论文地址：https://arxiv.org/pdf/2108.11539.pdf
项目地址：https://github.com/cv516Buaa/tph-yolov5
在无人机捕获的场景中进行对象检测是最近的一项热门任务。由于无人机总是在不同的高度航行，物体尺度变化剧烈，给网络优化带来了负担。此外，高速和低空飞行会在密集的物体上带来运动模糊，这给物体识别带来了很大的挑战。为了解决上述两个问题，我们提出了 TPH-YOLOv5。在 YOLOv5 的基础上，我们增加了一个预测头来检测不同尺度的物体。然后我们用 Transformer Prediction Heads (TPH) 替换原来的预测头，以利用自注意力机制探索预测潜力。我们还集成了卷积块注意模型 (CBAM)，以在具有密集对象的场景中找到注意区域。为了进一步改进我们提出的 TPH-YOLOv5，我们提供了许多有用的策略，例如数据增强、多尺度测试、多模型集成和利用额外的分类器。对数据集 VisDrone2021 的广泛实验表明，TPH-YOLOv5 具有良好的性能，在无人机捕获的场景中具有令人印象深刻的可解释性。在 DET-test-challenge 数据集上，TPH-YOLOv5 的 AP 结果为 39.18%，比之前的 SOTA 方法（DPNetV3）好 1.81%。在 VisDrone Challenge 2021 中，TPHYOL
Original: https://blog.csdn.net/weixin_43694096/article/details/127484243
Author: 迪菲赫尔曼
Title: TPH-YOLOv5 | 基于Transformer的YOLOv5小目标检测器 | 四头加注意力
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/721411/
转载文章受原作者版权保护。转载请注明原作者出处！