xu.hyj

通过上述的mosaic增强后，获得4张图拼凑的图像，最后还进行了两次数据增强# Augment# 目标随机复制到其他位置，需要segments4标注信息，实际上没有所有这个增强没有任何操作# 一系列增强，img4输入是2048*2048，输出是1024*1024（也是我任务的输入尺寸）上面一系列增强的源码见，可以看到是一些常规的图像变化。

首先按项目cmake得到可执行文件，然后编辑vscdde中的launch.json，这个文件就是在运行或者调式的时候，通过json定义好各种参数配置启动。本质上debug就是带入json配置的参数，去启动program定义的可执行文件。所以如果修改了源码，必须。现在我有一个项目，使用cmake编译，现在想探究源码需要进行debug。，然后再调试，否则改动是没有生效的。

有问题或者不清楚见作者原文，那写的更清楚。

【代码】TensorRTX部署yolov5。

但是在诸如航拍图像等任务上，图像尺寸通常几千x几千甚至上万，目标也是非常小的，如果resize到640的尺寸，显然目标都已经丢失完了。实际上可以通过切图的方式进行推理，也就是将高分辨率的图切成640x640的图像块，每一个块再去做目标检测，最后再将图像块中目标的坐标转换为大尺寸图上即可。如图所示，某个小图中坐标为(50,90)，通过计算得知所处第5列，则左侧有4个小图，考虑到有重叠区域，则左侧有4个540像素，故该坐标在大图中侧横坐标为50+540x4=2210。

但是根据实验发现丢失目标通常发生在无人机运动区域的320x320范围内，所以设计辅助网络，当目标丢失后，以320x320区域图像作为输入，使用辅助网络进行目标检测，加快了检测速度。根据文中描述，无人机尺寸都在16x16以上，所以40x40检测8x8~16x16部分的没有使用到，而16x16以上的也可以从其他特征图被解码出来，所以其功能重合了，为追求速度舍去了40x40的特征图分支。辅助网络用于在丢失点附近区域快速检测再次出目标，所以输入图像是实验总结出来的320x320，其优化目标为快。