YOLO损失函数第8页

《深度解析：批量、随机和小批量梯度下降的区别与应用》

原理与计算方式批量梯度下降（BGD）：BGD在每次迭代时，都会使用整个训练数据集来计算损失函数的梯度，然后根据梯度更新模型参数。例如，若训练集中有1000个样本，那么每次迭代

·2025-02-14 09:40

模型实战（19）之从头搭建yolov9环境+tensorrt部署+CUDA前处理 -＞实现目标检测

从头搭建yolov9环境+tensorrt部署实现目标检测yolov9虚拟环境搭建实现训练、推理与导出导出onnx并转为tensorrt模型Python\C++-trt实现推理，CUDA实现图像前处理文中将给出详细实现源码

明月醉窗台·2025-02-14 09:59

rk3588部署yolov8视频目标检测教程

.环境配置1.1训练和导出onnx环境（电脑端执行）#使用conda创建一个python环境condacreate-ntorchpython=3.9#激活环境condaactivatetorch#安装yolov8p

今夕是何年，·2025-02-14 05:58

机器学习·逻辑回归

一、逻辑回归vs线性回归特性逻辑回归线性回归任务类型分类（二分类为主）回归（预测连续值）输出范围(0,1)（概率值）(-∞,+∞)核心函数Sigmoid函数线性函数损失函数对数损失函数（交叉熵）均方误差

AAA顶置摸鱼·2025-02-14 03:00

YOLO各版本原理和优缺点解析

YOLO（YouOnlyLookOnce）是一种实时目标检测算法，以其高速度和较高精度著称。

Ash Butterfield·2025-02-14 00:08

机器学习面试笔试知识点-线性回归、逻辑回归(Logistics Regression)和支持向量机(SVM)

机器学习面试笔试知识点-线性回归、逻辑回归LogisticsRegression和支持向量机SVM微信公众号：数学建模与人工智能一、线性回归1.线性回归的假设函数2.线性回归的损失函数（LossFunction

qq742234984·2025-02-13 07:39

学习系列二：常用目标检测的格式转换脚本文件txt,json等

常用目标检测的格式转换脚本文件txt,json等文章目录常用目标检测的格式转换脚本文件txt,json等前言一、json格式转yolo的txt格式二、yolov8的关键点labelme打的标签json格式转可训练的

小啊磊_Vv·2025-02-12 21:23

【目标检测】YOLO格式数据集txt标注转换为COCO格式JSON

ericdiii·2025-02-12 21:21

目标检测:yolo格式txt转换成COCO格式json

importosimportjsonfromPILimportImagecoco_format_save_path="/home/admin1/data/LVIS"#要生成的标准coco格式标签所在文件夹yolo_format_classes_path

詹姆斯德·2025-02-12 21:49

基于泰勒展开改进的物理信息神经网络

PINN通过将物理定律嵌入到神经网络的损失函数中，能够在缺乏大量数据的情况下，有效地解决复杂的物理问题。

天天酷科研·2025-02-12 20:39

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

ops.pyultralytics\utils\ops.py目录ops.py1.所需的库和模块2.classProfile(contextlib.ContextDecorator):3.defsegment2box(segment,width=640,height=640):4.defscale_boxes(img1_shape,boxes,img0_shape,ratio_pad=None,pa

红色的山茶花·2025-02-12 19:34

基于深度学习YOLOv5的海洋动物检测系统

YOLO（YouOnlyLookOnce）系列模型作为一种高效的目标检测算法，以其实时性和高精度在许多领域得到了广泛应用。

深度学习&目标检测实战项目·2025-02-12 19:33

BP神经网络学习内容分享：学习激活函数和损失函数

一、激活函数1.激活函数的作用激活函数（ActivationFunction）在神经网络中扮演着至关重要的角色。它们的主要作用是将神经元的输入（加权和）转化为一个输出信号，这个输出信号可以进一步作为后续神经元或层的输入。具体来说，激活函数的作用包括以下几个方面：（1）引入非线性：激活函数的核心功能之一是引入非线性因素。由于神经网络的线性组合本身仍然是线性的，如果不使用激活函数，那么无论网络有多少层

强哥带你学BP神经网络·2025-02-12 19:32

基于YOLOv5、YOLOv8和YOLOv10的车站行李监控系统：深度学习应用与实现

传统的人工检查方法已经无法满足快速响应和高精度的需求，而基于深度学习的目标检测技术，特别是YOLO（YouOnlyLookOnce）系列算法，成为了高效解决此类问题的理想选择。

深度学习&目标检测实战项目·2025-02-12 15:06

常见目录和文件

激活函数、损失函数常见文件detec.py——传入参数，调用modelstrain.py——传入参数，调用models，学习率test.py——复现最佳结果main.py——定义一些参数。

被放养的研究生·2025-02-12 10:35

使用yolo11x进行物体分类

利用yolo11x进行物体识别一、物品分类代码说明模型加载：加载yolo11x.pt模型，如果这个模型在物体分类上表现不佳，可以考虑使用像yolov8n.pt这类通用的预训练模型。

欣然～·2025-02-12 10:35

YOLOv8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YOLOv8的网络模型。

Limiiiing·2025-02-12 09:31

机器学习（入门3）

w1x1+w2x1+w3x3+…+b一般用矩阵形式表示4.1.1线性模型：自变量一次；参数一次(自变量高次方,非线性函数）y=w1x1+w2x2^2+…+b4.1.2线性回归的损失和优化[目标：求模型参数]损失函数

caspesjpe·2025-02-11 21:55

基于深度学习YOLOv5的火焰检测系统

本文将介绍如何基于深度学习和YOLOv5模型，构建一个火焰检

深度学习&目标检测实战项目·2025-02-11 13:04

YOLOv8改进策略【Neck】| TPAMI 2024 FreqFusion 频域感知特征融合模块解决密集图像预测问题

一、本文介绍本文主要利用FreqFusion结构改进YOLOv8的目标检测网络模型。

Limiiiing·2025-02-11 09:37

RLHF代码解读

#模型的损失函数loss=value_chosen-value_rejectedloss=-to

木木木马马·2025-02-11 00:25

【目标检测xml2txt】label从VOC格式xml文件转YOLO格式txt文件

目录1.VOC格式xml文件2.YOLO格式txt文件3.xml2txt代码（python）整理不易，欢迎一键三连！！！

zy_destiny·2025-02-10 17:35

视频分析：基于目标检测（YOLO）实现走路看手机检测、玩手机检测、跌倒检测等

文章大纲背景行为检测的定义与挑战视频分析数据集目标检测数据集自制数据集思路Kaggle数据集COCO数据集OpenImagesDatasetV7人类行为视频分析yolo进行行为分析的检测看手机行为检测-

shiter·2025-02-10 07:26

基于yolo的自定义模型训练

YOLOv8自定义模型训练全流程指南，包含数据准备、标注、训练的详细步骤和可视化说明一、数据准备流程图graphTDA[拍摄商品照片]-->B[数据标注]B-->C[划分数据集]C-->D[配置YAML

阿拉斯攀登·2025-02-10 06:18

打造智能体育赛事分析：YOLO目标检测系统详解

深度学习技术，尤其是YOLO（YouOnlyLookOnce）模型，因其高效和准确的特性，成为目标检测领域的主流选择。

A等天晴·2025-02-10 06:17

基于yolo的视频检测分析

基于yolo的视频检测分析分步骤实现视频处理、目标检测与追踪、动作分析、计数逻辑，然后整合成API完整的解决方案，包含视频分析逻辑和API封装，使用Python、YOLOv8和FastAPI实现代码如下

阿拉斯攀登·2025-02-10 05:13

一文解释nn、nn.Module与nn.functional的用法与区别

，十二点的黑夜遮蔽不住黎明的曙光目录1.前言2.Torch.nn库3.nn.Module4.nn.functional4.1基本用法4.2常用的functional中的函数4.2.1激活函数4.2.2损失函数

十二月的猫·2025-02-10 03:23

行人检测系统：基于YOLOv5的行人检测与UI界面实现

随着深度学习技术的快速发展，YOLO（YouOnlyLookOnce）系列模型在目标检测任务中表现出了极高的准确性和速度，成为了行人检测的常用工具。本文将详细介绍如何使用YOLOv5实现行人检

深度学习&目标检测实战项目·2025-02-10 01:37

创建一个基于YOLOv8+PyQt界面的驾驶员疲劳驾驶检测系统实现对驾驶员疲劳状态的打哈欠检测，头部下垂疲劳眼睛检测识别

如何使用Yolov8创建一个基于YOLOv8的驾驶员疲劳驾驶检测系统文章目录1.数据集准备2.安装依赖3.创建PyQt界面4.模型训练1.数据集准备2.模型训练数据集配置文件(`data.yaml`)训练脚本

QQ_767172261·2025-02-09 19:54

【Windows/C++/yolo开发部署03】将实例分割模型ONNX导出为 TensorRT 引擎：完整记录

【完整项目下载地址】：【TensorRT部署YOLO项目：实例分割+目标检测】+【C++和python两种方式】+【支持linux和windows】资源-CSDN文库目录写在前面环境准备1.使用trtexec

认识祂·2025-02-09 13:42

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

dist.pyultralytics\utils\dist.py目录dist.py1.所需的库和模块2.deffind_free_network_port()->int:3.defgenerate_ddp_file(trainer):4.defgenerate_ddp_command(world_size,trainer):5.defddp_cleanup(trainer,file):1.所需的库

红色的山茶花·2025-02-09 12:36

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

instance.pyultralytics\utils\instance.py目录instance.py1.所需的库和模块2.def_ntuple(n):3.classBboxes:4.classInstances:1.所需的库和模块#UltralyticsAGPL-3.0License-https://ultralytics.com/licensefromcollectionsimportab

红色的山茶花·2025-02-09 12:36

渣土车检测数据集VOC+YOLO格式826张1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)：826标注数量(xml

FL1623863129·2025-02-09 11:34

yolo目标识别数据集

在目标识别领域，在机器学习和计算机视觉中，使用YOLO（YouOnlyLookOnce）模型进行目标检测是一种常见的方法。为了使用YOLO进行目标识别，你需要准备一个适当的数据集。

无人机长了一个脑袋·2025-02-09 11:04

Win与Linux下，Python调用Basler相机完整步骤-实现拍照保存

拍照完成后可以使用yolo进行识别，过完年上班后我会发布使用basler调用yolo识别的代码。代码在最后，如果帮到你了，请帮忙给个赞或收藏谢谢！！有问题在评论区反应，看到就会回复使用方法：

宇宙美男般的工程师·2025-02-09 04:02

python实现yolo目标检测_目标检测|YOLO原理与实现

欢迎交流与转载，文章会同步发布在公众号：机器学习算法全栈工程师(Jeemy110)最新的YOLOv2和YOLOv3:小白将：目标检测|YOLOv2原理与实现(附YOLOv3)zhuanlan.zhihu.com

weixin_39709194·2025-02-08 20:10

【深度学习】L1损失、L2损失、L1正则化、L2正则化

L1Regularization）4.L2正则化（L2Regularization）5.总结5.1为什么L1正则化会产生稀疏解L2正则化会让权重变小L1损失、L2损失、L1正则化、L2正则化是机器学习中常用的损失函数和正则化技术

小小小小祥·2025-02-08 15:31

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

errors.pyultralytics\utils\errors.py目录errors.py1.所需的库和模块2.classHUBModelError(Exception):1.所需的库和模块#UltralyticsAGPL-3.0License-https://ultralytics.com/licensefromultralytics.utilsimportemojis2.classHUBM

红色的山茶花·2025-02-08 11:31

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

trainer.pyultralytics\engine\trainer.py目录trainer.py1.所需的库和模块2.classBaseTrainer:1.所需的库和模块#UltralyticsYOLO

红色的山茶花·2025-02-08 11:01

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

utils.pyultralytics\data\utils.py目录utils.py1.所需的库和模块2.defimg2label_paths(img_paths):3.defget_hash(paths):4.defexif_size(img:Image.Image):5.defverify_image(args):6.defverify_image_label(args):7.defpoly

红色的山茶花·2025-02-08 11:31

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

files.pyultralytics\utils\files.py目录files.py1.所需的库和模块2.classWorkingDirectory(contextlib.ContextDecorator):3.defspaces_in_path(path):4.defincrement_path(path,exist_ok=False,sep="",mkdir=False):5.deffil

红色的山茶花·2025-02-08 10:55

YOLOv10改进 | 独家创新- 注意力篇 | YOLOv10引入结合SimAM和SKAttention形成全新的SKAM注意力机制和C2f_SKAM(全网独家创新)

1.SKAM介绍SKAM（SimAMandSKAttentionModule）注意力机制结合了SimAM和SKAttention的优点，能够在图像特征提取中表现出更为优异的性能。SimAM注意力机制SimAM（SimplifiedAttentionModule）是一种简单但有效的注意力机制，旨在增强重要特征，同时抑制不相关的特征。SimAM的主要优点包括：(1).计算简单：SimAM仅需计算均值和

小李学AI·2025-02-08 04:11

运用Faster RCNN、YOLO经典目标检测算法对滑坡图像进行检测

本次实验采用的操作系统为Ubuntu16.04平台，编程环境基于Python，GPU为NVIDIAGeForce740m，在基于深度学习框架CAFFE下进行实验。实验输出结果

AngeliaZ·2025-02-08 04:10

ubuntu22.04，瑞芯微RK3568部署YOLOv5(纯干货版)

目录1,训练自己的数据集转换为onnx2，onnx格式→rknn格式3,3588平台部署1,训练自己的数据集转换为onnx在Anaconda的yolov5，进入yolov5根目录，终端运行如下pythonmodels

今夕是何年，·2025-02-07 16:58

基于深度学习的行人摔倒检测识别系统 —— 使用YOLOv5实现行人摔倒检测

目录引言项目背景与目标1.1项目背景1.2项目目标系统设计与架构2.1系统功能概述2.2系统架构数据准备与处理3.1数据集选择与收集3.2数据标注3.3数据集划分YOLOv5模型训练与优化4.1YOLOv5

2025年数学建模美赛·2025-02-07 13:34

基于 DeepSeek-R1 模型微调（SFT）技术详解

模型特点与优势2.2.1语言理解与生成能力2.2.2计算效率与扩展性微调（SFT）基础概念3.1微调的定义与作用3.2监督微调（SFT）与其他微调方法的区别3.3SFT在实际应用中的价值SFT技术原理4.1损失函数设计

zhangjiaofa·2025-02-07 10:43

python写接口调用模型_对YOLOv3模型调用时候的python接口详解

需要注意的是：更改完源程序.c文件，需要对整个项目重新编译、makeinstall，对已经生成的文件进行更新，类似于之前VS中在一个类中增加新函数重新编译封装dll，而python接口的调用主要使用的是libdarknet.so文件，其余在配置文件中的修改不必重新进行编译安装。之前训练好的模型，在模型调用的时候，总是在lib=CDLL("/home/*****/*******/darknet/li

weixin_39835607·2025-02-07 07:28

yolov11目标检测与跟踪+区域识别+车道线流量计数

QQ_1309399183·2025-02-07 02:23

深度学习篇---深度学习相关知识点&关键名词含义

必须掌握的核心基础）1.数学基础•线性代数•微积分•概率与统计2.编程基础3.机器学习基础二、深度学习核心层（神经网络与训练机制）1.神经网络基础2.激活函数（ActivationFunction）3.损失函数

Ronin-Lotus·2025-02-06 21:21

深度学习篇---深度学习中的超参数&张量转换&模型训练

LearningRate）定义重要性常见设置2.批处理大小（BatchSize）定义重要性常见设置3.迭代次数（NumberofEpochs）定义重要性常见设置4.优化器（Optimizer）定义重要性常见设置5.损失函数

Ronin-Lotus·2025-02-06 21:50

推荐频道

YOLO损失函数