YoloV8改进策略:增加分支,减少漏检

这篇具有很好参考价值的文章主要介绍了YoloV8改进策略:增加分支,减少漏检。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

摘要

如何检测小目标?这个一直是比较头疼的问题,如果都是小目标还好说,我们可以采用切图的方式,如果是数据集的目标尺寸差别比较大,这样就没有办法切图了。

首先,我们先分析为什么小目标检测不到。假如640×640的图像,有一个20×20的目标物体,我们从yolov8的框架中可以看到,输出的Feature Map尺寸是80×80、40×40和20×20。那么,这个物体在Feature Map上的尺寸对应为2.5、1.25、0.625,由于像素都是整数,所以小于1也就意味着不存在。在其他的尺寸上,特征也很小,网络不一定能检测出来。如果目标物体再降呢?比如10×10的像素、更夸张点,5×5的像素。这样的目标在现在的yolov8文章来源地址https://www.toymoban.com/news/detail-673967.html

到了这里,关于YoloV8改进策略:增加分支,减少漏检的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包