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
|
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
356 0
目标检测算法——YOLOv3
|
6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。
593 1
YOLOv5实现图片内目标检测
|
6月前
|
机器学习/深度学习 编解码 移动开发
YOLOv5改进 | 2023 | FocusedLinearAttention实现有效涨点
YOLOv5改进 | 2023 | FocusedLinearAttention实现有效涨点
109 1
|
6月前
|
机器学习/深度学习 编解码 移动开发
YOLOv8改进 | 2023 | FocusedLinearAttention实现有效涨点
YOLOv8改进 | 2023 | FocusedLinearAttention实现有效涨点
181 0
YOLOv8改进 | 2023 | FocusedLinearAttention实现有效涨点
|
6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
287 1
|
6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
250 0
|
机器学习/深度学习 Ubuntu 机器人
【D435i深度相机YOLO V5结合实现目标检测】
【D435i深度相机YOLO V5结合实现目标检测】
1372 0
|
机器学习/深度学习 编解码 算法
DeepLab、DeepLabv3、RefineNet、PSPNet…你都掌握了吗?一文总结图像分割必备经典模型(二)(1)
DeepLab、DeepLabv3、RefineNet、PSPNet…你都掌握了吗?一文总结图像分割必备经典模型(二)
173 0
|
机器学习/深度学习 人工智能 搜索推荐
DeepLab、DeepLabv3、RefineNet、PSPNet…你都掌握了吗?一文总结图像分割必备经典模型(二)(2)
DeepLab、DeepLabv3、RefineNet、PSPNet…你都掌握了吗?一文总结图像分割必备经典模型(二)
376 0
|
存储 编解码 固态存储
一文带你了解时下最新的目标检测模型——YOLOv8
Ultralytics YOLOv8: State-of-the-Art YOLO Models,作者:Sovit Rath
1574 0