对稀有飞机数据集进行多属性物体检测：使用YOLOv5的实验过程

导读

如何使用物体的多个特征来提升物体检测的能力，使用YOLOv5进行多属性物体检测的实验。

我们发布了RarePlanes数据集和基线实验的结果。今天，我们试图进一步展示数据集的多特征以及它独特的用途。我们训练了一个目标检测模型，不仅可以识别飞机，还可以识别它们的特征，如引擎的数量、机翼形状等，并且建立了一个教程，所以你可以自己做这个实验。

在本系列教程中，我们将从头到尾介绍在RarePlanes数据集上训练YOLOv5模型的整个机器学习流程。

快速回顾：RarePlanes数据集是由CosmiQ Works和AI.Reverie通过将主要是机场的遥感数据与综合生成的数据相结合创建的。然后将这些图像按照5个特征、10个属性和33个子属性进行分类。每架飞机都通过从机头到翼尖再到尾部的菱形来标注，以保持宽度和长度的比例，然后，不同的飞机特征被标注在每个标注上。

下面是数据集中使用的飞机分类树。

模型 (YOLOv5)

<