-
yolov5 的 detect 层 与 anchor 机制
-
yolov5深度剖析+源码debug级讲解系列（三）yolov5 head源码解析
-
yolo全家桶；yolo系列专题讲解,通俗易懂的yolo v1, v2 ,v3 ,v4 ,v5 , yolox
-
YOLOV5 的小目标检测网络结构优化方法汇总(附代码)
数据增强–Albumentations
- 分割数据增强
将Albumentations用于语义分割任务
- 狭窄数据增强
Python深度学习之使用Albumentations对图像做增强 - 各种数据增强方式对比
Pytorch使用albumentations实现数据增强
数据增强的作用
albumentations(深度学习增强库)
- 分割需要在像素级别进行标签标注
- 一些专业领域的图像标注，依赖于专业人士的知识素养
- 在数据集规模很小的情况，如何提高模型的表现力
- 迁移学习：使得具有大量标注数据的源域帮助提升模型的训练效果
- 数据增强 学习到空间的不变形，像素级别的不变形特征都有限，利用平移，缩放，旋转，改变色调值等方法，让模型见过各种类型的数据，提高模型在测试数据上的判别力