YOLO学习记录

目标检测的超级英雄：YOLO带你识别世界

前言YOLO（YouOnlyLookOnce）是计算机视觉领域一颗璀璨的明星，它以高效、快速著称，成为目标检测算法的代表。今天，我们一起走进YOLO的世界，看看它如何神奇地识别图像中的物体。
星际编程喵·2025-02-03 22:32

打架检测系统：基于YOLOv5的实时人群打架行为识别

通过深度学习技术，尤其是基于YOLOv5的目标检测，我们能够对实时视频流中的人群行为进行实时监控，并有效地检测和识别人群中的打架行为。
2025年数学建模美赛·2025-02-03 21:56

【博学谷学习记录】超强总结，用心分享 | Hive分区表和分桶表

#博学谷IT技术支持#一、分区表分区表就是对一个表的文件数据进行分类管理，表现形式就是有很多的文件夹(dt=2019-02-27)。分区表的作用是以后查询时，我们可以手动指定对应分区的数据，避免全表扫描，提高查询效率。所谓的分区表，指的就是将数据按照表中的某一个字段进行统一归类，并存储在表中的不同的位置，也就是说，一个分区就是一类，这一类的数据对应到hdfs存储上就是对应一个目录。当我们需要进行处
Onzswhite·2025-02-03 14:52

夜晚场景下的人车检测数据集VOC+YOLO格式4199张6类别

数据集格式：PascalVOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件)图片数量(jpg文件个数)：4199标注数量(xml
FL1623863129·2025-02-03 06:52

网球比赛检测数据集VOC+YOLO格式6648张5类别

数据集格式：PascalVOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件)图片数量(jpg文件个数)：6648标注数量(xml
FL1623863129·2025-02-03 06:52

2025年最新在线模型转换工具优化模型ncnn，mnn，tengine，onnx

文章目录引言最新网址地点一、模型转换1.框架转换全景图2.安全的模型转换3.网站全景图二、转换说明三、模型转换流程图四、感谢引言在yolov5，yolov8，yolov11等等模型转换的领域中，时间成本常常是开发者头疼的问题
我的青春不太冷·2025-02-03 04:02

500多种目标检测数据集下载地址汇总（YOLO、VOC）

名称辣椒病害分类数据集9076张12类别.7z【目标检测数据集】光伏电池异常检测数据集VOC+YOLO格式219张2类别_2.zip【目标检测数据集】钢丝绳破损灼伤缺陷检测数据集VOC+YOLO格式1318
2401_85863780·2025-02-02 21:10

水稻和杂草检测数据集VOC+YOLO格式1356张2类别

数据集格式：PascalVOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件)图片数量(jpg文件个数)：1356标注数量(xml
FL1623863129·2025-02-02 21:39

openvino yolov11识别

importcv2importpathlibfromultralyticsimportYOLOimportmatplotlib.pyplotaspltimportopenvinoasovcore=ov.Core
yuyuyue249·2025-02-02 14:55

yolov5--hsv增强，hyp超参数，

一.hyp超参数:文件位置：data/hyps/hyp.scratch-low.yaml具体如下：lr0:0.01#initiallearningrate(SGD=1E-2,Adam=1E-3)lrf:0.01#finalOneCycleLRlearningrate(lr0*lrf)momentum:0.937#SGDmomentum/Adambeta1weight_decay:0.0005#op
yuyuyue249·2025-02-02 14:54

yolo是什么，有什么优缺点以及YOLO的应用场景？

目录前言一、yolo是什么？二、YOLO的优点三、YOLO的缺点四、YOLO的应用场景总结前言这里我们来讲一下yolo是什么，有什么优缺点？一、yolo是什么？
cesske·2025-02-02 11:57

YOLOv10改进策略【Neck】| NeurIPS 2023 融合GOLD-YOLO颈部结构，强化小目标检测能力

一、本文介绍本文主要利用GOLD-YOLO中的颈部结构优化YOLOv10的网络模型。
Limiiiing·2025-02-02 10:50

YOLOv10改进策略【Neck】| HS-FPN：高级筛选特征融合金字塔，加强细微特征的检测

一、本文介绍本文将HS-FPN结构融入YOLOv10以优化目标检测网络模型。HS-FPN借助通道注意力机制及独特的多尺度融合策略，有效应对目标尺寸差异及特征稀缺问题。
Limiiiing·2025-02-02 10:49

基于 YOLOv8+PyQt5 的无人机红外目标检测系统：开启智能监测新时代

基于YOLOv8+PyQt5的无人机红外目标检测系统：开启智能监测新时代【毕业与课程大作业参考】基于yolov8+pyqt5界面自适应的无人机红外目标检测系统demo.zip资源-CSDN文库在科技飞速发展的今天
人工智能教学实践·2025-02-02 09:16

《苍穹外卖》项目学习记录-Day10订单状态定时处理

利用Cron表达式生成器生成Cron表达式1.处理超时订单查询订单表把超时的订单查询出来，也就是订单的状态为待付款，下单的时间已经超过了15分钟。//select*fromorderswherestatus=?andorder_timeupdateorderscancel_reason=#{cancelReason},rejection_reason=#{rejectionReason},canc
蝴蝶不愿意·2025-02-02 07:00

【3D目标检测】YOLO3D 基于图像的3D目标检测算法

参考文档：https://ruhyadi.github.io/project/computer-vision/yolo3d/代码：https://github.com/ruhyadi/yolo3d-lightning
BILLY BILLY·2025-02-01 23:40

C 语言学习记录：选择语句与循环语句

在C语言的学习进程中，选择语句和循环语句是构建程序逻辑的重要部分。作为结构化编程语言，C语言主要包含顺序结构、选择结构和循环结构，其中选择语句和循环语句分别控制着程序的分支走向和重复执行，对实现复杂的业务逻辑起着关键作用。接下来，让我们深入学习这两类语句。一、选择语句在生活中，我们时刻面临着各种抉择，比如是选择去清华、北大还是其他地方深造，是否找朋友玩耍，以及选择及时行乐还是克勤克俭的生活方式等。
Aphelios380·2025-02-01 20:15

深度学习模型在汽车自动驾驶领域的应用

典型模型：YOLO：实时目标检测，低延迟特性适合自动驾驶。MaskR-CNN：结合检测与像素级分割，用于精确场景理解
eso1983·2025-02-01 12:37

室内家具检测数据集VOC+YOLO格式7928张10类别

数据集格式：PascalVOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件)图片数量(jpg文件个数)：7928标注数量(xml
FL1623863129·2025-02-01 08:06

【YOLO11改进 - Backbone主干】LSKNet：旋转目标检测新网络,通过DW卷积核和空间选择机制来动态调整目标的感受野

YOLOv11目标检测创新改进与实战案例专栏文章目录：YOLOv11创新改进系列及项目实战目录包含卷积，主干注意力，检测头等创新机制以及各种目标检测分割项目实战案例专栏链接:YOLOv11目标检测创新改进与实战案例文章目录
YOLO大师·2025-02-01 04:34

YOLOv10改进策略【卷积层】| ICCV-2023 LSK大核选择模块 包含二次独家创新

一、本文介绍本文记录的是利用大核选择模块LSK优化YOLOv10的目标检测网络模型。在大尺寸图像中的小目标检测任务中，一直是个难题，无法仅基于外观实现较好的识别，因此需要广泛的上下文信息进行辅助。
Limiiiing·2025-02-01 04:03

YOLOv10改进，YOLOv10检测头融合DynamicHead，添加小目标检测层（四头检测）+CA注意机制，全网首发

摘要作者提出一种新的检测头，称为“动态头”，旨在将尺度感知、空间感知和任务感知统一在一起。如果我们将骨干网络的输出（即检测头的输入）视为一个三维张量，其维度为级别×空间×通道，这样的统一检测头可以看作是一个注意力学习问题，直观的解决方案是对该张量进行全自注意力机制的构建。然而，直接在所有维度上学习注意力函数过于困难，且计算成本过高。因此，作者提出通过分别在特征的每个特定维度上部署注意力机制，即在级
挂科边缘·2025-02-01 04:30

用engine引擎文件在Jetson上面进行推理（YOLOv8）

上可以通过predict.py脚本用.pt权重文件进行推理脚本如下：importwarningswarnings.filterwarnings('ignore')fromultralyticsimportYOLOif
薇憨·2025-02-01 03:29

通过TenSorRT转换后的engine引擎文件进行验证的脚本

YOLOv8算法验证pt文件的精度脚本一般都很常见，工程项目里面一般会有importwarningswarnings.filterwarnings('ignore')fromultralyticsimportYOLOif
薇憨·2025-02-01 03:28

yolov8使用Python训练识别

环境要求:根据《yolov8训练环境搭建》搭建好运行环境参考文献:1、yolo官方文档python版本：https://docs.ultralytics.com/usage/python/2、github
枫林古月·2025-02-01 03:58

YOLOv10-1.1部分代码阅读笔记-tasks.py

tasks.pyultralytics\nn\tasks.py目录tasks.py1.所需的库和模块2.classBaseModel(nn.Module):3.classDetectionModel(BaseModel):4.classOBBModel(DetectionModel):5.classSegmentationModel(DetectionModel):6.classPoseModel
红色的山茶花·2025-02-01 03:27

YOLOv10-1.1部分代码阅读笔记-checks.py

checks.pyultralytics\utils\checks.py目录checks.py1.所需的库和模块2.defparse_requirements(file_path=ROOT.parent/"requirements.txt",package=""):3.defparse_version(version="0.0.0")->tuple:4.defis_ascii(s)->bool:5
红色的山茶花·2025-02-01 03:27

YOLOv10-1.1部分代码阅读笔记-loss.py

loss.pyultralytics\utils\loss.py目录loss.py1.所需的库和模块2.classVarifocalLoss(nn.Module):3.classFocalLoss(nn.Module):4.classBboxLoss(nn.Module):5.classRotatedBboxLoss(BboxLoss):6.classKeypointLoss(nn.Module)
红色的山茶花·2025-02-01 03:27

YOLOv9-0.1部分代码阅读笔记-common.py

common.pymodels\common.py目录common.py1.所需的库和模块2.defautopad(k,p=None,d=1):3.classConv(nn.Module):4.classAConv(nn.Module):5.classADown(nn.Module):6.classRepConvN(nn.Module):7.classSP(nn.Module):8.classMP
红色的山茶花·2025-02-01 03:26

YOLOv7-0.1部分代码阅读笔记-common.py

common.pymodels\common.py目录common.py1.所需的库和模块2.defautopad(k,p=None):3.classMP(nn.Module):4.classSP(nn.Module):5.classReOrg(nn.Module):6.classConcat(nn.Module):7.classChuncat(nn.Module):8.classShortcut
红色的山茶花·2025-02-01 03:26

YOLOv8-ultralytics-8.2.103部分代码阅读笔记-block.py

block.pyultralytics\nn\modules\block.py目录block.py1.所需的库和模块2.classDFL(nn.Module):3.classProto(nn.Module):4.classHGStem(nn.Module):5.classHGBlock(nn.Module):6.classSPP(nn.Module):7.classSPPF(nn.Module):
红色的山茶花·2025-02-01 03:26

基于深度学习的行人检测与识别系统：YOLOv5、YOLOv8、YOLOv10与UI界面的实现

YOLO（YouOnlyLookOnce）系列模型，作为目前目标检测领域
2025年数学建模美赛·2025-02-01 03:25

基于深度学习的行人检测识别系统：YOLOv8 + UI界面 + 数据集完整实现

随着深度学习技术的迅猛发展，基于卷积神经网络（CNN）的方法，尤其是YOLO（YouOnlyLookOnce）系列算法，在行人检测中取得了显著的效果。
2025年数学建模美赛·2025-02-01 03:55

YOLOv10：面向下一代目标检测模型的创新探索

YOLO（YouOnlyLookOnce）系列作为实时目标检测的代表性模型，自发布以来便因其速度与精度的平衡性得到了广泛关注和应用。
AgriTube·2025-01-31 20:31

YOLOv5：目标检测新星，解锁高性能实时识别

YOLOv5：目标检测新星，解锁高性能实时识别【下载地址】yolov5改进策略案例分析资源合集YOLOv5，作为目标检测领域的一颗明星，基于经典的YOLOv4算法进行了一系列创新性优化，显著提升了检测速度与精度
殷连靖Harlan·2025-01-31 20:28

YOLO系列之训练环境（GPU）搭建篇

YOLOv8专栏导航：点击此处跳转Pytorch环境配置（Windows）Anaconda安装此处下载安装即可⭐温馨提示：安装路径
w94ghz·2025-01-31 17:01

YOLOv10改进策略【注意力机制篇】| EMA 即插即用模块，提高远距离建模依赖（含二次创新）

一、本文介绍本文记录的是基于EMA模块的YOLOv10目标检测改进方法研究。EMA认为跨维度交互有助于通道或空间注意力预测，并且解决了现有注意力机制在提取深度视觉表示时可能带来的维度缩减问题。
Limiiiing·2025-01-31 17:31

基于YOLOv11无人机视角船舶检测系统：项目概述与技术实现

文章目录YOLOv11无人机视角船舶检测系统：项目概述与技术实现项目背景项目简介核心目标YOLOv11的技术优势1.**更强的特征提取能力**2.**改进的多尺度检测**3.**轻量化设计**4.
qq1309399183·2025-01-31 14:03

探索高效嵌入式视觉应用：RK3588/RK3568/RK3566 Linux QT Opencv NPU YoloV5摄像头实时检测系统...

探索高效嵌入式视觉应用：RK3588/RK3568/RK3566LinuxQTOpencvNPUYoloV5摄像头实时检测系统rk_yolov5.zip项目地址:https://gitcode.com/
陆依嫣·2025-01-31 12:48

目标检测入门教程：使用Python实现目标检测算法

我们将使用一种广泛应用的目标检测算法——基于深度学习的单阶段检测器YOLO（YouOnlyLookOnce）的最新版本YOLOv4作为示例。
晨曦之光，优美芝麻·2025-01-31 10:05

WPF学习记录之MVVM（一）数据绑定

这个是我自己的学习记录，大佬们不喜勿喷，刚接触这个圈子一个月，为了给跟我一样的新手分享一下都能怎么实现数据绑定，互相参考，所以选择公开记录。
一个新的不能再新的开发者·2025-01-31 10:01

yolov11网页版2.0（附源码+响应式）

演示视频：（功能演示）yolov11网页版2.0（附源码+响应式）_哔哩哔哩_bilibili项目链接：https://blog.csdn.net/Pan_peter/article/details/145130452
Pan_peter·2025-01-31 01:13

COCO8 数据集上训练 YOLO11n：从入门到跑路（100 轮训练实战）

前言训练YOLO11n，听起来就像是给赛博世界的“战斗天使”装上双核发动机，而COCO8数据集，则是那个小小的试验场。
星际编程喵·2025-01-30 23:27

YOLOv11-ultralytics-8.3.67部分代码阅读笔记-head.py

head.pyultralytics\nn\modules\head.py目录head.py1.所需的库和模块2.classDetect(nn.Module):3.classSegment(Detect):4.classOBB(Detect):5.classPose(Detect):6.classClassify(nn.Module):7.classWorldDetect(Detect):8.cl
红色的山茶花·2025-01-30 19:53

Deepseek 对种猪市场会带来哪些影响？

2.推动智能化养殖技术的应用和提到，深度学习技术（如YOLOv5模型）已经被应用于生猪的
百态老人·2025-01-30 16:23

YOLOv11小白的进击之路（六）创新YOLO的iou及损失函数时的源码分析

iou或者说是损失函数的修改经常作为论文的创新点之一，那这篇文章就总结分析了在对YOLO11进行损失函数创新时需要关注的源代码，新的一年祝大家论文与财都发发发！
水静川流·2025-01-30 12:23

JavaScript学习记录22

第十节RegExp对象1.概述正则表达式（regularexpression）是一种表达文本模式（即字符串结构）的方法，有点像字符串的模板，常常用来按照“给定模式”匹配文本。比如，正则表达式给出一个Email地址的模式，然后用它来确定一个字符串是否为Email地址。JavaScript的正则表达式体系是参照Perl5建立的。新建正则表达式有两种方法。一种是使用字面量，以斜杠表示开始和结束。varr
济南小草根·2025-01-30 11:19

SpringBoot中运行Yolov5程序

文章目录SpringBoot中运行Yolov5程序一、引言二、环境搭建1、SpringBoot项目创建2、YOLOv5环境配置三、SpringBoot与YOLOv5集成1、创建Python服务2、SpringBoot
eqa11·2025-01-30 09:58

YOLO 目标检测编程详解

YOLO（YouOnlyLookOnce）是一种流行的目标检测算法，因其速度快且准确度高而广受好评。本文将深入探讨YOLO的原理及其实现方法，并提供一个使用Python和PyTorch的示例代码。
不知名靓仔·2025-01-30 04:56

Python实现YOLO目标检测

#-*-coding:utf-8-*-#载入所需库importcv2importnumpyasnpimportosimporttimedefyolo_detect(pathIn='',pathOut=None
我专门写bug·2025-01-30 04:54
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他