1.Yolov5小目标介绍

在进行目标检测时，小目标会出现漏检或检测效果不佳等问题。YOLOv5有3个检测头，能够多尺度对目标进行检测，但对微小目标检测可能存在检测能力不佳的现象，因此添加一个微小物体的检测头，能够大量涨点，map提升明显；

2.Yolov5 小目标检测实现

2.1小目标检测网络图

为了实现上述微小目标同样可以达到较好的检测效果, YOLOv5模型上通过P2层特征引出了新的检测头. 结构如图2所示. P2层检测头分辨率为160×160像素, 相当于在主干网络中只进行了2次下采样操作, 含有目标更为丰富的底层特征信息. 颈部网络中自上而下和自下而上得到的两个P2层特征与主干网络中的同尺度特征通过concat形式进行特征融合, 输出的特征为3个输入特征的融合结果, 这样使得P2层检测头应对微小目标时, 能够快速有效的检测. P2层检测头加上原始的3个检测头, 可以有效缓解尺度方差所带来的负面影响. 增加的检测头是针对底层特征的, 是通过低水平、高分辨率的特征图生成的, 该检测头对微小目标更加敏感. 尽管添加这个检测头增加了模型的计算量和内存开销, 但是对于微小目标的检测能力有着不小的提升。

2.2 修改yolov5l_smallob.yaml

# YOLOv5 												


											

涨点技巧：基于Yolov5的微小目标检测，多头检测头提升小目标检测精度相关推荐
	

    
								
  1. yolov5增加NWD loss提升小目标检测能力
		
    论文地址:https://arxiv.org/abs/2110.13389 文章解读:提升小目标检测新的包围框相似度度量:Normalized Gaussian Wasserstein Distanc ...
    
		
    2. 
						
  2. 提升小目标检测新的包围框相似度度量：Normalized Gaussian Wasserstein Distance
		
    论文地址:https://arxiv.org/pdf/2110.13389.pdf 文章摘要:检测小目标是个很大的挑战,因为小目标一般在尺寸上只占据很少的像素,目前的最好的物体检测器也无法在小目标上取 ...
    
		
    3. 
						
  3. CVPR2021小目标检测：上下文和注意力机制提升小目标检测
		
    原论文下载:https://arxiv.org/pdf/1912.06319.pdf 摘要 在各种环境中应用目标检测算法有很多局限性.特别是小目标的检测仍然是一个挑战,因为它们的分辨率低,信息有限.为 ...
    
		
    4. 
						
  4. 上海交大 CDNet：基于YOLOv5改进的 人行道 斑马线和汽车过线行为检测
		
    作者用了 Yolov5版本:V6.1也实现了一版: 公开了数据集,有比较小的模型: GitHub - WangRongsheng/CDNet-yolov5: <CDNet:一个基于YOLOv5的 ...
    
		
    5. 
						
  5. 提升小目标检测的一种新的包围框相似度度量：Normalized Gaussian Wasserstein Distance...
		
    点击上方"AI公园",关注公众号,选择加"星标"或"置顶" 导读 本文分析了小目标检测中使用IoU的最大缺点,对于位置的微小变化太过敏感,因 ...
    
		
    6. 
						
  6. CVPR21小目标检测：上下文和注意力机制提升小目标检测（附论文下载）
		
    计算机视觉研究院专栏 作者:Edison_G CVPR21文章我们也分享了很多最佳的框架,在现实场景中,目标检测依然是最基础最热门的研究课题,尤其目前针对小目标的检测,更加吸引了更多的研究员和企业去研 ...
    
		
    7. 
						
  7. CVPR小目标检测：上下文和注意力机制提升小目标检测（附论文下载）
		
    计算机视觉研究院专栏 作者:Edison_G CVPR21文章我们也分享了很多最佳的框架,在现实场景中,目标检测依然是最基础最热门的研究课题,尤其目前针对小目标的检测,更加吸引了更多的研究员和企业去研 ...
    
		
    8. 
						
  8. 基于YOLOv5实现中药饮片识别(含源码)【目标检测项目】
		
    一. 项目背景 中医药文化是中华民族传统文化的瑰宝之一,历史源远流长.中药饮片是中药材在中医药理论指导下,结合药材自身性质及调剂.制剂要求,按照特定炮制方法加工而成,是中医临床开方施治的基础.但中药种 ...
    
		
    9. 
						
  9. 基于深度学习的小目标检测方法综述
		
    随着深度学习的发展,基于深度学习的目标检测技术取得了巨大的进展,但小目标由于像素少,难以提取有效信息,造成小目标的检测面临着巨大的困难和挑战. 为了提高小目标的检测性能,研究人员从网络结构.训练策略. ...
    
		
    10. 
		


					

最新文章
	

    
						
  1. 谈国内软件测试盲点和与国外的差别
		
    2. 
						
  2. windows7专业版_windows7专业版和旗舰版的区别
		
    3. 
						
  3. JZOJ 3814. 【NOIP2014模拟9.7】天黑黑
		
    4. 
						
  4. equals变量在前面和后面的区别，equals已知(存在实际值)的变量在前的好处
		
    5. 
						
  5. 电商系统的自提订单，提货流程如何设计
		
    6. 
						
  6. 虚拟机使用计算机网络,虚拟机技术在计算机网络专业课程教学中的应用
		
    7. 
						
  7. LeetCode——面试题 08.01. 三步问题
		
    8. 
						
  8. java查询到更新之前的数据_Java对数据库的查询和更新操作详解
		
    9. 
						
  9. php三元运算符应用举例,php – 使用嵌套三元运算符
		
    10. 
						
  10. python入门基础语法答案_第一阶段：Python开发基础   Python基础语法入门  day03 课后作业...
		
    11. 
						
  11. Gaussian09 optimization trajectory: python script
		
    12. 
						
  12. Louvain 算法原理 及设计实现
		
    13. 
						
  13. 红帽linux挑战赛题目,红帽Linux挑战赛模拟题
		
    14. 
						
  14. PorterLB使用手册
		
    15. 
						
  15. Cocos 3D开源游戏案例
		
    16. 
						
  16. 百度翻译API使用简介
		
    17. 
						
  17. Android客户端面经总结
		
    18. 
						
  18. 【学习随记】Ubuntu使用U盘相关问题
		
    19. 
						
  19. 华为1288v2服务器做系统6,鱼和熊掌可兼得—华为RH1288 V2服务器
		
    20. 
						
  20. Log4j2 重大漏洞与解决方案
		
    21. 
		

	


热门文章
	

    
									
  1. 微码汇：从O2O的前世今生看接下来该如何“O”
			
    2. 
						
  2. visio2013 如何快速画出所有箭头
			
    3. 
						
  3. EDI助力物流行业整合供应链
			
    4. 
						
  4. 1920*1080分辨率图片怎么调？图片尺寸分辨率如何修改
			
    5. 
						
  5. 大论文 自动生成标题目录、图目录和表目录
			
    6. 
						
  6. 搜狗输入法——自定义短语设置
			
    7. 
						
  7. 超级计算机也无法算尽圆周率,如果圆周率算尽了，会出现什么后果？
			
    8. 
						
  8. 首次使用阿帕奇下的ab测压工具测试程序
			
    9. 
						
  9. java毕业设计咖啡销售平台mybatis+源码+调试部署+系统+数据库+lw
			
    10. 
						
  10. linux 下的文本处理——除去重复行uniq命令
			
    11.