Yolov5同时进行目标检测和分割分割

基于yolov5(v6.0分支)的多任务检测和分割模型。

之前很早就萌生idea在yolov5基础上添加一个分割头用于语义分割，近期正好也有论文YLOLOP是这么做的.

这里基于yolov5最新分支修改，主要改动如下：

1 . 解耦头：实验在小数据集上有一定效果（map 1%+ ）,大数据集上提升不明显；

2. 类别权重：在长尾分布的数据集上提升较为明显.

3.添加分割头用于语义分割。

整体框架

​​​​​​​ 

上图是在yolop模型上修改的，侵删。

整个模型分为三个部分：

1) backbone：这里使用yolov5骨干；

2）neck： panet；

3）head：检测头+分割头

检测头参考了YOLOX进行了解耦；针对不同数据和任务可能会有一定提升。

数据集

这里使用VOC数据集进行训练，具体的，检测训练集为VOC07+12的训练集，测试集为VOC07的测试集；分割使用VOC12的分割训练集，测试集为其测试集，主要是方便和SSD进行对比：

 使用yolov5s进行实验，输入也为512；设置训练300epoch；但是这里节省时间训练快到200 epoch停止：

Demo

源码：https://github.com/midasklr/yolov5dshttps://github.com/midasklr/yolov5ds

参考：

1.[YOLOP: You Only Look Once for Panoptic Driving Perception](https://arxiv.org/abs/2108.11250)

2. GitHub - ultralytics/yolov5: YOLOv5 🚀 in PyTorch > ONNX > CoreML > TFLiteYOLOv5 🚀 in PyTorch > ONNX > CoreML > TFLite. Contribute to ultralytics/yolov5 development by creating an account on GitHub.https://github.com/ultralytics/yolov5

版权声明：本文为CSDN博主「MidasKing」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/IEEE_FELLOW/article/details/121912670