这里是原文~~原文
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,特别擅长在无人机的目标捕捉。
工作单位: 北京航空航天大学
1.在yolov5的基础上,又增加了一个预测头来检测不同尺度的物体。
2.用transformer prediction heads(TPH)替换原来的预测头部,以利用自注意力机制探索预测潜力。
3.集成了卷积块注意力模型(CBMA)以在具有密集对象的场景中找到注意力区域。
4.一些tricks:数据增强、多尺度检测、多模型集成和利用额外的分类器。
1.最后和yolov5的基模型相比,性能得到了提升。
2.在公开的数据集上,性能也有提升;在自采集的数据集上,同样也具有很好的解释性。
3.列出了5个不同模型在每个类别中的最终结果mAP,并与表3的融合模型进行了比较。在训练阶段使用不同的输入图像大小,并改变每个类别的权重,使每个模型唯一。使最终的集成模型得到一个相对平衡的结果。
4.检测结果图==
reference:
*TPH-YOLOv5: Improved YOLOv5 Based on Transformer Prediction Head for Object Detection on Drone-captured Scenarios
=The End=
本文发布于:2024-02-02 20:56:31,感谢您对本站的认可!
本文链接:https://www.4u4v.net/it/170687859046395.html
版权声明:本站内容均来自互联网,仅供演示用,请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系,我们将在24小时内删除。
留言与评论(共有 0 条评论) |