高空抛物目标检测

TinyThrow

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。