admin管理员组文章数量:1794759
YoloV7改进策略：独家原创，全网首发，复现Drone
摘要
Drone-Yolo在无人机数据集上取得了巨大的成功，mAP0.5指标上取得了显著改进，在VisDrone2019-test上增加了13.4%，在VisDrone2019-val上增加了17.40%。这篇文章我首先复现Drone-Yolo，然后，在Drone-Yolo的基础上加入我自己对小目标检测的改进。
链接：
代码语言：javascript代码运行次数：0运行复制.2014.3001.5502YoloV7官方结果
代码语言：javascript代码运行次数：0运行复制 Class Images Labels P R mAP@.5 mAP@.5:.95: 100%|██████████| 15/15 [00:02<00:00, 5.42it/s]
all 229 1407 0.979 0.977 0.993 0.736
c17 229 131 0.99 1 0.996 0.841
c5 229 68 0.962 1 0.996 0.839
helicopter 229 43 0.964 1 0.988 0.636
c130 229 85 1 0.997 0.997 0.671
f16 229 57 1 0.966 0.996 0.697
b2 229 2 0.948 1 0.995 0.647
other 229 86 1 0.914 0.994 0.562
b52 229 65 0.985 0.969 0.98 0.834
kc10 229 62 1 0.974 0.986 0.823
command 229 40 0.998 1 0.996 0.798
f15 229 123 1 0.979 0.997 0.659
kc135 229 91 0.988 0.989 0.987 0.679
a10 229 27 1 0.599 0.989 0.425
b1 229 20 0.994 1 0.997 0.741
aew 229 25 0.951 1 0.97 0.769
f22 229 17 0.993 1 0.996 0.742
p3 229 105 1 1 0.998 0.788
p8 229 1 0.921 1 0.995 0.498
f35 229 32 1 0.998 0.996 0.62
f18 229 125 0.987 0.992 0.995 0.816
v22 229 41 0.998 1 0.996 0.719
su-27 229 31 0.996 1 0.996 0.84
il-38 229 27 0.994 1 0.995 0.878
tu-134 229 1 0.866 1 0.995 0.995
su-33 229 2 0.965 1 0.995 0.647
an-70 229 2 0.94 1 0.995 0.896
tu-22 229 98 0.999 1 0.997 0.817
BiC模块
BiC模块模块，有三个输入，一个输出组成，如下图：
我参照YoloV6中的源码，结合YoloV7，对BiC模块做了适当的修改，适应channel的输入和输出，代码如下：
代码语言：javascript代码运行次数：0运行复制class BiFusion(nn.Module):
'''BiFusion Block in PAN'''
def __init__(self, in_channels1,in_channels2,in_channels3, out_channels):
super().__init__()
self.cv1 = Conv(in_channels1, out_channels, 1, 1)
self.cv2 = Conv(in_channels2, out_channels, 1, 1)
self.cv3 = Conv(in_channels3, out_channels, 1, 1)
self.cv_out = Conv(out_channels * 3, out_channels, 1, 1)
self.upsample = ConvTranspose(
out_channels,
out_channels,
)
self.downsample = Conv(
out_channels,
out_channels,
3,
2
)
def forward(self, x):
x0 = self.upsample(self.cv1(x[0]))
x1 = self.cv2(x[1])
x2 = self.downsample(self.cv3(x[2]))
x3= self.cv_out(torch.cat((x0, x1, x2), dim=1))
return x3
改进一：在YoloV7中加入BiC模块
测试结果
代码语言：javascript代码运行次数：0运行复制 Class Images Labels P R mAP@.5 mAP@.5:.95: 100%|██████████| 15/15 [00:02<00:00, 5.58it/s]
all 229 1407 0.964 0.972 0.993 0.726
c17 229 131 0.987 0.992 0.996 0.823
c5 229 68 0.935 1 0.993 0.835
helicopter 229 43 0.952 1 0.992 0.649
c130 229 85 0.996 1 0.996 0.673
f16 229 57 1 0.965 0.991 0.673
b2 229 2 0.928 1 0.995 0.646
other 229 86 1 0.959 0.987 0.559
b52 229 65 0.979 0.985 0.98 0.824
kc10 229 62 0.993 0.984 0.986 0.832
command 229 40 0.991 1 0.996 0.79
f15 229 123 0.998 1 0.997 0.68
kc135 229 91 0.989 0.989 0.988 0.705
a10 229 27 1 0.711 0.984 0.439
b1 229 20 0.984 1 0.996 0.697
aew 229 25 0.951 1 0.988 0.794
f22 229 17 0.983 1 0.996 0.723
p3 229 105 0.98 1 0.998 0.803
p8 229 1 0.806 1 0.995 0.697
f35 229 32 1 0.947 0.996 0.579
f18 229 125 0.979 0.992 0.99 0.809
v22 229 41 0.991 1 0.996 0.68
su-27 229 31 0.988 1 0.996 0.836
il-38 229 27 0.985 1 0.996 0.818
tu-134 229 1 0.752 1 0.995 0.896
su-33 229 2 1 0.732 0.995 0.498
an-70 229 2 0.888 1 0.995 0.846
tu-22 229 98 0.997 1 0.997 0.803
改进二：复现Dron-Yolo
测试结果
代码语言：javascript代码运行次数：0运行复制 Class Images Labels P R mAP@.5 mAP@.5:.95: 100%|██████████| 15/15 [00:03<00:00, 4.22it/s]
all 229 1407 0.72 0.867 0.74 0.532
c17 229 131 0.979 0.977 0.991 0.779
c5 229 68 0.888 0.985 0.986 0.821
helicopter 229 43 0.914 0.837 0.86 0.542
c130 229 85 0.858 0.965 0.884 0.592
f16 229 57 0.891 0.93 0.862 0.585
b2 229 2 0 0 0.112 0.0621
other 229 86 0.857 0.814 0.839 0.471
b52 229 65 0.96 0.969 0.969 0.793
kc10 229 62 0.964 0.968 0.979 0.8
command 229 40 0.975 0.981 0.995 0.772
f15 229 123 0.927 0.911 0.942 0.591
kc135 229 91 0.97 0.978 0.971 0.644
a10 229 27 0.666 0.593 0.602 0.292
b1 229 20 0.737 0.95 0.783 0.56
aew 229 25 0.761 1 0.829 0.654
f22 229 17 0.628 0.941 0.659 0.465
p3 229 105 0.946 1 0.977 0.782
p8 229 1 0.14 1 0.142 0.0853
f35 229 32 0.742 0.629 0.729 0.438
f18 229 125 0.913 0.992 0.949 0.759
v22 229 41 0.879 1 0.887 0.534
su-27 229 31 0.857 1 0.857 0.702
il-38 229 27 0.666 1 0.722 0.545
tu-134 229 1 0.144 1 0.166 0.149
su-33 229 2 0 0 0.0553 0.0355
an-70 229 2 0.255 1 0.284 0.206
tu-22 229 98 0.926 0.98 0.937 0.713
ViSDrone2019数据集测试结果
代码语言：javascript代码运行次数：0运行复制 Class Images Labels P R mAP@.5 mAP@.5:.95: 100%|██████████| 35/35 [00:25<00:00, 1.35it/s]
all 548 38759 0.611 0.523 0.53 0.313
pedestrian 548 8844 0.686 0.586 0.628 0.297
people 548 5125 0.655 0.509 0.525 0.207
bicycle 548 1287 0.451 0.268 0.267 0.118
car 548 14064 0.788 0.872 0.88 0.623
van 548 1975 0.623 0.537 0.559 0.394
truck 548 750 0.585 0.491 0.491 0.33
tricycle 548 1045 0.544 0.404 0.399 0.225
awning-tricycle 548 532 0.403 0.28 0.229 0.142
bus 548 251 0.768 0.621 0.687 0.503
motor 548 4886 0.61 0.657 0.629 0.293
超越了作者的成绩！有点厉害了！
改进三
测试结果
代码语言：javascript代码运行次数：0运行复制 Class Images Labels P R mAP@.5 mAP@.5:.95: 100%|██████████| 35/35 [00:13<00:00, 2.56it/s]
all 548 38759 0.59 0.54 0.533 0.317
pedestrian 548 8844 0.641 0.613 0.63 0.297
people 548 5125 0.624 0.514 0.526 0.208
bicycle 548 1287 0.415 0.274 0.258 0.117
car 548 14064 0.763 0.883 0.883 0.625
van 548 1975 0.617 0.546 0.555 0.394
truck 548 750 0.594 0.504 0.489 0.33
tricycle 548 1045 0.529 0.437 0.418 0.241
awning-tricycle 548 532 0.375 0.276 0.229 0.148
bus 548 251 0.735 0.677 0.704 0.51
motor 548 4886 0.605 0.674 0.634 0.296
mAP@.5 和mAP@.5:.95都有不同的涨点
本文参与 腾讯云自媒体同步曝光计划，分享自微信公众号。原始发表：2024-01-01，如有侵权请联系 cloudcommunity@tencent 删除数据mapselfyolo测试本文标签： YoloV7改进策略独家原创，全网首发，复现Drone
版权声明：本文标题：YoloV7改进策略：独家原创，全网首发，复现Drone 内容由林淑君副主任自发贡献，该文观点仅代表作者本人， 转载请联系作者并注明出处：http://www.xiehuijuan.com/baike/1754669974a1705007.html， 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。如发现本站有涉嫌抄袭侵权/违法违规的内容，一经查实，本站将立刻删除。
发表评论