基于Ultralytics Yolov5的多目标检测和语义分割：MultiYolov5

Multi YOLO V5——检测和语义分割 概述 这是我的本科毕业项目，基于 。 这种多任务模型只增加了少量的计算和推理 GPU 内存（约 350MB），并且能够完成对象检测和语义分割。 我的数据集（从 Cityscapes 实例分割标签转移）上的对象检测指标略有改进（与单任务 YOLO 相比），Cityscapes 语义分割指标如下所示。 该存储库近期不会更新（在标记 TomMao-2.0 realse 之后） ，未来版本可能会发布到 。 为了节省我的时间和方便交接，请原谅我下面的文件将用中文写成。 在语义分割部分，我参考了如下代码： 是以增加少量计算和显存为老人，同时完成目标检测和存储分区（1024×512输入约增加350MB，同尺寸增加一个bisenet需要约1.3GB） ，两个单模型独立输入额外的东西）。 (尝试实验数据集)，分割指标模型验证集mIoU 0.73，测