Comments (10)
@stphtan94117
1、你如果使用了YOLOV5的分割模型,那么默认是分割和检测两个HEAD都存在,你也可以自己写逻辑通过类别等一些条件去控制哪里显示或者不显示,但是默认结构同时进行了分割和检测的
2、 今天修复了一些更新的BUG
from yolo_research.
@positive666
我不太懂你的意思,你的意思是如果用分割模型去訓練,然後用predict偵測,可以顯示BBOX跟polygon兩種情形?
例如我在labelme開啟交通路口影像,車子、紅綠燈、路燈等用bbox標註
馬路、道路標線、箭頭用不規則polygon標註
然後將這些標註好的圖像(JPG)和labelme(JSON)上傳至roboflow,然後下載成yolov5的格式(TXT)
將這些TXT檔丟下去分割模型訓練,然後預測時候,馬路那些正常會顯示segmentation polygon
而車子、紅綠燈等顯示BBOX
您的意思是這樣嗎?
from yolo_research.
@stphtan94117
你好 !你的想法我不否定,这里我认为是三个路线,但是这里目前的训练代码中的数据集标注就不对称了,可能并不支持
-
YOLOV5的分割模型:检测和分割两个HEAD你可理解为解耦的,共享一个BACKBONE,你的需求大概是:你检测和分割的目标类别在一次任务中不完全对齐了,这样设计的话你的标签数据集部分可能要更改。
方法1后处理:如果只是在乎可视化的问题,你直接用实例分割的方式去训练,分割的模型会同时预测一个目标的BOX和MASK,然后后处理你加入逻辑判断去决定它是否可视化,这是最省事的方法
方法2:分别训练头部,你的骨干网络读取的图像的特征,所以你可以先设置你的检测任务类别,分别做一种你需要检测的数据集去训练检测的HEAD冻结分割头 ;同理设置你需要分割的类别,做一种你想分割的数据集,去训练分割头,最终你的模型的检测头和分割头他们的识别类别和对象并不一样
方法3:你的上述想法,不过你要把读取标签的代码,代码改动稍微大一些把,具体我没做过说个大概,希望对你有帮助,方法2和方法3的本质是一样的,只是操作上不一样。 -
最重要的,我觉得你可以简单做一点点数据去试验下,至于标注的话,其余的可以参考下自动驾驶的一些多任务的网络。
from yolo_research.
自己是新手,聽不太懂太專業術語,例如head等
我只是拿交通例子來說明比較淺顯易懂,實際上真正要執行得更為複雜
我的確是想在一次任務中,就同時完成分割跟物件偵測
但其實我不是要為了可視化,而是label速度
segmentation label 所花費的時間多很多
bbox label速度快不少
因此我原意是,重點的部分才用segmentation,其餘檢測物件單純用bbox即可
這樣才不需要花費太多時間專注於label polygon
from yolo_research.
自己是新手,聽不太懂太專業術語,例如head等 我只是拿交通例子來說明比較淺顯易懂,實際上真正要執行得更為複雜
我的確是想在一次任務中,就同時完成分割跟物件偵測 但其實我不是要為了可視化,而是label速度 segmentation label 所花費的時間多很多 bbox label速度快不少
因此我原意是,重點的部分才用segmentation,其餘檢測物件單純用bbox即可 這樣才不需要花費太多時間專注於label polygon
HEAD就是模型的最尾部,直接完成预测任务的部分(实例分割的head组成:检测模型的头部+分割的头部),你可以按照方法2做一次尝试,
from yolo_research.
回報一下
目前卡在JSON2TXT問題
目前json裡面包含bbox and polygon
因此丟到roboflow讓他轉txt,結果不行
因此無法進行下一步training
from yolo_research.
回報一下 目前卡在JSON2TXT問題 目前json裡面包含bbox and polygon 因此丟到roboflow讓他轉txt,結果不行 因此無法進行下一步training
逻辑是两个任务标签是独立的
from yolo_research.
看來只好等其他人設計成可以轉檔 而且可以吃bbox跟polygon
另外想問一下,yolov5跟yolov7的segmentation,哪種效果比較好啊?
from yolo_research.
看來只好等其他人設計成可以轉檔 而且可以吃bbox跟polygon 另外想問一下,yolov5跟yolov7的segmentation,哪種效果比較好啊?
1.你可以分开打标然后只训练对于的头部
2.我记得V7是参考V5 的,只是backbone不同
from yolo_research.
This issue has been automatically marked as stale because it has not had recent activity. It will be closed if no further activity occurs. Thank you for your contributions.
from yolo_research.
Related Issues (20)
- 怎样修改v8的数据加载 HOT 1
- 怎样将yolov8的检测头和损失函数融合到yolov5的源码中 HOT 1
- AttributeError: 'LoadStreams' object has no attribute 'auto' HOT 1
- 有關分割部分 HOT 2
- yolov7-pose训练回归关键点只有15个 HOT 5
- involution HOT 2
- train yolov5_SwinV2.yaml HOT 2
- 你好,请问你的数据集真能跑通吗?同样的YOLOV5s,我用一模一样的数据集跑甚至无法收敛 HOT 4
- pose/cfg/yolov7-w6-pose.yaml 这个文件在哪 HOT 2
- YOLOv7训练问题 HOT 6
- 请问yolov8的代码和文章近期会更新吗 HOT 2
- 为什么采用yolov5-p6.yaml的修改版本训练不起来?(mAP50才0.00095) HOT 4
- backbone中C3替换为C3TR报错,TypeError: empty(): argument 'size' must be tuple of ints, but found element of type float at pos 2 HOT 1
- 在YOLOv5中如何得到模型的推理时间(或者说FPS)? HOT 4
- AttributeError: 'V8_Detect' object has no attribute 'na' HOT 2
- v8的训练似乎无法加载预训练权重 HOT 2
- Good attempt, fw of the modified code doesn't work a t all.....; HOT 2
- 123 HOT 1
- yolov8s-seg 热力图 HOT 1
Recommend Projects
-
React
A declarative, efficient, and flexible JavaScript library for building user interfaces.
-
Vue.js
🖖 Vue.js is a progressive, incrementally-adoptable JavaScript framework for building UI on the web.
-
Typescript
TypeScript is a superset of JavaScript that compiles to clean JavaScript output.
-
TensorFlow
An Open Source Machine Learning Framework for Everyone
-
Django
The Web framework for perfectionists with deadlines.
-
Laravel
A PHP framework for web artisans
-
D3
Bring data to life with SVG, Canvas and HTML. 📊📈🎉
-
Recommend Topics
-
javascript
JavaScript (JS) is a lightweight interpreted programming language with first-class functions.
-
web
Some thing interesting about web. New door for the world.
-
server
A server is a program made to process requests and deliver data to clients.
-
Machine learning
Machine learning is a way of modeling and interpreting data that allows a piece of software to respond intelligently.
-
Visualization
Some thing interesting about visualization, use data art
-
Game
Some thing interesting about game, make everyone happy.
Recommend Org
-
Facebook
We are working to build community through open source technology. NB: members must have two-factor auth.
-
Microsoft
Open source projects and samples from Microsoft.
-
Google
Google ❤️ Open Source for everyone.
-
Alibaba
Alibaba Open Source for everyone
-
D3
Data-Driven Documents codes.
-
Tencent
China tencent open source team.
from yolo_research.