Обнаружение небольших целей Yolo, эксклюзивная первая инновация (оригинальная), подходит для различных серий Yolo, таких как Yolov5, Yolov7, Yolov8 и т. д. В статье колонки представлены все этапы и исходный код, которые помогут вам легко улучшить обнаружение небольших целей.

Ключевые моменты:Читая эту колонку,Позже вы сможете объединить его со своим собственным небольшим набором данных для обнаружения целей.,Выполняйте магические модификации в разных местах сети (магистраль, головка, обнаружение, потеря и т. д.).,Достигайте небольших целей, увеличивайте баллы и внедряйте инновации! ! !

1. Введение в обнаружение малых целей

1.1 Определение малых целей

1) Если взять в качестве примера определение объекта COCO общего набора данных в области обнаружения объектов, маленькие объекты относятся к размеру менее 32×32 пикселей (средние объекты относятся к 32*32-96*96, а большие объекты относятся к больше 96*96); 2) В реальных сценариях применения обычно предпочтительнее использовать соотношение относительно исходного изображения, чтобы определить: произведение длины и ширины поля метки объекта, разделенное на произведение длины и ширины всего изображения, а затем открыть квадратный корень. Если результат меньше 3%, просто назовите это малыми целями;

1.2 Трудности

1) Количество образцов, содержащих мелкие цели, невелико, что потенциально позволяет модели обнаружения целей уделять больше внимания обнаружению средних и крупных целей;

2) Площадь, охваченная мелкими целями, меньше, поэтому места расположения мелких целей не будут разнообразными. Мы полагаем, что это затрудняет проверку возможности обобщения обнаружения небольших объектов;

3) Проблема сопоставления якорей сложна. В основном это касается метода, основанного на привязке. Поскольку поле gt и привязка небольшой цели очень малы, поле привязки и gt слегка смещаются, и IoU становится очень низким, что позволяет легко оценить его как отрицательную выборку. по сети;

4) Они не только мелкие, но и сложные, с различной степенью непроходимости, размытости и незавершенности;

Подождите, пока трудности

​

2. Небольшой целевой набор данных для этого столбца.

Адрес загрузки набора данных:

Single-frame InfraRed Small Target

Размер набора данных: 427 изображений, 3-кратное улучшение данных было выполнено для получения 1708 изображений, а окончательный обучающий набор, набор проверки и тестовый набор были случайным образом назначены как 8:1:1.

​Оглавление

1. Введение в обнаружение малых целей

1.1 Определение малых целей

1.2 Трудности

2. Небольшой целевой набор данных для этого столбца.

3. Направление оптимизации трудоёмкости малых целевых колонн.

3.1 Разумное улучшение данных

3.2 Многомасштабная сеть

3.2.1 Многоголовочный детектор

3.2.2 Эффективное двунаправленное межмасштабное соединение BiFPN и объединение взвешенных функций

3.2.3 Поймайте все маленькие цели до больших, GiraffeDet, легкий детектор целей с легкой основой и тяжелой шейкой.

3.2.4 Модуль многоветвевой свертки RFB

3.2.5 ЗОЛОТО-ЙОЛО, далеко впереди

3.3 оптимизация потерь

3.3.1 Wasserstein Distance Loss

3.4 Механизм внимания

3.4.1 Механизм внимания SEAM

3.4.2 Многомасштабный термоядерный модуль «подключи и работай» EVC

3.4.3 Сеть агрегирования контекста и уточнения функций для обнаружения небольших целей

3.4.4 Эффективное многомасштабное внимание для межпространственного обучения EMA ICASSP2023 |

3.4.5 Динамическое разреженное внимание BiFormer CVPR 2023

3.4.6 LSKblockAttention | ICCV 2023

3.4.7 Триплет Внимание

3.4.8 Приоритетное путаница (CPCA) |

3.4.8 Многомасштабный MultiSEAM

3.4.9 Легкое внимание MobileViTAttention | ECCV2022

3.4.10 Операция свертки внимания рецептивного поля

3.4.11 Dual-ViT: многомасштабный трансформер двойного видения

3.5 Варианты свертки

3.5.1 SPD-Conv

3.5.2 Деформируемая свертка DCNv3 CVPR2023

3.5.3 Новая частичная свертка (PConv) | CVPR2023 FasterNet

3.5.4 ODConv | ICLR 2022

3.5.5 Динамическая свертка змеи ICCV2023

Посмотреть подробности：https://blog.csdn.net/m0_63774211/article/details/132322340

Следите за личными сообщениями, чтобы получить исходный код.

https://blog.csdn.net/m0_63774211/article/details/132322340

я участвуюНа третьем этапе специального тренировочного лагеря Tencent Technology Creation 2023 года будет проводиться конкурс сочинений. Соберите команду, чтобы выиграть приз!