目标检测论文解读复现之八：基于yolov5s的滑雪人员检测研究

关键词：

前言

      此前出了目标改进算法专栏，但是对于应用于什么场景，需要什么改进方法对应与自己的应用场景有效果，并且多少改进点能发什么水平的文章，为解决大家的困惑，此系列文章旨在给大家解读最新目标检测算法论文，帮助大家解答疑惑。解读的系列文章，本人已进行创新点代码复现，有需要的朋友可关注私信我。

一、摘要

      针对滑雪人员目标检测研究中，存在的检测精度低、速度慢，不同姿态识别效果差等问题，采用YOLOv5s网络模型，改进损失函数，增加平衡因子，在自制滑雪人员数据集上对网络进行训练，利用训练好的网络进行图像特征提取，实现滑雪人员的快速检测。基于YOLOv5s的滑雪人员检测模型可以有效识别不同姿态下的滑雪人员，mAP值达到99.87%，Recall值达到97.66%，检测速度可以达到7ms/帧。实验结果表明，改进的YOLOv5s滑雪人员检测模型，检测速度快，检测精度高，鲁棒性强，有较好的可扩展性，既满足检测精度要求，又满足检测速度要求。

二、网络模型及核心创新点

1.YOLOv5s网络中融合SE注意力模块

2.K-means聚类方法构建绝缘子的先验框

3.构造置信度与定位任务联合的损失函数

4.引入Mosaic数据增强策略训练网络

三、应用数据集

       本文使用的数据集为自制的滑雪数据集，数据集是由网络采集的5000张人员滑雪图片组成，其中包括不同角度、不同光照、不同天气的图像，自制数据集示例如下图所示，数据集的制作主要包括数据采集、数据整理和数据标注等三个步骤。

四、实验效果（部分展示）

1. 训练结果如下图所示，mAP值达到99.87%，Recall值达到97.66%，相较于之前的算法平均精确度有所提升，且识别速率达到7ms/帧，训练模型大小为14.1M。
2. 如下图所示，分别为不同姿态、不同光照下识别情况，置信度稳定在90%以上，识别效果较好。

五、实验结论

       实验结果表明，本文提出的改进的YOLOV5滑雪人员检测模型，检测速度快，检测精度高，鲁棒性强，有较好的可扩展性，既满足检测精度要求，又满足检测速度要求，同时满足实时性的要求。

六、投稿期刊介绍

​​​​​​​

 

注：论文原文出自彭雅坤，曹伊宁，刘晓群；基于YOLOv5s的滑雪人员检测研究；长江信息通信；2021年第08期

解读的系列文章，本人已进行创新点代码复现，有需要的朋友可关注下面公众号，私信我。

yolov5详细解读(代码片段)

YOLOV5检测算法详解学习前言本文主要是对基于深度学习的目标检测算法进行细节解读，以YOLOV5为例；基于深度学习的目标检测整体流程基于深度学习的目标检测主要包括训练和测试两个部分。训练阶段训练的目的是利用... 查看详情

百度飞桨顶会论文复现营detr解读笔记

百度飞桨顶会论文复现营DETR解读笔记目标检测两个关键子任务：目标分类和目标定位。DETR模型是将目标检测视为集合预测（setprediction）的方式，将训练和预测做到真正的端对端，不需要NMS的后处理，也不... 查看详情

百度飞桨顶会论文复现营detr解读笔记

百度飞桨顶会论文复现营DETR解读笔记目标检测两个关键子任务：目标分类和目标定位。DETR模型是将目标检测视为集合预测（setprediction）的方式，将训练和预测做到真正的端对端，不需要NMS的后处理，也不... 查看详情

目标检测tph-yolov5：基于transformer的改进yolov5的无人机目标检测(代码片段)

简介最近在使用VisDrone作为目标检测任务的数据集，看到了这个TPH-YOLOv5这个模型在VisDrone2021testset-challenge数据集上的检测效果排到了第五，mAP达到39.18%。于是开始阅读它的论文，并跑一跑的它的代码。论文地址：ht... 查看详情

论文解读smoke单目相机3d目标检测（cvpr2020）

前言 SMOKE是一种用于自动驾驶的实时单目3D物体检测器。为什么会注意这边文章呢？是因为这两天发布的百度Apollo7.0 的摄像头障碍物感知，也是基于这个模型改进的；于是令我产生了一些兴趣。论文名称：SMOKE:Single-StageMo... 查看详情

icml2022重思考为图结构数据异常检测设计图神经网络|图数据异常节点检测|论文解读和代码复现

...ection图神经网络（GNN）已被广泛应用于图结构数据的异常检测，例如社交网络恶意账号检测、金融交易欺诈检测等。香港科技大学和斯坦福大学的研究者首次从谱域的角度（即图拉普拉斯矩阵的谱分解）分析了异常数据可能造成... 查看详情

经典论文解读yolo目标检测

前言YOLO是一种目标检测方法，它的输入是整张图片，当检测到目标物体时用边界框圈起来，同时给该目标物体一个类别；边界框由中心位置、宽、高等来表示的；它的输出是n个物体的检测信息，每个物体的信息包括：中心位置(... 查看详情

visiontransformer(vit)论文解读与代码复现(基于paddle框架)(代码片段)

...xff1f;paperwithcode的各大图像任务排行榜中（例如分割、检测），基于transformer的模型已经占据各大排行榜榜首甚至前 查看详情

yolox解读与yolov5匹敌的anchor-free目标检测器！

文章目录一、YOLOX介绍二、YOLOX的改进点（1）解耦合头部（2）数据增强（3）Anchor-free（4）SimOTA三、实验与效果（1）训练参数设置（2）YOLOv3&YOLOX（3）YO 查看详情

yolox解读与yolov5匹敌的anchor-free目标检测器！

文章目录一、YOLOX介绍二、YOLOX的改进点（1）解耦合头部（2）数据增强（3）Anchor-free（4）SimOTA三、实验与效果（1）训练参数设置（2）YOLOv3&YOLOX（3）YO 查看详情

经典论文解读yolov3目标检测

前言YOLO是一种目标检测方法，它的输入是整张图片，输出是n个物体的检测信息，可以识别出图中的物体的类别和位置。YOLOv3相对v2版本，准确度和速度差不多，但对小目标检测更好。v3版本主要的改进是使用Darknet-53主干网络提... 查看详情

经典论文解读yolo目标检测

前言YOLO是一种目标检测方法，它的输入是整张图片，当检测到目标物体时用边界框圈起来，同时给该目标物体一个类别；边界框由中心位置、宽、高等来表示的；它的输出是n个物体的检测信息，每个物体... 查看详情

基于yolov5的水下海洋目标检测

摘要：水下海洋目标检测技术具有广泛的应用前景，可以用于海洋环境监测、海洋资源开发、海洋生物学研究等领域。本文提出了一种基于YOLOv5的水下海洋目标检测方法，使用数据增强方法进行了大量实验，并与... 查看详情

经典论文解读yolov3目标检测

前言YOLO是一种目标检测方法，它的输入是整张图片，输出是n个物体的检测信息，可以识别出图中的物体的类别和位置。YOLOv3相对v2版本，准确度和速度差不多，但对小目标检测更好。v3版本主要的改进是使用Da... 查看详情

经典论文解读yolov2目标检测

前言YOLO是一种目标检测方法，它的输入是整张图片，输出是n个物体的检测信息，可以识别出图中的物体的类别和位置。YOLOv2相对v1版本，更准确，速度更快，识别对象更多。v2版本主要的改进是采用先验框AnchorBoxes、聚类提取先... 查看详情

yolodet最强pytorch版的yolov5yolov4pp-yoloyolov3复现(代码片段)

...orchYOLODet-PyTorch是端到端基于pytorch框架复现yolo最新算法的目标检测开发套件，旨在帮助开发者更快更好地完成检测模型的训练、精度速度优化到部署全流程。YOLODet-PyTorch以模块化的设计实现了多种主流YOLO目标检测算法，并且提... 查看详情

旋转目标检测复现-yolov5-obb(代码片段)

复现源码：https://github.com/hukaixuan19970627/yolov5_obb亲测可行安装流程：按照https://github.com/hukaixuan19970627/yolov5_obb/blob/master/docs/install.md确保安装过程不报错，否则影响后续训练安装成功即可准备数据集hf_txt存放划分好的训... 查看详情

论文解读fpn用于目标检测的特征金字塔网络

...urePyramidNetworks，中文称为特征金字塔网络；它是目前用于目标检测、语义分割、行为识别等方面比较重要的一个部分，对于提高模型性能具有较好的表现。在特征提取中，低层的特征语义信息比较少，但目标位置准确，分辨率高... 查看详情