小目标检测的数据增强------Stitcher和Mosaic效果对比

Stitcher 原文:Stitcher: Feedback-driven Data Provider for Object Detection

复现效果: 

 

复现Mosaic数据增强效果:

 总结:其中Mosaic数据增强处理后,可能图像中不存在数据标签信息,而Stitcher处理后,能够较大程度的保留原始标签信息,同时也能得到较好的小目标检测效果。

版权声明:本文为CSDN博主「李伯爵的指间沙」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/m0_37690102/article/details/122172600

我还没有学会写个人说明!

暂无评论

发表评论

相关推荐

火灾烟雾检测数据集

火灾烟雾检测数据集(群名:火灾烟雾检测) 1. CVPR Lab ——KMU Fire and Smoke database(视频数据,可直接下载) http

YOLOX笔记

目录 1. 样本匹配 正负样本划分过程 2. yoloxwarmcos 学习率 3. 无法开启多gpu训练, 或者多gpu训练卡住? 1. 样本匹配 正负样本划分过程 说明: gt_centerbbox是在gt_bbox中心点向四周

Yolo(3)(项目)Yolo v3 目标检测(85分类)

目录 基础理论 一、 读取文件 二、神经网络初始化 1、搭建神经网络 2、GPU加速 三、打开摄像头、按帧读取图像 四、向神经网络输入 五、获取神经网络输出 1、获取各层名称 2、获取输出层名称 3、获取输出层图像&#xff