介绍
Pytorch使用yoloV5实现红外海上船舶分类
硬件配置
实验在一台配备以下规格的机器上进行：
- 处理器： [i5-10200H]
- GPU： [GTX1650]
- 内存： [16GB]
软件配置
- 操作系统： [Windows10]
- 深度学习框架： PyTorch [1.10.2]
- CUDA版本： [11.3]
- cuDNN版本： [11.6]
模型使用的是yolov5s,一个epoch两分钟
实现效果
数据集
针对这一问题，我们创建了一个新的红外船舶目标识别数据库，该数据库通过使用不同分辨率和焦距的红外设备，在不同的场景下采集了 8000 多张红外数据。图像分辨率分别为： 384*288、640*512、1280*1024，对图像中的七类船舶目标 liner、bulk carrier、warship、sailboat、 canoe、container ship、fishing boat 进行了标注。该数据库将其主要用于真实世界红外海防领域的目标检测识别技术研究，使得红外目标识别技术能够进一步发展，从而推动红外技术在各行业领域的应用与发展。
我们研究的目的是建立一个真实的海防场景下的红外船舶目标检测数据库，在真实场景下验证红外目标检测算法的实际应用效果。该数据库记录包含了多个不同场景下、不同时段、不同分辨率的海上、港口和海边上的邮轮、散货船、军舰、帆船、皮划艇 、集装箱船、渔船目标，共计八千张图片。数据库使用 liner、bulk carrier、warship、sailboat、canoe、container ship、fishing boat 分别作为邮轮、散货船、军舰、帆船、皮划艇 、集装箱船、渔船的标签， 使用矩形框对其中的目标进行标注，以图片的左上角为坐标原点[0,0],使用[x1,y1,x2,y2]的形式记录矩形框的位置，x1 表示矩形框的左上角横坐标，y1 表示矩形框的左上角纵坐标，x2 表示矩形框的右下角横坐标，y2 表示矩形框的右下角纵坐标。所有标签信息以 xml 文件的形式进行保存
数据集下载:
链接: https://pan.baidu.com/s/1FsGvD1PsDUjZiwZowSKnUg?pwd=ylv5
提取码: ylv5
仓库地址
Github:GitHub - YinLiaoEr/YoloV5-Infrared-Images-of-Ships-at-Sea
如果对您有用,请点个星!
标签：yoloV5,数据库,矩形框,目标,红外,船舶 From： https://blog.csdn.net/YinLiaoEr/article/details/140244442