YOLOv5图像增强部分

简介: YOLOV5关于对图像的增强可谓是下了一番功夫,在代码部分之间就做到图像增强,可以说是功能越来越自动化,人工参与程度越来越低,下面就来详细了解一下YOLOv5所用的图像增强方法。

YOLOV5关于对图像的增强可谓是下了一番功夫,在代码部分之间就做到图像增强,可以说是功能越来越自动化,人工参与程度越来越低,下面就来详细了解一下YOLOv5所用的图像增强方法。

1. Mosaic

这里yolov5还额外提出了一个9图的mosaic操作,9张图像,拼接在一起处理,图像更大了而且label也更多,训练一张这样的拼接图像等同与训练了9张小图。

2.Copy paste数据增强

将部分目标随机的粘贴到图片中

3.Random affine

随机进行仿射变换,即缩放和平移。

4.MixUp

就是将两张图片按照一定的透明度融合在一起。

5.Albumentations,

主要是做些滤波、直方图均衡化以及改变图片质量等等,我看代码里写的只有安装了albumentations包才会启用,但在项目的requirements.txt文件中albumentations包是被注释掉了的,所以默认不启用。

6.Augment HSV(Hue, Saturation, Value)

随机调整色度,饱和度以及明度。

7.Random horizontal flip

随机水平翻转

目录
相关文章
|
9月前
|
算法 数据可视化 数据处理
YOLOv5实现图片内目标检测
本文介绍了如何配置yolov5的运行环境、如何进行数据标注、如何通过yolov5训练数据集实现图片的目标检测。目标检测在计算机视觉领域中具有重要意义,yolov5(You Only Look One-level)是目标检测算法中的一种代表性方法,以其高效性和准确性备受关注,并且在各种目标检测任务中都表现出卓越的性能。
699 1
YOLOv5实现图片内目标检测
|
编解码 数据挖掘 计算机视觉
快速多目标检测——YOLO9000
本次介绍一篇有关快速目标检测的文章《YOLO9000: Better, Faster, Stronger》。该方法记作YOLOv2,相比v1除了在性能上有所提升之外,更是在速度上表现惊人。 项目主页:http://pjreddie.com/darknet/yolo/ ———————— Introduction ———————— 通用的目标检测不但要够快够准,还要能够检测多类的目标。
2406 0
|
9月前
|
机器学习/深度学习 计算机视觉
YOLOv5改进 | 2023Neck篇 | 利用Gold-YOLO改进YOLOv5对小目标检测
YOLOv5改进 | 2023Neck篇 | 利用Gold-YOLO改进YOLOv5对小目标检测
316 0
|
机器学习/深度学习 算法 数据挖掘
目标检测算法——YOLOv3
目标检测算法——YOLOv3
429 0
目标检测算法——YOLOv3
|
机器学习/深度学习 编解码 算法
目标检测算法——YOLOv2
目标检测算法——YOLOv2
229 0
目标检测算法——YOLOv2
|
算法 固态存储 计算机视觉
目标检测算法——YOLOv1
目标检测算法——YOLOv1
241 0
目标检测算法——YOLOv1
|
机器学习/深度学习 算法 固态存储
目标检测算法——YOLOv4
目标检测算法——YOLOv4
278 0
目标检测算法——YOLOv4
|
数据挖掘 计算机视觉
目标检测:YOLOV3技术详解
目标检测:YOLOV3技术详解
271 0
目标检测:YOLOV3技术详解
|
机器学习/深度学习 测试技术 计算机视觉
|
9月前
|
计算机视觉
YOLOv8改进 | 2023Neck篇 | 利用Gold-YOLO改进YOLOv8对小目标检测
YOLOv8改进 | 2023Neck篇 | 利用Gold-YOLO改进YOLOv8对小目标检测
379 1

热门文章

最新文章