改进yolo 第10页

YOLOv11模型改进-模块-引入轻量级深度神经网络的卷积核DualConv 降低参数量

本篇文章将介绍一个新的改进机制——轻量级深度神经网络的卷积核DualConv，并阐述如何将其应用于YOLOv11中，显著提升模型性能。

一勺汤·2025-06-16 18:04

YOLOv12改进策略【卷积层】| ICCV-2023 SAFM 空间自适应特征调制模块对A2C2f进行二次创新

一、本文介绍本文记录的是利用空间自适应特征调制模块SAFM优化YOLOv12的目标检测方法研究。SAFM通过更好地利用特征信息来实现模型性能和效率的平衡。

Limiiiing·2025-06-16 18:04

YOLOv10改进策略【卷积层】| ICCV-2023 SAFM 空间自适应特征调制模块对 C2fCIB 、PSA 进行二次创新

一、本文介绍本文记录的是利用空间自适应特征调制模块SAFM优化YOLOv10的目标检测方法研究。SAFM通过更好地利用特征信息来实现模型性能和效率的平衡。

Limiiiing·2025-06-16 18:34

YOLOv8医疗影像第四章：典型应用场景实现

pythonimportpydicomfromglobimportglobimportnumpyasnpclassNoduleDetector:def__init__(self,model_path='yolov8n_nodule.pt

路飞VS草帽·2025-06-16 15:15

Android16变更

hl=zh-cn摘要1：讨论Android16的新特性，如ProjectButter、可扩展通知、语音搜索改进、相机

雨声不在·2025-06-16 14:37

如何设计并实现一个健壮的评价系统：从前端到后端

它不仅是用户决策的重要参考，更是服务质量的“晴雨表”和商家改进的驱动力。一个设计良好、功能完善的评价系统，能够显著提升用户信任度、促进交易，并为平台提供宝贵的数据反馈。

低代码布道师·2025-06-16 13:55

YOLOv3 正负样本划分详解

✅YOLOv3正负样本划分详解一、前言在目标检测任务中，正负样本的划分是训练过程中的关键环节。它决定了哪些预测框参与位置回归、分类损失和置信度损失。

要努力啊啊啊·2025-06-16 12:54

无人机智能鹰眼守护电动车出行安全，基于嵌入式端超轻量级模型LeYOLO全系列【n/s/m/l】参数模型开发构建无人机航拍道路交通场景下电动车不带头盔、违规载人和安装遮阳棚智能检测识别系统

电动自行车作为我国城市和乡村广泛使用的交通工具，因其轻便、快捷、经济等优点，深受大众喜爱。然而，近年来电动自行车引发的交通事故数量也居高不下，给社会和家庭带来了巨大的损失。数据显示，电动自行车事故死亡人数中，约76%因颅脑损伤致死，而未佩戴安全头盔的驾乘人员死亡风险是佩戴者的3.9倍。此外，违规载人、加装遮阳棚等行为也严重影响了骑行安全。传统监管模式的局限性传统的交通监管主要依赖于交警的现场执法，

Together_CZ·2025-06-16 07:18

鸿蒙开发实战之Crypto Architecture Kit构建美颜相机安全基座

一、安全架构设计基于CryptoArchitectureKit构建美颜相机三级防护体系：数据安全层人脸特征向量国密SM9加密存储用户生物特征TEE隔离处理通信安全层端到端加密聊天（Signal协议改进版

·2025-06-16 02:11

基于YOLOv8的导弹发射检测系统：定制卫星图像数据集、模型训练与交互式UI实现

利用深度学习技术，特别是先进目标检测算法YOLOv8，实现自动、快速、准确的导弹发射目标检测，极大提升监控效率和响应速度。2.导弹发射检测的挑战高分辨率卫星图像处理难度大：图像尺寸巨大，细节复杂。

YOLO实战营·2025-06-16 02:16

YOLOv4 训练与推理流程详解

✅YOLOv4训练与推理流程详解一、前言YOLOv4是目标检测领域的一次重要升级，由AlexeyBochkovskiy等人在论文《YOLOv4:OptimalSpeedandAccuracyofObjectDetection

要努力啊啊啊·2025-06-16 02:45

Joao Moura：CrewAI简明教程

新缸中之脑·2025-06-16 01:08

YOLOv8新突破：FASFFHead多尺度检测的极致探索

文章目录一、引言：YOLO检测头的演进与挑战二、FASFFHead核心设计原理2.1多尺度特征增强架构2.2自适应空间特征融合（ASFF）机制三、FASFFHead完整实现3.1网络结构定义3.2特征融合模块实现四

向哆哆·2025-06-16 00:34

YOLOv4 改进点详解

✅YOLOv4改进点详解一、前言YOLOv4是目标检测领域的一次重大升级，由AlexeyBochkovskiy等人在论文《YOLOv4:OptimalSpeedandAccuracyofObjectDetection

要努力啊啊啊·2025-06-16 00:33

【YOLO实战】产线零延迟：YOLO检测直连PLC控制实战

本文系统阐述YOLO视觉检测与PLC控制系统的深度集成方案，通过ModbusTCP/IP、OPCUA等工业协议实现检测结果与控制指令的实时交互。

AI_DL_CODE·2025-06-15 22:48

机器人系统ros2-开发实践05-ROS2 中 tf2的定义及示例说明

这个名字来源于“transform”这个词，表示坐标变换，而“2”则代表了这是该库的第二版，即改进和优化过的版本。

·2025-06-15 19:05

YoloV8改进策略：Block改进|MKP，多尺度卷积核级联结构，增强感受野适应性|即插即用|AAAI 2025

文章目录1论文信息2创新点2.1特征互补映射模块（FCM）2.2多内核感知单元（MKP）2.3冗余驱动的轻量化设计3方法3.1整体架构3.2MKP单元优化3.3MKP设计优势4效果4.1性能对比实验4.2消融实验4.3效率优势5论文总结代码完整代码Pzconv模块代码详解辅助函数和基础模块Pzconv模块核心实现测试代码关键设计解析1.多尺度特征提取2.深度可分离卷积3.特征变换与非线性激活4.残

AI智韵·2025-06-15 17:24

【机器学习与数据挖掘实战 | 医疗】案例16：基于K-Means聚类的医疗保险的欺诈发现

【作者主页】FrancekChen【专栏介绍】⌈⌈⌈机器学习与数据挖掘实战⌋⌋⌋机器学习是人工智能的一个分支，专注于让计算机系统通过数据学习和改进。

Francek Chen·2025-06-15 12:44

AI测试用例生成的基本流程与实践

3.1符号执行3.2模糊测试3.3机器学习辅助生成4.测试用例优化与筛选4.1用例去重与筛选4.2覆盖率分析4.3优先级排序5.执行与结果评估5.1性能评估5.2正确性验证5.3鲁棒性测试6.反馈与迭代改进

cooldream2009·2025-06-15 03:43

YOLO 从零开始

第一章：双阶与单阶的对决——目标检测的“前YOLO时代”在YOLO横空出世之前，目标检测领域被以R-CNN(RegionswithCNNfeatures)家族为代表的“双阶”（Two-Stage）检测器所统治

宅男很神经·2025-06-14 23:19

【Python】串口通信库pyserial2

6.8多传感器融合：YOLO与激光雷达/雷达数据的深度结合6.8.1引言：为什么需要非视觉传感器——以激光雷达为例摄像头因其丰富的信息（颜色、纹理、形状）而成为自动驾驶、智能监控等视觉感知系统的核心。

宅男很神经·2025-06-14 23:19

YOLOv2 中非极大值抑制（NMS）机制详解与实现

YOLOv2中NMS的详解一、什么是NMS？定义：NMS（非极大值抑制）是一种目标检测中的后处理技术，用于去除重复预测的边界框，保留置信度最高且不重叠的边界框。

要努力啊啊啊·2025-06-14 23:46

YOLO系列对指定图片绘制模型热力图

RTDETR系列绘制热力图指路：RT-DETR系列对指定图片绘制模型热力图-CSDN博客https://blog.csdn.net/qq_54708219/article/details/148657372?spm=1001.2014.3001.5502任务：实现类激活映射（ClassActivationMapping,CAM）可视化，生成热力图以展示模型在图像中关注的关键区域。核心功能：加载YO

北京地铁1号线·2025-06-14 22:36

《AI算力成本暴跌背后：硬件、算法与能源的深度变革！》

有分析指出，AI模型的计算成本正以每年约10%甚至更高的速度降低其中不仅包括硬件价格/性能比的提升，也包括算法效率的改进。

嘉图明·2025-06-14 19:49

程序员转行大模型：五大热门岗位揭秘，抓住IT行业最后的风口！就在大模型！

大模型入门学习·2025-06-14 18:12

Xcode WWDC2025 新东西笔记

xcode瘦身24%，模拟器运行时默认不含Intel支持优化了xcode输入的体验加快workspace载入Workspaceandediting工作区和代码编辑器的改进像safari浏览器一样的标签页可以整理成组或者是单一标签页多词搜索以前搜索是按顺序

TripleEyeAlien·2025-06-14 17:36

MySQL 8.0 重磅升级：十大核心新特性全面解析与应用指南

本文深度剖析MySQL8.0中开发者必须掌握的十大核心改进，结合真实应用场景与代码示例，助您全面掌握新一代数据库的强力特性。

码里看花‌·2025-06-14 17:01

程序员转战大模型：热门岗位全解析，如何明智选择你的下一站？非常详细收藏我这一篇就好了！

·2025-06-14 16:29

爬虫基本框架

目录1.安装必要的库2.基本爬虫框架代码示例3.框架解析1.发送请求2.解析网页内容3.数据存储4.爬虫流程控制4.常见的改进与优化总结爬虫的基本框架包括以下几个重要的部分：发送请求：向目标网站发送HTTP

首尔的初雪是眼泪·2025-06-14 13:01

.NET 8 中的原生 AOT 编译

NET7和.NET8的AOT编译之间的区别是：•System.Text.Json改进：.NET8增加了对更

csdn_aspnet·2025-06-14 12:26

YoloV8改进策略：Block改进|FCM，特征互补映射模块|AAAI 2025|即插即用

1论文信息FBRT-YOLO（FasterandBetterforReal-TimeAerialImageDetection）是由北京理工大学团队提出的专用于航拍图像实时目标检测的创新框架，发表于AAAI2025

AI智韵·2025-06-14 11:20

目标检测算法——YOLO-Word——算法详解

作者实验证明ap指标上zeroshot能力YOLO-worldL接近专门训练过的YOLOv6-8S模型的能力，finetune后YOLO-world均能提升8个点左右。

TigerZ*·2025-06-14 08:44

ISO 14002-2-2023环境管理标准指南

更新至2023年的版本旨在帮助组织建立和改进其环境管理系统，以减少对环境的影响并满足法律法规要求。RAR压缩包包含实施指南、批处理文件、PDF文件和使用说明文本，帮助用户管理和应用该环境管理标准。

Love Snape·2025-06-14 08:37

python打卡第13天！！！

这个实验仍然有改进空间smote+过采样+修改权重的组合策略#自己尝试使结果变得更好smote+过采样+修改权重的组合策略importnumpyasnp#引入numpy用于计算平均值等fromsklearn.ensemblei

·2025-06-14 04:41

YOLOv1 技术详解：NMS（非极大值抑制）的工作原理与实现细节

YOLOv1技术详解：NMS（非极大值抑制）的工作原理与实现细节一、前言在目标检测任务中，模型往往会输出多个边界框（boundingbox），其中很多是针对同一物体的重复预测。

要努力啊啊啊·2025-06-14 03:09

Yolo/VOC样本在原图上画框代码及样本示例

文章目录YOLO格式可视化参数说明目录结构完整代码VOC格式可视化目录结构完整代码本文介绍的两个代码为可视化目标检测数据集提供解决方案，将样本标签在原图上画框展示，YOLO工具适用于现代检测框架如YOLOv5

@Mr_LiuYang·2025-06-14 01:56

HTTP协议的演进：从HTTP/1.0到HTTP/2.0

本文将逐步深入探讨这两个版本的特点、不足以及改进，以帮助我们更好地理解HTTP协议的发展历程。一、HTTP/1.0的特点与不足HTTP/1.0，作为HTTP协议的早期版本，奠定了Web通信的基础。

只想下班的章鱼哥·2025-06-13 23:08

YOLOv12全栈开发手册：从算法研发到商业落地的完整技术闭环

YOLOv12全栈开发手册：从算法研发到商业落地的完整技术闭环第一章：算法研发与模型设计提示语：突破性创新！

全息架构师·2025-06-13 22:34

In PyTorch 2.6, we changed the default value of the weights_only argument in torch.

问题描述：D:\anaconda\envs\yolov5_mogui\python.exeD:/Instance_Segmentation/yolov5_moguimianju/yolov5-seg-master

神笔馬良·2025-06-13 19:46

1、电子健康记录：构建数字健康基础设施

EHR不仅提高了医疗数据的存储和管理效率，还为医疗保健的各个方面带来了显著的改进。本文将深入探讨EHR的基本概念、结构组成、应用领域及其带来的影响。1.1EHR的基

丛越·2025-06-13 19:15

一文吃透 YOLO 全系列：从 v1 到 v11 的目标检测进化史

而YOLO（YouOnlyLookOnce）系列算法的诞生，彻底颠覆了这一局面——凭借“一次成像即检测”的高效理念，YOLO以实时性和准确性的双重优势，成为行业标杆。

程序员小嬛·2025-06-13 17:56

算法在嵌入式端的部署与优化

算法在嵌入式端的部署与优化前言理论1.参考资源2.其他1.将深度学习模型移植到嵌入式端时，提高推理速度的方法2.深度学习模型移植到嵌入式端的主要流程3.假设将已经训练好的目标检测模型（比如YOLOv3)

早日退休！！！·2025-06-13 16:50

一[3]、ubuntu18.04环境利用 yolov8 训练开源列车数据集，并实现列车轨道检测

开源车载数据集地址(7封私信)轨道交通数据集-OSDaR23:OpenSensorDataforRail2023-知乎二、参考资料https://zhuanlan.zhihu.com/p/692608487YOLOv8

他人是一面镜子，保持谦虚的态度·2025-06-13 14:04

基于YOLOv11与单目测距的实战教程：从目标检测到距离估算

本文将以YOLOv8模型为核心，结合单目相机的几何模型，实现对视频中目标的实时检测与距离估算。代码参考自单目测距原理博客，并通过实践验证其可行性。

东方佑·2025-06-13 14:02

ResNet改进(53)：带有ECA注意力机制的ResNet模型

1.创新点分析本文将详细介绍一个基于PyTorch实现的、带有高效通道注意力(ECA)模块的ResNet模型。这个模型结合了经典的ResNet架构和最新的注意力机制，能够有效提升图像分类任务的性能。模型概述这个代码实现了一个自定义的ResNet模型，主要特点包括：基于ResNet34架构可选择是否使用预训练权重在每个残差块后添加ECA注意力模块可灵活调整输出类别数核心组件解析1.ECAAttent

点我头像干啥·2025-06-13 12:52

HTTP2.0 从原理到实践，保证把你治得服服帖帖！

HTTP是Web传输的基础协议，随着互联网的发展，它不断演进，从最初的HTTP/1.0到HTTP/1.1，再到如今的HTTP/2，每个版本都带来了显著的改进。

·2025-06-13 08:18

【凌智视觉模块】RV1106上部署YOLOv5目标检测及量化原理简介

YOLO（YouOnlyLookOnce）是一种流行的目标检测算法系列，而YOLOv5是其中的一个版本。YOLOv5由Ultralytics公司开发，并不是正式

位东风·2025-06-12 23:43

基于人工势场法的UR5机械臂避障算法（Python）

参考文献：祝敬,杨马英.基于改进人工势场法的机械臂避障路径规划[J].计算机测量与控制,2018,26(10):205-210.主要代码：defpath_planning(self)->List[Joint_point

孟德尔的猫·2025-06-12 22:38

RoBERTa相比BERT的改进

本篇文章主要总结下RoBERTa相比于BERT的改进。RoBERTa在模型结构层面没有改变，改变的只是预训练的方法，具体是以下三点。

火云明月·2025-06-12 22:07

批量将 LabelMe JSON 标注转换为 YOLO 格式

在使用YOLO训练目标检测模型的过程中，标签格式的转换是必不可少的准备步骤之一。

www.02·2025-06-12 21:01

推荐频道

改进yolo