1028周报

数据处理方法

YOLOv5n模型

all：0.751 0.399
1：0.444 0.144
2：0.914 0.607
3：0.801 0.43
4：0.789 0.455
5：0.609 0.261
6：0.946 0.494

CLAHE限制对比度自适应直方图均衡化处理结果

all：0.73 0.37
3：0.813 0.407
4：0.796 0.468
分析：对3、4有效果
0.012 0.013

DeBlur去模糊处理

all：0.682 0.334
没作用

小波变换去噪

all：0.748 0.404
2 3 4效果好
0.002 0.018 0.004

Pw去噪

3 4 效果好
0.019 0.018

图像处理策略

将不同的图片经过不同图像的处理，测试
简单网络学习特征

网络轻量化

backbone

主干网络backbone的主要任务是返回4倍，8倍，16倍，32倍的特征图以供下面的网络使用，因此修改网络后仍需要返回这几种特征图。

Timm库：此库是pytorch的一个拓展库，它提供了预训练模型、模型构建块和模型训练的实用工具，且同时支持多种图像分类、分割和检测任务

Lcnet通过调整注意力函数，激活函数，并合理安排各模块的位置，使得降低计算资源损耗的同时精度也不会出现太大下降，且timm下的lcnet同样可以输出四种特征图，因此选择用lcnet替换原来得主干网络。替换后GFLOPS下降为3.0且精度并没有特别严重的降低。

C3

C3模块主要作用是增加网络的深度和感受野,提高特征提取的能力，一般由三个Conv模块(Conv1、Conv2、Conv3)和一个Bottleneck模块组成，可以通过简化其结构来达到轻量化的目的。

Fasternet可以同时减少冗余计算和内存访问，并更有效地提取空间特征。用Fasternet替换原本C3模块中的模块可以有效地减少计算量并尽量保持精度。替换后GFLOPs降为了3.0。