基于yolov8实现小目标检测,在NWPU VHR-10和DOTA上测试
使用Gradio-YOLOv8-Det进行可视化
yolov8 https://github.com/ultralytics/ultralytics
Gradio-YOLOv8-Det https://gitee.com/CV_Lab/gradio-yolov8-det
可视化需要执行gradio_yolov8_det下的gradio_yolov8_det_v2.py。
根据要求修改/model_config/model_name_all.yaml以添加自己的模型权值
修改/cls_name/cls_name_zh.yaml以修改目标检测的标签值
文件结构 |- yolov8 解压yolov8源代码
|-datasets 储存数据集
|--DOTAs
|--NWPUVHR
|-gradio_yolov8_det 结果可视化
|-yolov8fornwpuvhr.pt 在NWPU VHR-10上训练的一个权值
|-yolov8.yaml 配置网络,修改nc
|-train.py 在NWPU VHR-10训练模型
|-train_DOTAs.py 在DOTA训练模型
|-pred.py 评估模型
github.com/ultralytics/ultralytics
|-docker
|-docs
|-docker
|-examples
|-ultralytics
可视化示意
原图
检测结果
在NWPU VHR-10数据集表现
原标签
在DOTA数据集表现
原标签
目前来看在DOTA上表现不好,这可能是由于在DOTA上进行标签转换时没有处理好旋转框,导致模型不能很好的学到较小的目标。
下面是修改了标签计算方法的训练结果。
原标签
Gradio-YOLOv8-Det的原作者 曾逸夫, (2024) Gradio YOLOv8 Det (Version 2.1.0).https://gitee.com/CV_Lab/gradio-yolov8-det.git.