关于
由于高空抛物场景下的背景分辨率较大、物品目标较小等原因，导致当前的目标检测算法在该应用场景下存在检测实时性较差、检测精度较低等问题
针对上述挑战提出了一种基于YOLOv5改进的轻量实时高空抛物目标检测算法TinyThrow。实验结果表明，TinyThrow算法在文件大小仅为3.9MB的权重上，检测速度达到了37.3FPS，平均精确率达到了85.5%，与原始算法相比提升了4.5%，满足了轻量实时高空抛物目标检测的任务要求。
功能
欢迎使用高空抛物检测系统
标注
使用labelImg进行高空抛物照片标注。
训练
使用Pytorch对模型进行训练。
检测
使用模型对高空抛物图片进行检测。
特性
本系统具有的特点
最新UI
使用最新的WinUI3，支持Windows11的新特性
可视化界面
一改传统算法的命令行操作，提供图形化界面方便用户使用
改进算法
针对通用目标检测算法进行改进，更加适合高空抛物场景，获得更优的算法性能
轻量级
Nano模型仅需3.9MB的权重大小，即可达到优良的检测效果，适合部署于嵌入式设备
自由定制
配置详细，支持用户自定义算法规模、文件路径，得到最适合自己的模型
操作友好
一站式提供高空抛物目标检测所需的全部功能
创新
TinyThrow相较于YOLOv5的改进
基于YOLOv5n-v6.0算法，引入3项重点改进，提升算法性能
(1)等待解锁中...
(1)等待解锁中...
(1)等待解锁中...
(1)等待解锁中...
(1)等待解锁中...
敬请期待！
(2)等待解锁中...
(2)等待解锁中...
(2)等待解锁中...
(2)等待解锁中...
(2)等待解锁中...
敬请期待！
(3)等待解锁中...
(3)等待解锁中...
(3)等待解锁中...
(3)等待解锁中...
(3)等待解锁中...
敬请期待！
依赖
为确保程序正常运行需要安装好对应的Python包
python≥3.9.0
CUDA==11.3
torch≥1.10.0
torchvision≥0.8.1
tensorboard≥2.4.1
labelImg≥1.8.6
FAQ
常见问题
请打开软件后按照流程提示进行操作，清晰明了，简单易懂。
Windows 10/11 64位操作系统，推荐nVidia显卡显存大于4G（如果无符合要求的显卡可使用CPU），CPU大于i5，内存大于8G。
可以。但是请使用其他图片标注工具生成符合YOLO格式的标注。
输入图片分辨率、每次迭代的图片张数、训练总轮数、算法配置文件、算法规模、数据集和算法文件夹等。
由于产生的输出较多，暂不支持重定向到窗口中显示，请在命令行界面中查看输出。
训练得到的权重文件.pt将保存在runs\train\exp[xxx]\weights文件夹中，可点击输出路径中的“蓝色链接”打开，分为最佳权重和最后权重。