小目标时，如果只是简单地将img-size改为4000*4000大小，那么所需要的内存会变得非常之大，几乎没有可行性。
以下是对6k * 4k的图片，进行小目标检测训练结果，八张图一个字：烂

数据集（路面标志）：

图像切割

最简单的方法就是把这个大图片切割成小图片，参考开源框架SAHI[1]
几个问题：

1、简单切割，要保证切割后每张图片大小一致；
2、切割过程难免会切掉目标，需要设置“融合”区域；
3、切割后的数据集是小图片的数据集，那么同样，目标检测的时候也只能检测小图片。那就要对检测之后的小图片做合并处理。（麻烦）

1、图像切割

大体结构图：
其中蓝绿色是切割后的4*4=16张子图，红蓝框的部分是融合图，混合比例0.2

这个简单，参考博客python切割图片，用opencv切割就行，注意同时要切割好融合部分的图片。

# 融合部分图片
def img_mix(img, row_height, col_width, save_path, file):mix_num = 3# 每行的高度和每列的宽度# 分割成4*4就是有# 4*3个行融合区域# 3*4个列融合区域# 一行的融合row = 0for i in range(mix_num + 1):mix_height_start = i * row_heightmix_height_end = (i + 1) * row_heightfor j in range(mix_num):mix_row_path = save_path + '/' + file + '_mix_row_' + str(row) + '.jpg'mix_row_start = int(j * col_width + col_width * (1 - mix_percent))mix_row_end = int(mix_row_start + col_width * mix_percent * 2)# print(mix_height_start, mix_height_end, mix_row_start, mix_row_end)mix_row_img = img[mix_height_start:mix_height_end, mix_row_start:mix_row_end]cv2.imwrite(mix_row_path, mix_row_img)row += 1col = 0# 一列的融合for i in range(mix_num):mix_col_start = int(i * row_height + row_height * (1 - mix_percent))mix_col_end = int(mix_col_start + row_height * mix_percent * 2)for j in range(mix_num + 1):mix_col_path = save_path + '/' + file + '_mix_col_' + str(col) + '.jpg'mix_width_start = j * col_widthmix_width_end = (j + 1) * col_width# print(mix_col_start, mix_col_end, mix_width_start, mix_width_end)mix_col_img = img[mix_col_start:mix_col_end, mix_width_start:mix_width_end]cv2.imwrite(mix_col_path, mix_col_img)col += 1

切割成小图片后，label处理部分

本人是从xml文件中直接读取目标数据，代码：get_xml_data.py
在读取成功之后先保存成一个txt文件格式，所存储的数据为

图片类型（0：子图，1：行融合图，2：列融合图）
小图所处位置（0~15）
小图文件名
大图宽度
大图高度
目标类型
x最小值
x最大值
y最小值
y最大值

读取后得到的结果如下

接下来还要进一步解析这些数据，代码：txt_to_yolo.py
现在已知：小图位置、每种小图宽高、大图宽高，那么就可以定位目标在小图片上的位置
例如：
假设下图宽高为100，右上小框在右上部分的中心，的宽高为10，此时小框的位置信息是
xmin=70, xmax=80
ymin=20, ymax=30
位于第1号子图上（编号0~3）

那么就右上角的一小部分而言，小款的位置信息是
xmin=20, xmax=30
ymin=20, ymax=30
根据这个思路，就可以很好地处理其他数据。

2、目标检测

没啥好说的这个，图片切割后把yolov5的图片训练路径、检测路径改成切割后的图片就好。
注意一点
训练的时候有融合图，检测的时候没有（因为我没做融合图的检测，容易和子图之间产生重复，比较是机器检测的结果）
更改路径：直接在 def run()下面更改路径，如detect.py:

检测结果：

3、融合

这个说难不难，说简单也不简单
主要是要思路清晰

1、需要定位每一张图片所在的位置（比如切割成4*4，总共有16个位置）
2、根据每一个位置，对每一张图片的检测结果（txt文件）内容进行相应处理，处理成在大图中对应的位置，比如位置是右上角(0, 3)，那么该图片中检测到的结果的x值都应该加上 (3 * 大图宽度/4)，再重新转换成yolov5的标注格式

差不多就这样子？
融合结果

4、结果观察

前面说到，这里的训练和检测都是基于小图片进行，那么就不好直接观察结果如何（检测图片上的框）
那么可以针对融合的txt文件结果，在原图上直接用 ImageDraw 画一个框
结果还不错

训练结果

看看训练结果

其他

也可以参考一些类似的项目
yolov5-tph： https://github.com/Gumpest/YOLOv5-Multibackbone-Compression
yolov-z
还有什么增加小目标检测层（感觉不通用，试了下除了增加训练时间之外，效果也一般般）