【论文笔记】TPH-yolov5 基于transformer的改进yolov5的无人机目标检测

文章目录[隐藏]

TPH-yolov5–基于transformer的改进yolov5的无人机目标检测

TPH-yolov5–基于transformer的改进yolov5的无人机目标检测

这里是原文~~原文
在这里插入图片描述

本文在YOLOv5的基础上加入了一些新的技术，比如ViT、CBAM和一些Tricks（数据增广、多尺度测试等），最终命名为TPH-YOLOv5的目标检测器，特别擅长在无人机的目标捕捉。
工作单位：北京航空航天大学

TPH-yolov5整体架构：

在这里插入图片描述

本文的主要贡献：

1.在yolov5的基础上，又增加了一个预测头来检测不同尺度的物体。
2.用transformer prediction heads（TPH）替换原来的预测头部，以利用自注意力机制探索预测潜力。
3.集成了卷积块注意力模型（CBMA）以在具有密集对象的场景中找到注意力区域。
4.一些tricks：数据增强、多尺度检测、多模型集成和利用额外的分类器。

模型选择：

1.yolov5m的模型虽然平均精度mAP@0.5，比yolov5l稍低了1.4%，但是单张图像检测目标的推理速度快乐不少。
2.yolov5m，是检测速度与精度俱优的最佳yolov5模型。
3.yolov5s网络最小，速度最少，AP精度也最低。

结论：

1.最后和yolov5的基模型相比，性能得到了提升。
2.在公开的数据集上，性能也有提升；在自采集的数据集上，同样也具有很好的解释性。
3.列出了5个不同模型在每个类别中的最终结果mAP，并与表3的融合模型进行了比较。在训练阶段使用不同的输入图像大小，并改变每个类别的权重，使每个模型唯一。使最终的集成模型得到一个相对平衡的结果。
在这里插入图片描述