我的研究生课题《一种基于YOLOv5改进的轻量实时高空抛物目标检测算法TinyThrow》
主页/Homepage
基于 WinUI 3.0 ，使用 Windows App SDK 1.3.2 (1.3.230602002) 构建。

v1.0.1.0

Windows 11
Windows 10 (October 2018 Update) build 17763 / version 1809 以上

阿里云盘 百度网盘 蓝奏云 Github Releases

尚未公开

Github Releases

由于高空抛物场景下的背景分辨率较大、物品目标较小等原因，导致当前的目标检测算法在该应用场景下存在检测实时性较差、检测精度较低等问题。
针对上述挑战提出了一种基于YOLOv5改进的轻量实时高空抛物目标检测算法TinyThrow。实验结果表明，TinyThrow算法在文件大小仅为3.9MB的权重上，检测速度达到了37.3FPS，平均精确率达到了85.5%，与原始算法相比提升了4.5%，满足了轻量实时高空抛物目标检测的任务要求。

使用labelImg进行高空抛物照片标注。

使用Pytorch对模型进行训练。

使用模型对高空抛物图片进行检测。

使用最新的WinUI3，支持Windows11的新特性。

一改传统算法的命令行操作，提供图形化界面方便用户使用。

针对通用目标检测算法进行改进，更加适合高空抛物场景，获得更优的算法性能。

Nano模型仅需3.9MB的权重大小，即可达到优良的检测效果，适合部署于嵌入式设备。

配置详细，支持用户自定义算法规模、文件路径，得到最适合自己的模型。

一站式提供高空抛物目标检测所需的全部功能。

1. 创新点1
2. 创新点2
3. 创新点3

等待解锁中...
敬请期待！

• python≥3.9.0
• CUDA==11.3
• torch≥1.10.0
• torchvision≥0.8.1
• tensorboard≥2.4.1
• labelImg≥1.8.6

请打开软件后按照流程提示进行操作，清晰明了，简单易懂。

Windows 10/11 64位操作系统，推荐nVidia显卡显存大于4G（如果无符合要求的显卡可使用CPU），CPU大于i5，内存大于8G。

可以。但是请使用其他图片标注工具生成符合YOLO格式的标注。

输入图片分辨率、每次迭代的图片张数、训练总轮数、算法配置文件、算法规模、数据集和算法文件夹等。

由于产生的输出较多，暂不支持重定向到窗口中显示，请在命令行界面中查看输出。

训练得到的权重文件.pt将保存在runs\train\exp[xxx]\weights文件夹中，可点击输出路径中的“蓝色链接”打开，分为最佳权重和最后权重。

QQ：623768813
E-mail：[email protected]
Twitter：@xqjtqy
TinyThrow官方网站：https://tiny.zerokirby.cn
个人主页：https://zerokirby.cn
博客：https://blog.zerokirby.cn