前面我们在yolov5添加了小目标检测层，进行了训练，但是训练的次数也不是很多，接下来我们使用tensorrt进行四个检测头的yolov5部署。具体如何添加小目标检测层可以查看我上一篇文章。
接下来根据模型结构图使用TensorRT C++ API进行网络模型搭建。
这里主要是上采样过程。详细过程主要参考王鑫宇大佬的trtx的代码，
版权声明：本文为CSDN博主「Mr曲末寒」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/zhangdaoliang1/article/details/122885689
前面我们介绍了旋转目标检测以及如何使用opencv去部署，整体效果不错，但是发现一点就是速度太慢了，所以我们使用TensorRT来部署旋转目标检测算法。感兴趣的同学可以看我之前的关于opencv部署的博客。
https://blog.csdn
1、目标检测和分类任务比分类任务稍微复杂
可以检测多个目标不仅对每个目标进行分类和定位 2、目标框的常用表示方式
目标框的左上和右下点的坐标框的左上坐标，框的高和宽yolo中 框中心坐标➕框的高宽
数据集
每行表示
1. 计算bbox的iou
def myiou(bbox_A, bbox_B, modexyxy): #xyxyx0_a,y0_a,x1_a,y1_a bbox_Ax0_b,y0_b,x1_b,y1_b bbox_BareaA (y1_
Asymmetric Contextual Modulation for Infrared Small Target Detection
本文开源代码及单帧红外小目标检测数据集： code：https://gith
https://blog.csdn.net/zhangdaoliang1/article/details/122881284
暂无评论