Skip to content

Detect known and unknown objects in the open world(具有区分已知与未知能力的全新检测器))

Notifications You must be signed in to change notification settings

buxihuo/OW-YOLO

Repository files navigation

015

快速开始

1. 安装

同yolov5

2. 推理

推理示例
$ python detect.py --source data/images --weights m-obj365.pt --unknownconf 0.45 --conf 0.25 
$ python detect.py --source data/images --weights s-coco.pt --unknownconf 0.25 --conf 0.25
'''
参数解读
unknownconf: 当网络预测的“不知道”分数大于此阈值时预测为不知道,否则输出已知分类。
1)与已知类精度关系:当已知类精度越高时,“不知道”在已知类上发生的情况将越少,预测未知类时可以设定更低的unknownconf而不影响已知类性能。
2)与训练集大小关系:训练集越丰富,预测未知类的能力越强
注:可根据需求调节此参数,需要注意的是由于资源问题,在objects365数据集下训练的模型m-obj365.pt仅在小模型下训练了30轮,精度较低,建议采用较高阈值。
其他参数:
1)非极大值抑制:默认类内NMS(非极大值抑制)iou阈值为0.45,参数为iou;同时进行类间NMS,iou阈值为0.75,后续将提供参数接口。
2)不知道的物体类名:可在detect文件中修改,后续将提供接口。             
'''
视频展示
  1. demo1
  2. demo2

3. 预训练模型

s-coco.pt
m-obj365.pt

coco数据集性能

Model size
(pixels)
mAPval
0.5:0.95
mAPval
0.5
yolov8-n 640 37.3 52.6
OW-yolov8-n 640 37.9 (only known 38) 53.7 (only known 53.9)
OW-yolov8-n-la 640
la : label attention

4. 后续功能

图像分类、实例分割