一、简述

最近忙于各种奇奇怪怪的杂事,仔细一看居然有四个月没有写微博了,罪恶……
这次主要是针对航拍的红外图像做定向识别,项目实际识别目标由于保密的原因不能展示,博客里面仅用车辆和行人进行说明。

红外图像相比于三通道可见光图像,其边缘和细节信息更加模糊,但是最重要的难点在于目标在不同场景不同时间下表现的特征是完全不同甚至截然相反的
比如一辆car在停着的时候轮胎是偏黑色(因为温度低,无热辐射),但在路上行驶时由于与地面摩擦,其热辐射很高。
再比如晚上和白天温差较大,其车身各部分由于吸热能力不同,呈现的细节特征也是完全不同的。
在数据集较少时,这很不利于泛化。
举个栗子:

白天停着的车

晚上行驶中的车

二、数据集准备

这次博客里的数据集基于我们以前自己采集和标注的红外图像,只有car和people两类,由于红外图像在晚上可见光不足时更能体现优势,因此分为白天组和晚上组。

三、模型

这次红外小目标检测仍然是基于上一篇模型的框架,仅针对细节做了修改。
传送门:YOLOV5 模型和代码修改——针对小目标识别

四、测试结果


四、后续改动思路

1.基于知识的网络

前文提到,在红外传感器眼中,不同时间以及目标的不同状态下,目标的特征是完全不同甚至相反的,上述过程,这个网络其实是没有针对这一点做网络的改动的,主要原因是针对特定目标的红外航拍图像训练集较少,其与可见光差别较大,也无法做迁移学习,因此只能采取重新训练的办法,而数据较少时,网络对完全不同性状的目标被分成同一类会比较费解。
因此在训练集规模不足时,考虑使用基于知识的网络,即先人为区分不同的使用场景(主要针对对目标热辐射影响最明显的场景,常见的有当前温度,目标运动状态等),对特征提取层的后几层进行分支化处理,在测试任务时,输入图片的同时输入其状态信息(温度、运动状态),根据目标状态信息选择某个特征提取分支进入,来针对性做识别,这样可以提高准确度,不会出现强迫模型把 两个特征完全相反的目标 化为一类的情况。

2.小目标的xywh重要程度占比

项目主要针对航拍小目标做处理,在小目标检测时,由于检测框本身就比较小,这次我们的训练及分布如下图,因此实际上wh的精度并不重要,我们更加关注定位的准确度,即图像中心点的位置xy。因此可以考虑对损失函数进行修改,增加xy损失的占比,降低wh的占比,来提高网络对定位精度的重视程度。

YOLOV5 模型和代码修改——针对小目标识别(红外小目标)相关推荐

  1. YOLOV5 模型和代码修改——针对小目标识别

    2021.8.24 效果还是可以的,公司楼下: 一.简述 针对YOLOV5小目标识别部分做了算法改进: 1.修改了MODEL,增加了小目标检测层 2.修改了detect.py,增加了分割检测模块,以时 ...

  2. 【Java】《面向对象程序设计——Java语言》Castle代码修改整理

    前言 最近闲来无事刷刷MOOC,找到以前看的浙大翁凯老师的<面向对象程序设计--Java语言>课程,重新过一遍仍觉受益颇深. 其中有一个Castle的例子,思路很Nice但代码很烂,翁凯老 ...

  3. 红外小目标检测的非对称上下文调制

    摘要 因为缺乏固有的目标特征,并且缺乏一个公共的数据集,单帧红外小目标检测依然是一个挑战.在本文中,我们首先提供了一个带有高质量标注的开放数据集,以推进这一领域的研究.我们还提出了一种专门为检测红外小 ...

  4. [深度学习] 基于切片辅助超推理库SAHI优化小目标识别

    对象检测是迄今为止计算机视觉中最重要的应用领域.然而,小物体的检测和大图像的推理仍然是实际使用中的主要问题,这是因为小目标物体有效特征少,覆盖范围少.小目标物体的定义通常有两种方式.一种是绝对尺度定义 ...

  5. 基于Caffe格式部署YOLOV5模型

    点击上方"3D视觉工坊",选择"星标" 干货第一时间送达 [导语]本文为大家介绍了一个caffe部署yolov5 模型的教程,并开源了全部代码.主要是教你如何搭 ...

  6. 华为Atlas500 yolov5模型部署全流程

    python3.7.5安装(装在usr/local 以后复制到home目录) 检查系统是否安装python依赖以及gcc等软件. 分别使用如下命令检查是否安装gcc,make以及python依赖软件等 ...

  7. 【全流程】从头在树莓派4B上部署自己训练的yolov5模型(配合NCS2加速)

    目录 0.前言 1.我的环境 2.整个流程 3.具体过程 3.1 训练自己的yolov5模型 3.2 将.pt模型转换为.onnx模型 3.3 在本地将.onnx转换成IR模型 3.4 在树莓派4B上 ...

  8. deepstream学习笔记(三):deepstream-imagedata-multistream解析与接入适配yolov5模型测试

    引言 上一节重点介绍了gstreamer架构图与各部分组成原理说明,并且针对deepstream-test1介绍了它的整体功能和画出了管道图,本篇博文将详细介绍deepstream-imagedata ...

  9. 使用YOLOv5模型进行目标检测!

    ↑↑↑关注后"星标"Datawhale 每日干货 & 每月组队学习,不错过 Datawhale干货 作者:陈信达,华北电力大学,Datawhale成员 目标检测是计算机视觉 ...

最新文章

  1. 用Git上传删除本地项目到gitlab---图文解析
  2. 再次召唤灵魂画手!这个AI把你信手涂鸦都变成人脸
  3. 网页 两秒弹出窗口_电脑网页打不开但qq能用怎么回事
  4. ckeditor和ckfinder的使用
  5. HTTP 协议 -- 浏览器缓存机制
  6. 服务器启动报错:One or more listeners failed to start. Full details will be found in the ...
  7. html5新增的type类型,html5新增的type类型
  8. 计算机应用技术自我分析,计算机应用*个人自我鉴定
  9. python删除链表中重复的节点_删除链表中所有值与Python相同的节点的程序
  10. 高性能EL——Fel探秘,兼谈EL
  11. SUSHI区块奖励将根据此前提案在3月降至每区块40枚
  12. 微型计算机常常采用三种线结构,中北大学微机原理习题册终极版考试必备
  13. YOLOv5永不缺席 | YOLO-Pose带来实时性高且易部署的姿态估计模型!!!
  14. HeroM2连击技能设置和DB完整数据
  15. 【hightopo】【基础图标】 HT for Web简单图标的制作:进度图标
  16. 2021数学建模美赛:赛前总动员
  17. 保龄球记分程序c语言,老鸟救命~关于保龄球记分规则的程序
  18. sqlite设密工具如何使用(本人资源)
  19. 电脑一些基础知识(一)
  20. 计算机所有接口都没反应,如何解决Win7系统USB接口没反应的问题

热门文章

  1. 计算机考研数一、408复习心得
  2. BiFunction
  3. java web pdf 打印预览_java原装代码完成pdf在线预览和pdf打印及下载
  4. 《SEO实战密码》笔记①-了解搜索引擎
  5. 台式计算机运行慢怎么样能提高速度,怎么样提高计算机的运行速度
  6. 兼容MacOS10.15以上系统的植物大战僵尸_植物大战僵尸mac版
  7. 专家表示:土地管理法修订应和物权法精神统一
  8. 408 | 【2014年】计算机统考真题 自用回顾知识点整理
  9. Unity使用Shader实现3D模型外描边效果ObjectOutline.shader
  10. PyKivy入门教程:Kivy Python库的介绍、安装及使用方法详解