基于切片推理的 YOLO 模型在小目标检测中的评估
计算机视觉与模式识别
2022-03-10 v1
摘要
小目标检测在无人机、监控、农业等诸多领域有主要应用。本文研究了当前最先进的基于 YOLO 的目标检测模型在小目标检测任务上的性能，因为它们是最流行且易用的目标检测模型之一。我们在本研究中评估了 YOLOv5 与 YOLOX 模型，并考察了切片辅助推理以及对模型进行切片辅助微调的效果。我们使用 VisDrone2019Det 数据集训练和评估模型。该数据集具有挑战性，因为大多数目标相对于图像尺寸较小。本工作旨在对 YOLOv5 和 YOLOX 模型在小目标检测上做基准测试。我们发现切片推理在所有实验中均提升了 AP50 分数，且对 YOLOv5 模型的效果优于 YOLOX 模型。切片微调与切片推理结合的效果为所有模型带来了显著提升。YOLOv5-Large 模型在 VisDrone2019Det test-dev 子集上取得了最高 AP50 分数，为 48.8。
引用
@article{arxiv.2203.04799,
title = {Evaluation of YOLO Models with Sliced Inference for Small Object Detection},
author = {Muhammed Can Keles and Batuhan Salmanoglu and Mehmet Serdar Guzel and Baran Gursoy and Gazi Erkan Bostanci},
journal= {arXiv preprint arXiv:2203.04799},
year = {2022}
}
备注
6 pages, 5 figures