/OW-YOLO

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））

Primary LanguagePython

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