YoloV5-SPD+TensorRT:基于YoloV5-SPD的小目标检测算法部署

已于 2022-08-15 17:45:58 修改
阅读量2.6k 收藏 6
点赞数 3
CC 4.0 BY-SA版权
分类专栏： TensorRT+深度学习 文章标签： 深度学习 小目标检测 Yolov7 tensorRT
于 2022-08-15 16:52:37 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/zhangdaoliang1/article/details/126349744
本文探讨了如何在YoloV5基础上利用Space-To-Depth (SPD) 技术增强小目标检测性能，并通过详细步骤展示了在TensorRT上的部署过程。实验结果显示，SPD组件显著提升了小目标检测的效果。文章提供了一个基于WIN10、VS2019、CUDA10.2、CUDNN7.6.5、TensorRT7.0的部署环境实例，并给出了CPP推理代码及结果。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

了解本专栏 订阅专栏 解锁全文
YoloV5-SPD+TensorRT:基于YoloV5-SPD的小目标检测算法训练
qianxun
08-13 1818
yolov5出来已经很长时间了，所以有关yolov5的一些详细介绍在这里就不一一介绍了，模型结构大家可以查看我之前画的yolov5-5和yolov6-6的模型结构图。TensorRT+yolov5:yolov5添加小目标检测层2--TensorRT部署_曲末寒的博客-优快云博客_yolov5加检测头。可以看到整体的map@0.5是在0.501，，，说实话并不是特别高，，，回头我们重新计算下测试集的Map..后续会进行TensorRT部署，，，既然有那么一点效果当然得部署用起来呀。接下来我们开始训练代码。.
yolov5改进spd-conv
weixin_45303602的博客
07-26 2406
然而，当图像分辨率较低或物体较小时，它们的性能会灾难性下降。这是由于现有CNN常见的设计体系结构中有缺陷，即使用卷积步长和/或池化层，这导致了细粒度信息的丢失和较低效的特征表示的学习。为此，我们提出了一个名为SPD-Conv的新的CNN构建块来代替每个卷积步长和每个池化层(因此完全消除了它们)。然后，我们将SPD-Conv应用于YOLOv5和ResNet，创建了新的CNN架构，并通过经验证明，我们的方法明显优于最先进的深度学习模型，特别是在处理低分辨率图像和小物体等更困难的任务时。文章版本为6.0及以上。
基于YOLOv5+SE注意力+SPD模块的海星检测识别分析系统
Together_CZ的博客
01-10 1976
YOLOv5融合SE注意力加入针对低分辨率图像和小目标对象优化的SPD模块实现海星检测识别分析系统
yoloV5加入SPD-Conv的方法
m0_49534117的博客
11-19 675
后续继续尝试其它可以提升小目标检测模型的模块。MAP提升约一个点左右。
番外篇 | YOLOv5-SPD：用最简单的方式完成低分辨率图像和小目标检测升级
突然好想你
05-25 644
SPD-Conv由一个空间到深度（SPD）层和一个非步长卷积（Conv）层组成。本文详细介绍了如何在YOLOv5中引入SPD-Conv，助力助力低分辨率与小目标检测，并且使用修改后的YOLOv5进行目标检测训练与推理。🌈
基于Tensorrt C++ API 构建YOLOV5实现engine以及推理
最新发布
深之JohnChen的专栏
10-05 1744
TensorRT是英伟达针对自家平台做的一个加速包，可以认为 TensorRT 是一个只有前向传播的深度学习框架。这个框架可以将 TensorFlow，Pytorch，Caffe2 等框架训练出的神经网络模型解析，然后与 TensorRT 中对应的层进行一一映射，把其他框架的模型统一全部转换到 TensorRT 中，然后在 TensorRT 中可以针对 NVIDIA 自家 GPU 实施优化策略，并进行部署加速。根据官方文档，使用TensorRT，在CPU或者GPU模式下其可提供10X乃至100X的加速。
yolov5=spd
08-31
- *1* *2* *3* [YoloV5-SPD+TensorRT:基于YoloV5-SPD的小目标检测算法部署](https://blog.youkuaiyun.com/zhangdaoliang1/article/details/126349744)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630",...
YoloV8改进策略：Gold-YOLO高效目标检测器与YoloV8激情碰撞
m0_47867638的博客
11-12 3163
物体检测是一项基本的视觉任务，其目的是识别物体的类别和定位物体的位置。可广泛应用于智能安防、自动驾驶、机器人导航、医疗诊断等领域。在边缘设备上部署高性能、低延迟的对象检测器正受到越来越多的关注。
yolov5s融合SPD-Conv用于提升小目标和低分辨率图像检测性能实践五子棋检测识别
Together_CZ的博客
12-25 3749
yolov5s融合SPD-Conv用于提升小目标和低分辨率图像检测性能实践五子棋检测识别
【YOLO v5 v7 v8 v9 小目标改进】SPD-Conv：解决步长卷积和池化层导致的细粒度信息丢失
热门推荐
Debroon
02-23 1万+
在添加 SPD-Conv 代码"""这个模块实现了空间到深度的操作，它重新排列空间数据块到深度维度，通过块大小增加通道数并减少空间维度。在卷积神经网络中常用此方法保持下采样图像的高分辨率信息。""""""初始化 SpaceToDepth 模块。参数:block_size (int): 每个块的大小。它定义了空间维度的下采样因子。输出通道的数量将增加 block_size**2 倍。"""self.block_size = block_size # 块大小"""
YOLOv5系列(十三) 本文(7000字) | 引入用于低分辨率图像和小物体的模块SPD-Conv |
专注于人工智能学习，总结
12-30 1534
卷积神经网络(CNN)在图像分类、目标检测等计算机视觉任务中取得了巨大的成功。然而，在图像分辨率较低或对象较小的更困难的任务中，它们的性能会迅速下降。这源于现有CNN体系结构中一个有缺陷但却很常见的设计，即使用和/或池化层，这导致了细粒度信息的丢失和较低效率的特征表示的学习。为此，我们提出了一种新的CNN模块，称为SPD-Conv，以取代每个和每个池化层(从而完全消除了它们)。SPD-Conv由(SPD)层和(Conv)层组成，可以应用于大多数CNN架构。
YOLOv5改进 | 卷积模块 | 无卷积步长用于低分辨率图像和小物体的新 CNN 模块SPD-Conv
kay_545
07-29 1911
yolov5，yolov5改进，SPDConv
YOLOv5改进 | 卷积篇 | SPD-Conv空间深度转换卷积（高效空间编码技术）
Snu77的博客
12-18 4466
本文给大家带来的改进内容是SPD-Conv（空间深度转换卷积）技术。SPD-Conv是一种创新的空间编码技术，它通过更有效地处理图像数据来改善深度学习模型的表现。SPD-Conv的基本概念：它是一种将图像空间信息转换为深度信息的技术，从而使得卷积神经网络（CNN）能更加有效地学习图像特征。这种方法通过减少信息损失和提高特征提取的准确性，优化了模型对小物体和低分辨率图像的处理能力。我在YOLOv8中利用SPD-Conv被用于替换传统的步长卷积和池化层，在不牺牲精确度的情况下减少计算复杂度（精度甚至略有提升）。
yolov5 yolov7添加SPD模块
weixin_70251903的博客
04-22 250
1.确定添加的位置，作为即插即用的注意力模块，可以添加到YOLOv5及v7网络中的任何地方。3.yolo.py中注册space_to_depth模块。2.common.py构建模块。4.修改yaml文件。
python基于融合SPD-Conv改进yolov5与原生yolov5模型实践路面裂痕裂缝检测
Together_CZ的博客
02-04 4850
python基于融合SPD-Conv改进yolov5与原生yolov5模型实践路面裂痕裂缝检测
目标检测算法——YOLOv5/YOLOv7改进之结合SPD-Conv（低分辨率图像和小目标涨点明显）
加勒比海带66——【YOLO魔法搭配&论文投稿咨询】
11-12 9983
目标检测算法——YOLOv5/YOLOv7改进之结合SPD-Conv（低分辨率图像和小目标涨点明显）。作者提出了一种新的CNN模块，称为SPD-Conv，以取代每个strided convolution和每个池化层(从而完全消除了它们)。SPD-Conv由 space-to-depth (SPD)层和non-strided convolution(Conv)层组成，可以应用于大多数CNN架构。
TensorRT+yolov5:yolov5添加小目标检测层3---OpenCV部署
qianxun
02-14 2005
前面我们写了yolov5添加了小目标检测层，并完成了tensorrt部署，现在我们使用opencv进行部署。 TensorRT+yolov5:yolov5添加小目标检测层_zhangdaoliang1的博客-优快云博客https://blog.youkuaiyun.com/zhangdaoliang1/article/details/122881284?spm=1001.2014.3001.5502模型结构图： 代码： yolo.cpp #include"yolo.h"; using namespa
优化改进YOLOv5算法：加入SPD-Conv模块，让小目标无处遁形——(超详细)
qq_40716944的博客
10-30 1533
卷积神经网络(CNNs)在计算即使觉任务中如图像分类和目标检测等取得了显著的成功。然而，当图像分辨率较低或物体较小时，它们的性能会灾难性下降。这是由于现有CNN常见的设计体系结构中有缺陷，即使用卷积步长和/或池化层，这导致了细粒度信息的丢失和较低效的特征表示的学习。为此，我们提出了一个名为SPD-Conv的新的CNN构建块来代替每个卷积步长和每个池化层(因此完全消除了它们)。SPD-Conv由一个空间到深度(SPD)层和一个无卷积步长(Conv)层组成，可以应用于大多数CNN体系结构。
涨点神器：基于Yolov5/Yolov7的SPD-Conv，低分辨率图像和小物体涨点明显
03-20 3525
无卷积步长或池化:用于低分辨率图像和小物体的新 CNN 模块SPD-Conv
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Mrs.Gril

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值