无人机小目标检测-VisDrone
VisDrone数据集是一个极具挑战的小目标检测数据集，在此，我们提供DAMO-YOLO-S的VisDrone检测模型。
- 模型资讯
- 模型资料
模型描述
无人机俯拍图像由于其空中拍摄的独特视角，能够对道路、交通等场景进行完整的呈现,对无人机的图像数据进行检测分析具有重要的应用价值。在此，我们提供基于DAMO-YOLO的无人机小目标检测场景模型。
模型评测
| Model | size | mAPval 0.5:0.95 |
Latency(ms) T4-TRT-FP16 |
FLOPs (G) |
Parameters(M) |
|---|---|---|---|---|---|
| DAMO-YOLO-S | 640 | 24.6 | 3.83 | 37.8 | 16.3 |
| DAMO-YOLO-S | 1280 | 31.4 | – | 151.2 | 16.3 |
| DAMO-YOLO-S | 1920 | 34.9 | – | 340.2 | 16.3 |
- 表中汇报的mAP是COCO2017 val集上的结果。
- 表中汇报的latency不包括后处理（nms）时间，其测试条件为：T4 GPU，TensorRT=7.2.1.6， CUDA=10.2, CUDNN=8.0.0.1。
使用范围
本模型适用于无人机俯拍场景的物体检测，能对图片中的行人、车辆进行定位。
使用方法
在ModelScope框架上，提供输入图片，即可以通过简单的Pipeline调用使用当前模型。具体代码示例如下：
from modelscope.pipelines import pipeline
from modelscope.utils.constant import Tasks
# the default model is based on 640 resolution
object_detect = pipeline(Tasks.image_object_detection,model='XianzheXu/cv_tinynas_object-detection_damoyolo_visdrone')
img_path ='./assets/visdrone_1.jpg'
result = object_detect(img_path)
训练数据介绍
模型训练和评测使用VisDrone-2019数据集，该数据集包含6471张训练图片，548张验证图片，共10个类别，包括人、行人、箱式货车、轿车、巴士、摩托车、自行车、有蓬三轮车、三轮车、卡车。
模型可视化效果
引用
@article{damoyolo,
title={DAMO-YOLO: A Report on Real-Time Object Detection Design},
author={Xianzhe Xu, Yiqi Jiang, Weihua Chen, Yilun Huang, Yuan Zhang and Xiuyu Sun},
journal={arXiv preprint arXiv:2211.15444v2},
year={2022}
}