目标检测Yolo

基于YOLOv8的摄像头吸烟行为检测系统（Python源码+Pyqt6界面+数据集）

本文主要内容:详细介绍了摄像头下吸烟行为检测系统，在介绍算法原理的同时，给出Pytorch的源码、训练数据集以及PyQt6的UI界面。在界面中可以选择各种图片、视频进行检测识别，可进行置信度、Iou阈值设定，结果可视化等。1.数据集介绍通过摄像头采集吸烟行为，共采集1812张图片进行标注，按照8:1:1进行训练集、验证集、测试集随机区分。细节图如下：1.1数据集划分通过split_train_va
AI小怪兽·2024-01-30 06:09

计算机视觉的基本概念和技术有哪些?

目标检测和识别：这是识别图像中特定对象的过程，例如使用Haar级联、R-CNN、YOLO等技术。深度学习：这是一种强大的机器学习技术，被广泛
shanshan2099·2024-01-30 05:44

基于深度学习的安全帽检测系统（YOLOv5清新界面版，Python代码）

安全帽检测系统用于自动化监测安全帽佩戴情况，在需要佩戴安全帽的场合自动安全提醒，实现图片、视频和摄像头等多种形式监测。在介绍算法原理的同时，给出Python的实现代码、训练数据集，以及PyQt的UI界面。安全帽检测系统主要用于自动化监测安全帽佩戴情况，检测佩戴安全帽的数目、位置、预测置信度等；可采取图片、视频和摄像头等多种形式监测佩戴情况，并实时显示标记和结果；博文提供了完整的Python代码和使
AI小白龙*·2024-01-29 21:05

【深度学习：目标检测】深度学习中目标检测模型、用例和示例

【深度学习：目标检测】深度学习中目标检测模型、用例和示例什么是物体检测？
jcfszxc·2024-01-29 20:30

yolov4 训练自己的数据集--人头识别

0、实验环境ubuntu16.04opencv3.4.10cuda10.11、yolov4安装1.1、下载编译darknetdarknet下载地址gitclonehttps://github.com/AlexeyAB
晓理紫·2024-01-29 18:28

目标检测数据集 - 人头检测数据集下载「包含VOC、COCO、YOLO三种格式」

严重遮挡行人数据等；适用实际项目应用：监控场景下人头检测项目，以及作为监控场景通用人头检测数据集场景数据的补充；标注说明：采用labelimg标注软件进行标注，标注质量高，提供VOC(xml)、COCO(json)、YOLO
极智视界·2024-01-29 18:56

YOLOv5模型简述

一、模型背景YOLOv5是一个计算机视觉模式设计的对象检测任务，它是YOLO系列的升级版，YOLO系列以其实时物体检测能力而著称。YOLOv5由Ultralytics开发，并于2020年年中发布。
禄亿萋·2024-01-29 16:56

【YOLOv8改进-论文笔记】RFAConv：感受野注意力卷积，创新空间注意力

介绍摘要空间注意力已被广泛用于提升卷积神经网络的性能。然而，它存在一定的局限性。在本文中，我们提出了一个关于空间注意力有效性的新视角，即空间注意力机制本质上是解决卷积核参数共享的问题。然而，由空间注意力生成的注意力图中包含的信息对于大尺寸卷积核来说并不充分。因此，我们提出了一种名为感受野注意力（Receptive-FieldAttention，简称RFA）的新型注意力机制。现有的空间注意力，如卷积
程序员半夏·2024-01-29 13:06

【YOLOv8改进】Inner-IoU: 基于辅助边框的IoU损失(论文笔记+引入代码)

介绍摘要随着检测器的迅速发展,边框回归取得了巨大的进步。然而，现有的基于IoU的边框回归仍聚焦在通过加入新的损失项来加速收敛，忽视IoU损失项其自身的限制。尽管理论上IoU损失能够有效描述边框回归状态，在实际应用中，它无法根据不同检测器与检测任务进行自我调整，不具有很强的泛化性。基于以上，我们首先分析了BBR模式，得出结论在回归过程区分不同回归样本并且使用不同尺度的辅助边框计算损失能够有效加速边框
程序员半夏·2024-01-29 13:06

【YOLOv8改进】骨干网络： SwinTransformer (基于位移窗口的层次化视觉变换器）(论文笔记+引入代码)

文章目录介绍摘要创新点文章链接基本原理HierarchicalFeatureMapsPatchMergingSwinTransformerBlock基于窗口的自注意力移位窗口自注意力核心代码官方代码非官方可用代码YOLOv8
程序员半夏·2024-01-29 13:36

目标检测算法改进系列之添加SCConv空间和通道重构卷积

SCConv-空间和通道重构卷积SCConv（空间和通道重构卷积）的高效卷积模块，以减少卷积神经网络（CNN）中的空间和通道冗余。SCConv旨在通过优化特征提取过程，减少计算资源消耗并提高网络性能。该模块包括两个单元：1.空间重构单元（SRU）：SRU通过分离和重构方法来减少空间冗余。2.通道重构单元（CRU）：CRU采用分割-变换-融合策略来减少通道冗余。论文地址：SCConv:Spatial
我悟了-·2024-01-29 13:01

【YOLOv8改进-论文笔记】SCConv ：即插即用的空间和通道重建卷积

文章目录介绍摘要创新点文章链接基本原理空间重构单元（SRU）分离操作重构操作通道重构单元（CRU）分割操作转换操作融合操作核心代码YOLOv8引入下载YoloV8代码直接下载
程序员半夏·2024-01-29 13:59

yolo,c++目标识别

yolo,c++目标识别yolo官网https://pjreddie.com/darknet/yolo/yologithubhttps://github.com/pjreddie/darknet/下载编译
码狂☆·2024-01-29 12:28

剑指RT-DETR改进主干EfficientNet模型：重新思考卷积神经网络的模型扩展，使得RT-DETR目标检测模型高效涨点

本篇内容：剑指RT-DETR改进主干EfficientNet模型：重新思考卷积神经网络的模型扩展，YOLO系列高效涨点CSDN芒果汁没有芒果：RT-DETR最新首发创新点改进源代码！！
芒果汁没有芒果·2024-01-29 11:52

如何使用YOLOv8训练自己的模型

本文介绍如何用YOLO8训练自己的模型，我们开门见山，直接步入正题。
城南皮卡丘·2024-01-29 09:03

运行yolo v8 YOLOv8-CPP-Inference C++部署遇到的问题

环境：openCv:4.8.0torch:2.0.0cuda:cuda_11.7.r11.7遇到问题：(tools)rog@i7:~/my_file/obj/ultralytics/examples/YOLOv8
YANGXUSHI520·2024-01-29 09:03

检测头篇 | 原创自研 | YOLOv8 更换 SEResNeXtBottleneck 头 | 附详细结构图

左图：ResNet的一个模块。右图：复杂度大致相同的ResNeXt模块，基数（cardinality）为32。图中的一层表示为（输入通道数，滤波器大小，输出通道数）。1.思路ResNeXt是微软研究院在2017年发表的成果。它的设计灵感来自于经典的ResNet模型，但ResNeXt有个特别之处：它采用了多个并行的“组”来处理数据，而不是单一的小路径。这种设计让ResNeXt能更高效地学习多样的特征
迪菲赫尔曼·2024-01-29 09:32

MMDetection

什么是MMDetectionMMDetection实际上是一个用于目标检测的工具包，面向深度学习时代的。
pythonSuperman·2024-01-29 09:27

毕业设计过程学习

传统的目标检测算法主要通过人工设计与纹理、颜色和形状相关的特征来进行目标区域特征的提取。随着深度学习和人工智能技术的飞速发展，目标检测技术也取得了很大的成就。
pythonSuperman·2024-01-29 08:55

Domain Adaptive Object Detection for Autonomous Driving under Foggy Weather

在晴朗天气下训练的目标检测模型在大雾天气下可能由于域间隙而不够有效。本文提出了一种新的雾天自动驾驶领域自适应目标检测框架。我们的方法利用图像级别和对象级别的自适应来减少图像风格和对象外观的领域差异。
暗魂b·2024-01-29 06:21

自定义目标检测：探索YOLO流程并在自定义数据上进行训练

在这篇文章中，我将详细演示如何加载和增强数据以及边界框，训练目标检测算法，并最终查看我们在测试图像中能够多精确地检测对象。虽然随着时间推移可用的工具包变得更易于使用，但仍然存在一些可能遇到的陷阱。
小北的北·2024-01-29 06:51

经典目标检测YOLO系列(三)YOLOv3算法详解

经典目标检测YOLO系列(三)YOLOv3算法详解不论是YOLOv1，还是YOLOv2，都有一个共同的致命缺陷：小目标检测的性能差。
undo_try·2024-01-29 06:10

PaddleDetection v2.6发布：目标小？数据缺？标注累？泛化差？PP新员逐一应对！

更新重点PP-YOLOE家族再添新员，半监督、少样本、蒸馏学习加持，旋转框、小目标、密集全场景检测覆盖；PP-Human、PP-Vehicle
飞桨PaddlePaddle·2024-01-29 06:07

基于PaddleDetection目标检测labelme标注自动获取

在百度的PaddleDetection项目的基础上实现目标检测labelme标注的自动获取，需要先训练一个模型，然后通过这个模型去标注，最后用labelme进行微调from__future__importabsolute_importfrom
Dandelion_2·2024-01-29 06:06

【YOLO系列算法俯视视角下舰船目标检测】

YOLO系列算法俯视视角下舰船目标检测数据集和模型YOLO系列算法俯视视角下舰船目标检测YOLO系列算法俯视视角下舰船目标检测可视化结果数据集和模型数据和模型下载：YOLOv6俯视视角下舰船目标检测+训练好的舰船目标检测模型
stsdddd·2024-01-29 06:04

C#简单使用Yolov5的Onnx格式模型进行目标检测

背景最近要离职了，同事需要了解一下C#如何使用yolov5系列onnx格式模型进行目标检测，由于其对C#不熟练，可能会影响公司后续的开发进度，所以趁着还在，赶紧把手尾搞好。
氷凌公子·2024-01-29 06:33

经典目标检测YOLO系列(三)YOLOv3的复现(2)正样本的匹配、损失函数的实现

经典目标检测YOLO系列(三)YOLOv3的复现(2)正样本的匹配、损失函数的实现我们在之前实现YOLOv2的基础上，加入了多级检测及FPN，快速的实现了YOLOv3的网络架构，并且实现了前向推理过程。
undo_try·2024-01-29 06:33

YOLOv8-Seg改进：分层特征融合策略MSBlock | YOLO-MS ,超越YOLOv8与RTMDet，即插即用打破性能瓶颈

本文改进：分层特征融合策略MSBlock,即插即用打破性能瓶颈YOLOv8-seg创新专栏：http://t.csdnimg.cn/KLSdv学姐带你学习YOLOv8，从入门到创新，轻轻松松搞定科研；1
会AI的学姐·2024-01-28 23:00

YOLOv8-OBB推理详解及部署实现

目录前言一、YOLOv8-OBB推理(Python)1.YOLOv8-OBB预测2.YOLOv8-OBB预处理3.YOLOv8-OBB后处理4.YOLOv8-OBB推理二、YOLOv8-OBB推理(C+
爱听歌的周童鞋·2024-01-28 20:57

在小目标检测上，普通卷积和扩张卷积哪个更具备优势？

在小目标检测上，普通卷积和扩张卷积哪个更具备优势？问题解答：在小目标检测任务上，扩张卷积相对于普通卷积可能具备一些优势，尤其是由于扩张卷积在感受野和多尺度特征捕获方面的性质。
神笔馬良·2024-01-28 19:15

基于深度学习的目标检测入门：Faster R-CNN，YOLO，SSD

在学习深度学习的过程中，经常弹出不同的算法名称，同样是做目标检测的，每篇论文给出了不同的方式，这些算法之间到底有什么区别？目标检测算法有哪些？
Real_man·2024-01-28 18:48

目标检测系列5——Faster R-CNN2（代码实现）

参考黑马程序员教程(1)train.py#trainimportosimporttensorflowastffromtensorflowimportkerasimportnumpyasnpimportmatplotlib.pyplotaspltfromdetection.datasetsimportcoco,data_generatorfromdetection.models.detectorsi
晓码bigdata·2024-01-28 16:19

Caffe SSD编译、训练及测试

SSD的网络结构如上图所示（上面是SSD模型，下面是Yolo模型），可以明显看到SSD利用了多尺度的特征图做检测。安装clone代码（假设代码clone到$CAFFE_ROOT目录）。
埋没随百草·2024-01-28 16:04

YOLOV8原创改进：一种新型轻量级实时检测算法 | 适用场景：低照度场景，如雾天行人车辆等

本文独家改进：本文提出了一种新型轻量级的实时监测算法，通过MobileViT魔改整个backbone，最后提出两个改进版本，YOLOv8_MobileViT和YOLOv8_MobileViT-p2两个版本
AI小怪兽·2024-01-28 15:08

【GitHub项目推荐--计算机视觉工具箱】【转载】

通过EasyCV你可以快速体验最新的图像自监督学习和Transformer技术，并且EasyCV还包含一些常见的计算机视觉的任务，比如图像分类、目标检测等等。
旅之灵夫·2024-01-28 11:29

YoloV8改进策略：BackBone改进|DCNv4最新实践|高效涨点|多种改进教程|完整论文翻译

摘要涨点效果：在我自己的数据集上，mAP50由0.986涨到了0.993，mAP50-95由0.737涨到0.77，涨点明显！DCNv4是可变形卷积的第四版，速度和v3相比有了大幅度的提升，但是环境搭建有一定的难度，对新手不太友好。如果在使用过程遇到编译的问题，请严格按照我写的环境配置。论文：《DCNv4：对视觉应用的动态和稀疏算子的重新思考》https://arxiv.org/pdf/2401.
静静AI学堂·2024-01-28 09:16

Image Enhancement Guided Object Detection in Visually Degraded Scenes

Abstract目标检测准确率在视觉退化场景下降严重。一个普遍的解决方法就是对退化图像进行增强然后再执行目标检测。
暗魂b·2024-01-28 09:21

经典目标检测YOLO系列(三)YOLOV3的复现(1)总体网络架构及前向处理过程

经典目标检测YOLO系列(三)YOLOV3的复现(1)总体网络架构及前向处理过程和之前实现的YOLOv2一样，根据《YOLO目标检测》(ISBN:9787115627094)一书，在不脱离YOLOv3的大部分核心理念的前提下
undo_try·2024-01-28 09:50

iou的cpu和gpu源码实现

本专栏主要是深度学习/自动驾驶相关的源码实现,获取全套代码请参考简介IoU（IntersectionoverUnion）是一种测量在特定数据集中检测相应物体准确度的一个标准，通常用于目标检测中预测框（boundingbox
zwhdldz·2024-01-28 09:10

【Deepsort-yolov5实现无人机视觉检测和跟踪】

Deepsort-yolov5无人机视觉检测和跟踪1.YOLOv5无人机视觉检测1.1训练无人机数据集1.2无人机检测结果2.Deepsort跟踪2.1算法原理2.2无人机跟踪实现2.3无人机运动轨迹可视化
XTX_AI·2024-01-28 08:41

关于对csdn上“yolov5 检测一类物体“这一篇博客的坑的解决（针对于小白）

原文链接：yolov5检测一类物体出现的错误：解决方法：将detect.py里面的代码的106行改为（看代码缩进）：
柯腾啊·2024-01-28 08:11

Deep-Learning-YOLOV4实践：ScaledYOLOv4模型训练自己的数据集调试问题总结

errorerror1:CUDAoutofmemoryerror2:TypeError:can'tconvertcuda:errorDeep-Learning-YOLOV4实践：ScaledYOLOv4
时间之里·2024-01-28 08:39

【DeepLearning-9】YOLOv5模型网络结构中加入MobileViT模块

一、神经网络的前中后期在神经网络中，特别是在深度卷积神经网络（CNN）中，“网络早期（低层）”、“网络中期（中层）”和“网络后期（高层）”通常指的是网络结构中不同层级的部分，每个部分在特征提取和信息处理方面有其特定的作用和特性。1.网络早期（低层）在网络的早期阶段插入MobileViTBv3可能会对原始图像进行较深层次的处理，有助于捕捉更丰富的空间特征。但同时，Transformer可能无法充分利
风筝超冷·2024-01-28 08:33

YOLOv5改进 | 检测头篇 | 利用DySnakeConv改进检测头专用于分割的检测头（全网独家首发，Seg）

这种卷积方法的核心思想是，通过动态形状的卷积核来增强感知能力，针对管状结构的特征提取进行优化，所以将这个卷积针对于YOLOv5的分割头进行融合是非常合适的
Snu77·2024-01-28 08:02

keras yolo v3调用笔记本本地摄像头实时监测

最近在学习yolov3，下载了yolo的keras版本，按照工程里readme中将权重下载，运行Convert后，可以进行yolo的图像检测，图像检测命令：pythonyolo_video.py--image
A大于_963a·2024-01-28 02:45

iOS逆向之Method Swizzle

此教程是一篇严肃的学术探讨类文章，仅仅用于学习研究，也请读者不要用于商业或其他非法途径上，笔者一概不负责哟~~准备工作非越狱的iPhone手机用PP助手下载：微信6.6.5(越狱应用)MachOViewyololibclass-dump
WinJayQ·2024-01-28 01:45

YOLOv3测试和训练

参考文章：学习YOLO系列的个人总结_boss-dog的博客-CSDN博客windows操作系统上运行ultralytics/yolov3进行目标检测_itsgoodtobebad的专栏-CSDN博客0
weixin_42103837·2024-01-27 23:33

三分钟学会使用系列（YOLOv5）|ECA轻量注意力机制，涨点神器！

三分钟学会使用系列（YOLOv5）|ECA轻量注意力机制，涨点神器！本文旨在让读者快速了解相关技术并运用,欢迎关注。
今天炼丹了吗·2024-01-27 21:26

三分钟学会使用系列（YOLOv5）|EMA注意力机制，涨点神器！

三分钟学会使用系列（YOLOv5）|EMA注意力机制，涨点神器！本文旨在让读者快速了解相关技术并运用,欢迎关注。
今天炼丹了吗·2024-01-27 21:26

深度学习有效改进|增强模块|卷积、注意力机制、损失函数等

深度学习|增强模块|卷积、注意力机制、损失函数等前言本系列主要分享深度学习领域前沿技术，多数为目标检测技术和分割技术，欢迎大家收藏关注。
今天炼丹了吗·2024-01-27 21:26
上一页 9 10 11 12 13 14 15 16 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他