轻量级YOLOv5n/s/m三款模型开发构建无人机视角的高空红外目标检测识别系统,对比测试性能
有关于无人机目标检测和红外场景下的目标检测的项目在我之前的文章中都有实践经历了,但是将无人机和红外场景结合的目标检测项目还是很少的,本文的核心想法就是基于高空无人机场景开发构建目标检测系统。
前面相关博文如下,感兴趣的话可以自行移步阅读:
《基于DeepLabV3Plus实现无人机航拍目标分割识别系统》
《基于YOLO开发构建红外场景下无人机航拍车辆实例分割检测识别分析系统》
首先看下效果图:
接下来看下数据集情况,如下所示:
VOC格式数据标注文件如下所示:
实例标注内容如下:
-
<annotation>
-
<folder>DATASET</folder>
-
<filename>images/0a8d3926-2beb-4d2c-9d58-86ea70fe3b58.jpg</filename>
-
<source>
-
<database>The DATASET Database</database>
-
<annotation>DATASET</annotation>
-
<image>DATASET</image>
-
</source>
-
<owner>
-
<name>YMGZS</name>
-
</owner>
-
<size>
-
<width>640</width>
-
<height>512</height>
-
<depth>3</depth>
-
</size>
-
<segmented>0</segmented>
-
-
<object>
-
<name>Car</name>
-
<pose>Unspecified</pose>
-
<truncated>0</truncated>
-
<difficult>0</difficult>
-
<bndbox>
-
<xmin>317</xmin>
-
<ymin>236</ymin>
-
<xmax>377</xmax>
-
<ymax>284</ymax>
-
</bndbox>
-
</object>
-
-
</annotation>
YOLO格式标注文件如下所示:
实例标注内容如下所示:
-
1 0.525 0.646484375 0.040625 0.08203125
-
1 0.6640625 0.654296875 0.040625 0.08203125
-
1 0.19765625 0.75390625 0.0484375 0.1015625
-
1 0.48203125 0.39453125 0.0359375 0.07421875
-
1 0.59453125 0.39453125 0.0328125 0.0625
-
1 0.7671875 0.453125 0.03125 0.05078125
-
1 0.684375 0.451171875 0.03125 0.05078125
-
1 0.725 0.3955078125 0.034375 0.048828125
-
1 0.6578125 0.4013671875 0.028125 0.044921875
-
1 0.77421875 0.3896484375 0.0390625 0.060546875
-
1 0.9359375 0.59375 0.046875 0.078125
-
1 0.840625 0.3984375 0.0375 0.06640625
-
1 0.96640625 0.3935546875 0.0328125 0.060546875
-
2 0.4296875 0.244140625 0.025 0.04296875
-
2 0.43828125 0.26953125 0.0203125 0.0390625
-
2 0.43984375 0.2373046875 0.0171875 0.029296875
-
2 0.45234375 0.263671875 0.0140625 0.03125
-
2 0.453125 0.2255859375 0.0125 0.025390625
-
2 0.46953125 0.2470703125 0.0234375 0.041015625
-
2 0.50234375 0.251953125 0.0234375 0.0390625
-
2 0.5171875 0.2490234375 0.021875 0.041015625
-
2 0.69296875 0.263671875 0.0265625 0.03515625
-
2 0.71796875 0.263671875 0.0171875 0.03125
-
2 0.7796875 0.21484375 0.0125 0.03515625
-
2 0.79140625 0.2119140625 0.0203125 0.037109375
-
2 0.809375 0.2265625 0.015625 0.05078125
-
2 0.8265625 0.21875 0.015625 0.04296875
-
2 0.840625 0.220703125 0.015625 0.04296875
-
2 0.8578125 0.2666015625 0.025 0.041015625
-
2 0.84296875 0.2685546875 0.0140625 0.033203125
-
2 0.8296875 0.2626953125 0.0125 0.029296875
-
2 0.828125 0.291015625 0.021875 0.03125
默认设置100次的迭代计算,看下n/s/m三款模型对应的结果,如下所示:
【n】
【s】
【m】
batch计算实例如下:
为了直观对比三款模型的性能,这里对其进行整体对比可视化,如下所示:
【F1值曲线】
【loss曲线可视化】
【Precision曲线】
【Recall曲线】
整体来看:m模型效果是最优的,不过参数量相较于n和s也是最大的,实际使用可以根据自己的需要选择合适的模型即可。
这篇好文章是转载于:学新通技术网
- 版权申明: 本站部分内容来自互联网,仅供学习及演示用,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,请提供相关证据及您的身份证明,我们将在收到邮件后48小时内删除。
- 本站站名: 学新通技术网
- 本文地址: /boutique/detail/tanhgeibij
系列文章
更多
同类精品
更多
-
photoshop保存的图片太大微信发不了怎么办
PHP中文网 06-15 -
Android 11 保存文件到外部存储,并分享文件
Luke 10-12 -
《学习通》视频自动暂停处理方法
HelloWorld317 07-05 -
word里面弄一个表格后上面的标题会跑到下面怎么办
PHP中文网 06-20 -
photoshop扩展功能面板显示灰色怎么办
PHP中文网 06-14 -
微信公众号没有声音提示怎么办
PHP中文网 03-31 -
excel下划线不显示怎么办
PHP中文网 06-23 -
excel打印预览压线压字怎么办
PHP中文网 06-22 -
怎样阻止微信小程序自动打开
PHP中文网 06-13 -
TikTok加速器哪个好免费的TK加速器推荐
TK小达人 10-01