杭州做电商网站,建设银行福建分行招聘网站,网站建设的经费估算,手机优化不足80怎么办文章目录 环境前言安装sahiyolov5检测sahi添加新的检测模型
环境
ubuntu 18.04 64bitsahi 0.8.4yolov5 5.0pytorch 1.7.1cu101 前言
目标检测和实例分割是迄今为止计算机视觉中最重要的应用领域#xff0c;各种目标检测网络层出不穷#xff0c;然而#xff0c;小目标的检…
文章目录 环境前言安装sahiyolov5检测sahi添加新的检测模型
环境
ubuntu 18.04 64bitsahi 0.8.4yolov5 5.0pytorch 1.7.1cu101 前言
目标检测和实例分割是迄今为止计算机视觉中最重要的应用领域各种目标检测网络层出不穷然而小目标的检测和在大尺寸图像上的推理在实际应用中依然有诸多问题。 SAHI (Slicing Aided Hyper Inference)就是用来帮助开发人员解决这些现实问题它是一个轻量级的视觉库可以在不重新训练原始检测模型(目前支持 yolov5 和 mmdetection)的情况下提升小目标的检出率而且 gpu 资源的使用并没有大幅提升。
安装sahi
库的安装非常简单直接使用 pip 安装最新版本执行命令
pip install sahiyolov5检测
sahi 使用的 YOLOv5 这个我们前文已经介绍过了参考 pip安装YOLOv5
# 安装gpu版torch和torchvision这里使用1.7.1版本
pip install torch1.7.1cu101 torchvision0.8.2cu101 torchaudio0.7.2 -f https://download.pytorch.org/whl/torch_stable.html
# 安装其它依赖
pip install yolov5 可以明显看到图片上方的一些汽车目标没有被检测出来
sahi
首先安装2个基础依赖库
pip install fiftyone imantics
再来看下面的示例代码
from sahi.utils.yolov5 import download_yolov5s6_model
from sahi.model import Yolov5DetectionModel
from sahi.utils.file import download_from_url
from sahi.predict import get_sliced_prediction
yolov5_model_path yolov5s6.pt
# 下载模型
download_yolov5s6_model(destination_pathyolov5_model_path)
# 下载测试图片
download_from_url(https://raw.githubusercontent.com/obss/sahi/main/demo/demo_data/small-vehicles1.jpeg, small-vehicles1.jpeg)
# 使用的YOLOv5检测模型使用gpu加速置信度0.3
detection_model Yolov5DetectionModel(model_pathyolov5_model_path,confidence_threshold0.3,devicecuda, # or cpu
执行上面代码得到 可以看到在同一张测试图片上使用同样的模型sahi 库可以让 yolov5 检测出更多的目标 sahi 的切片推理原理如下图 sahi 提供了命令行工具 sahi使用它可以完成快速检测
sahi predict --source small-vehicles1.jpeg --model_type yolov5 --model_path yolov5s6.pt --model_device cuda --export_visual --project results 添加新的检测模型
目前的 sahi 只支持 yolov5 和 mmdetection但是我们可以很方便的添加新框架的支持你只需要在 sahi/sahi/model.py 文件中创建一个新的类这个类继承自 DetectionModel然后依次实现 load_model、perform_inference、_create_object_prediction_list_from_original_predictions、_create_original_predictions_from_object_prediction_list这几个方法即可具体的可以参考 Yolov5DetectionModel 类的实现。
QQ767172261
