这是一个创建于 675 天前的主题，其中的信息可能已经有所发展或是发生改变。
公司打算弄一个 yolov5 图像识别的项目，现在有个问题求助一下 v 友们。
在高空拍摄的物体占比识别占整块图片的比例比较小（大概占图片 1/10~1/20 ）。但是训练模型的数据集都是一些目标占比比较大的图片(整张图片几乎都是这个物体，或者占图片 1/2 以上)，不知道有没有什么办法能够让模型能够识别一些这种情况的。
现在想了一些解决方案，但是不知道靠不靠谱，还请各位指点一下：
1.将训练的数据集的图片放缩一下，图片占比缩成原来的 1/4 这样子，其他地方填上无意义的背景之类的。
2.拆分识别图片，但是会加大识别系统的压力，并且如果刚好切割出来了要识别的物体那就难识别出来了。
在高空拍摄的物体占比识别占整块图片的比例比较小（大概占图片 1/10~1/20 ）。但是训练模型的数据集都是一些目标占比比较大的图片(整张图片几乎都是这个物体，或者占图片 1/2 以上)，不知道有没有什么办法能够让模型能够识别一些这种情况的。
现在想了一些解决方案，但是不知道靠不靠谱，还请各位指点一下：
1.将训练的数据集的图片放缩一下，图片占比缩成原来的 1/4 这样子，其他地方填上无意义的背景之类的。
2.拆分识别图片，但是会加大识别系统的压力，并且如果刚好切割出来了要识别的物体那就难识别出来了。
 |
1
Takizawa 2023-01-03 13:30:39 +08:00 via Android
yolo 是根据目标框做回归，距离远了目标小了是没办法的，高空拍摄物体背景应该不会很杂乱，如果降低置信度可以提高标记框出现的概率。拆分也不太可取，原因跟你分析的一样。另外，过小的目标会导致特征难以获取，如果可以的话，从硬件优化入手，例如多焦距的摄像头。
|
Select Language