YOLOV 第50页

YOLOv4 论文总结

贡献：1.有效且强大的模型，常规GPU（1080tior2080ti）可得到实时、高质量的检测结果。2.在训练中，验证Bag-of-Freebies和Bag-of-Specials方法3.提出了两种数据增强手段，马赛克和自对抗训练（SAT）4.修改了最先进的方法，更有效且适合单GPU训练。views：1.简单说就是一个拼接怪，把大家提出的模块和提高检测的手段用到了一起，进行了丰富的实验2.值得一提

低吟浅笑·2023-10-13 14:55

使用Yolov5+Pytorch训练自定义目标检测模型

一、简介使用Pytorch、Yolov5和OpenCV，完成目标检测模型的训练和部署。项目的两个功能：（1）Yolov5离线文件夹：主要是为了照顾国内的网络环境。

ice小游·2023-10-13 11:15

[Yolo部署落地系列教程]（2）Yolov5之Pytorch部署

Yolov5之Pytorch部署前言代码介绍使用方式1.导入库2.定义推理单张图片函数3.实际测试推理单张图片4.定义推理图片文件夹函数5.实际推理图片文件夹6.定义推理视频函数7.实际推理视频模型库前言

是小晰瓜啊·2023-10-13 11:44

【yolov5】改进系列——特征图可视化

文章目录前言一、特征图可视化二、可视化指定层三、合并通道可视化总结前言对于特征图可视化感兴趣可以参考我的另一篇记录：六行代码实现：特征图提取与特征图可视化，可以实现分类网络的特征图可视化最近忙论文，想在yolov5

Cpsu·2023-10-13 11:09

【RKNN】YOLO V5中pytorch2onnx，pytorch和onnx模型输出不一致，精度降低

在yolov5训练的模型，转onnx，再转rknn后，测试发现：rknn模型，量化与非量化，相较于pytorch模型，测试精度都有降低onnx模型，相较于pytorch模型，测试精度也有降低，且与rknn

钱多多先森·2023-10-13 11:36

竞赛选题深度学习+opencv+python实现车道线检测 - 自动驾驶

文章目录0前言1课题背景2实现效果3卷积神经网络3.1卷积层3.2池化层3.3激活函数：3.4全连接层3.5使用tensorflow中keras模块实现卷积神经网络4YOLOV56数据集处理7模型训练8

laafeer·2023-10-13 10:01

基于YOLOv5、YOLOv8的火灾检测（超实用毕业设计项目）

yolo系列文章目录摘要：基于YOLOV5模型的火灾检测系统用于日常生活中检测与定位火灾目标，包括建筑火灾、森林火灾等。

落叶霜霜·2023-10-13 08:25

[yolo系列：yolov7添加可变形卷积Deformable Conv V2]

二、使用步骤1.在models/common.py文件添加2.然后再yolo.py里面添加DCNv23.修改yolov7的yaml总结参考文章一、可变形卷积是什么？

落叶霜霜·2023-10-13 08:24

Yolov7中报错ValueError : not enough values to unpack (expected 3, got 0)

报错提示为：labels,shapes,self.segments=zip(cache.values())注意给的数据集格式，主要是一下几点原因这里错误提示是你的datasets.py中的读取labels缓存的函数没有读到东西，证明你可能没有图片载入缓存，这通常原因可能是1、my.ymal的路径不对2、图片，标签名称包含中文3、你的标签文件的class分类是负数，是否归一化在你检查上述所有的解决办

哑巴湖水怪·2023-10-13 08:54

运行yolov8报错：ValueError: not enough values to unpack (expected 3, got 0)

把项目.yaml文件中的数据集路径改为绝对路径，删除label中之前生成的.cache文件后重新运行。

快快乐乐小小草·2023-10-13 08:22

《YOLOv7高阶自研》专栏介绍 & CSDN独家改进创新实战& 专栏目录

YOLOv7高阶自研专栏介绍：http://t.csdnimg.cn/tYI0c✨✨✨前沿最新计算机顶会复现YOLOv7自研创新结合，轻松搞定科研持续更新中，定期更新不同数据集涨点情况目录全网首发&独家改进

AI小怪兽·2023-10-13 08:48

yolov5x损失函数反向传播--chatgpt3.5指导

Yolov5x反向传播的路径，按顺序从检测头到主干网络列出：1.YOLOv5检测头的反向传播：根据预测框和真实框之间的差异计算出损失函数值，然后通过反向传播来更新网络参数。

春夜·2023-10-13 07:18

[深度学习][转载]yolov5中3个损失函数含义

1.1网络结构yolov5给出了五个版本的网络结构：YOLOv5n、YOLOv5s、YOLOv5m、YOLOv5l、YOLOv5x。

FL1623863129·2023-10-13 07:18

yolov5中的位置损失到底有哪些？

今天就理一理yolov5的损失，并重点讲一下其中的位置损失。------------------------yolov5有三个损失函数：分类损失，位置损

猫猫与橙子·2023-10-13 07:17

darknet yolov3 yolov4在windows上傻瓜式训练工具和教程

darknetyolov3yolov4在windows上傻瓜式训练工具和教程本工具支持darknetGPU或者CPU版本快速训练，使用者基本无需了解yolo知识即可开启自己的训练任务，本工具支持5个框架傻瓜式训练

未来自主研究中心·2023-10-13 05:39

【华为昇腾】【Atlas 200】【青云1000】YOLOv5训练并部署到青云1000 基于Ascend 310

YOLOv5训练并部署到青云1000准备数据集（PC）在个人电脑（PC）端准备待标注的图片，放置于全英文路径下AI辅助标注工具：X-Anylabeling昇腾模型适配工具（PC）在个人电脑（PC）端安装安装文档训练目标检测模型安装

__XWH1999__·2023-10-13 04:54

yolov5训练加速--一个可能忽视的细节（mmdetection也一样），为什么显卡使用率老是为0？

yolov5的训练参数里面有一个--cache，默认是ram，就是把解码后的图片保存在内存中。也可以是disk，就会把解码后的图片保存在硬盘上。

kv1830·2023-10-13 04:44

yolov8 strongSORT多目标跟踪工具箱BOXMOT

在以前的版本中，有yolov5+deepsort（版本v3-v5），yolov8+strongsort（版本v6-v9），直至演变到v10，名称BOXMOT。

王定邦·2023-10-13 02:37

助力农作物病虫害检测识别，基于yolov3—yolov8开发构建马铃薯作物甲虫检测识别系统

Together_CZ·2023-10-13 01:06

激光除草距离我们实际的农业生活还有多远，结合近期所见所感基于yolov8开发构建田间作物杂草检测识别系统

最近的中秋、国庆双节相信很多朋友都会回家和家人团聚，我也一样，我的家乡是比较小众偏远的乡村，童年给我的最大的记忆就是干不完的农活，而这农活中很大一部分就是蹲在田间地头去人力拔草、撒肥料等，人力终究是很慢效率也很低，跟着父母劳作在玉米田间拔草，也因此认识了很多杂草，随着后面读书、上学、工作不断地背井离乡远离我的家乡，回家的次数也越来越少，如今的村里人也不多了基本上没有什么青壮年，路边的杂草随处可见，

Together_CZ·2023-10-13 01:06

自建数据集，基于YOLOv7开发构建农田场景下杂草检测识别系统

在我们前面的一些文章中也做过不少跟农业相关的检测项目，感兴趣的话可以自行移步阅读即可，这里仅给出来最近的两个：《激光除草距离我们实际的农业生活还有多远，结合近期所见所感基于yolov8开发构建田间作物杂草检测识别系统

Together_CZ·2023-10-13 01:34

【CANN训练营-模型部署入门】【CANN训练营0基础赢满分秘籍】昇腾310的Yolov5模型部署全流程课堂例程学习

Ascend训练营:yolov5目标检测代码C++版初探(310开发板运行)一、交叉编译环境安装以下都是在已经安装好CANN的情况下进行下一步的操作：(CANN安装参考:Ascend训练营请参考CANN

karartjjk·2023-10-12 22:24

[软件工具][原创]yolov7快速训练助手使用教程傻瓜式训练不需要写代码配置参数

yolov7的发布标志着深度学习目标检测领域又新增一员虎将，是darknet原作者团队最新力作。为了跟上时代发展要求，yolov7快速训练助手更新出来。本此更新依旧面向懒人和初学者，使用非常简单。

未来自主研究中心·2023-10-12 21:11

YOLOv7改进策略：RIFormerBlock助力检测｜CVPR2023 RIFormer：无需TokenMixer也能达成SOTA性能的极简ViT架构

本文属于原创独家改进：稀疏重参数RIFormerBlock模型引入YOLOv7进行创新性RIFormerBlock|亲测在多个数据集实现涨点；收录：YOLOv7高阶自研专栏介绍：http://t.csdnimg.cn

AI小怪兽·2023-10-12 21:02

YOLOv8 测试记录

前言 YOLOv8GitHub地址：https://github.com/ultralytics/ultralytics 官方文档：https://docs.ultralytics.com/1.单路视频目标跟踪

秋山丶雪绪·2023-10-12 17:32

jetson yoloV7+sort+ros2+rtsp推流

项目要求：1.识别行人车辆2.跟踪目标3.推流出目标跟踪图像项目平台：jetson项目实现：1.部署下yolo2.添加跟踪算法sort3.将识别图像推流项目效果：1.推流延迟0.8秒2.sort跟踪效果不是很好项目实现：1.从网络相机读取图像，再发送成ros包2.读取ros图像，进行识别跟踪，并发送新的ros图像3.读取ros图像，进行rtsp推流

涂鸦c·2023-10-12 14:16

yolov5自定义模型训练三

经过11个小时cpu训练完如下在runs/train/expx里存放训练的结果，测试是否可以检测ok网上找的这张识别效果不是很好，通过加大训练次数和数据集的话精度可以提升。训练后的权重也可以用视频源来识别，pythondetect.py--source0#webcamfile.jpg#imagefile.mp4#videopath/#directorypath/*.jpg#glob'https:/

iot-lorawan·2023-10-12 14:14

yolov5模型转换

yolov5本身release目录有提供了onnx转换好的模型，想着也自己操作一遍，可是实际操作却遇到了问题，这里做下记录方便后续可能用到安装onnx，转的时候提示出错ONNX:exportfailure0.1s

iot-lorawan·2023-10-12 14:14

yolov5自定义模型训练二

前期准备好了用于训练识别是否有火灾的数据集后就可以开始修改yolo相关文件来进行训练数据集放到yolov5目录里在data目录下新建yaml文件设置数据集信息如下在model文件夹下新增新的model文件开始训练训练出错确认后是对训练数据集文件夹里的文件名字有要求

iot-lorawan·2023-10-12 14:13

ubuntu配置yolov5环境

本文硬件平台为工控机，系统环境为ubuntu18配置yolov5步骤1.下载pytorch和torchvision软件包由于在线安装容易出现安装失败，所以本文使用的是本地安装。

谏书稀·2023-10-12 08:14

目标检测YOLO实战应用案例100讲-复杂交通场景下的运动目标检测（续）

目录基于改进Yolov5算法的运动目标检测研究4.1Yolov5s模型结构4.2数据集介绍4.2.1BDD100K数据集简介

林聪木·2023-10-12 06:06

【树莓派深度学习yolov7、yolov5口罩检测】

首先，需要说明的是，以下pt压缩包里分别为yolov7以及yolov5-n的训练权重(很奇怪，试了三次都上传不上去，如果有需要可以私信我)。

写Bug的刘亦菲·2023-10-12 03:45

树莓派上使用dockers运行yolov5-lite目标检测项目（onnxruntime）

树莓派系统：armvl7Dockerversion24.0.5yolov5-lite的原始项目参考了:https://github.com/ppogg/YOLOv5-Lite第一步：下载docker镜像由于该项目需要在在

guanhougan·2023-10-12 03:40

树莓派 Raspberry Pi 与YOLOv8 结合进行目标检测

文章大纲使用树莓派摄像头提供视频流前置文章libcamera树莓派安装与部署YOLOv8硬件需求PrerequisitesYOLOVersion:YOLOv5orYOLOv8硬件的选择，树莓派5的YOLOv8

shiter·2023-10-12 03:37

YOLOv7改进---注意力机制： EMA基于跨空间学习的高效多尺度注意力、效果优于ECA、CBAM、CA | 小目标涨点明显 | ICASSP2023

本文属于原创独家改进：EMA基于跨空间学习的高效多尺度注意力、效果优于ECA、CBAM、CAEMA|亲测在多个数据集实现暴力涨点，强烈推荐，独家首发；收录：YOLOv7高阶自研专栏介绍：http://t.csdnimg.cn

AI小怪兽·2023-10-12 02:15

YOLOV8改进：soft-nms、DIOU-nms、SIOU-nms、EIOU-nms、WIOU-nms

1.nms介绍1.1nmsNMS（Non-MaximumSuppression，非极大值抑制）是一种常用的目标检测算法，用于抑制冗余的边界框，保留最具代表性的目标框。在目标检测任务中，通常会生成多个候选边界框（boundingbox），每个边界框都对应着一个可能的目标。然而，由于图像中可能存在多个重叠的边界框，为了提取出最准确的目标框，需要使用NMS来进行筛选。NMS的基本原理如下：首先，根据目标

陈子迩·2023-10-12 02:15

YOLOv8改进:损失函数改为SIOU、EIOU、WIOU、Focal-IOU、a-IOU

目录1.介绍1.1IOU1.2SIOU1.3WIOU2.替换IoU3.替换WIOU1.介绍1.1IOU在机器学习领域，损失函数（LossFunction）是衡量模型预测值和真实值之间差异的函数。在训练期间，模型会尝试最小化损失函数的值，从而提高模型的准确性。通常来说，损失函数的定义方式取决于你要解决的问题类型。例如，在分类问题中，常见的损失函数包括交叉熵损失函数和负对数似然损失函数等；在回归问题中

陈子迩·2023-10-12 02:44

基于YOLOv5的石化装置火焰烟雾检测算法

文章提出了一种基于YOLOv5的火焰烟雾检测算法。基于改进的YOLOv5模型，建立了一种具有泛化性能的火焰烟雾检测算法。改进后的YOLOv5模型精度可达99.5%，对火焰烟雾的检测效果更加准确。

一枚爱吃大蒜的程序员·2023-10-12 02:14

基于YOLOv5、YOLOv8的烟雾报警检测（超实用项目）

目录1.简介2.YOLO算法3.基于YOLOv5、YOLOv8的烟雾检测报警系统3.1gui界面主代码3.2YOLOv5主代码视频已上传b站YOLOv5、YOLOv8检测-烟雾检测报警系统_哔哩哔哩_bilibili

陈子迩·2023-10-12 02:13

经典网络论文讲解链接（持续更新~~）

blog.csdn.net/weixin_43624538/article/details/85049699CNNhttps://my.oschina.net/u/876354/blog/1634322YoloV2https

半个女码农·2023-10-12 00:07

为Yolov7环境安装Cuba匹配的Pytorch

1.查看Cuba版本方法一```nvidia-smi```找到CUDAVersion方法二NvidiaControlPanel>系统信息>组件>2.安装Cuba匹配版本的PyTorchhttps://pytorch.org/get-started/locally/这里使用conda安装condainstallpytorchtorchvisiontorchaudiopytorch-cuda=11.6

zery·2023-10-11 22:05

竞赛深度学习 YOLO 实现车牌识别算法

文章目录0前言1课题介绍2算法简介2.1网络架构3数据准备4模型训练5实现效果5.1图片识别效果5.2视频识别效果6部分关键代码7最后0前言优质竞赛项目系列，今天要分享的是基于yolov5的深度学习车牌识别系统实现该项目较为新颖

iuerfee·2023-10-11 22:57

yolov8剪枝实践

安装使用安装依赖库pipinstalltorch-pruning把https://github.com/VainF/Torch-Pruning/blob/master/examples/yolov8/yolov8

Ctrl_Cver·2023-10-11 22:55

YOLOv7改进结构：结合DO-DConv卷积提升性能，构建高性能目标检测器

本文将介绍YOLOv7的改进结构，通过引入DO-DConv卷积层，进一步提升检测器的性能。YOLOv7是YOLO系列算法的最新版本，它在YOLOv5的基础上进行了改进和优化。

IlgCrystal·2023-10-11 18:14

YOLOv7独家改进：Multi-Dconv Head Transposed Attention注意力，效果优于MHSA| CVPR2022

本文独家改进：Multi-DconvHeadTransposedAttention注意力，可以高效的进行高分辨率图像处理，从而提升检测精度MDTA|亲测在多个数据集能够实现大幅涨点收录：YOLOv7高阶自研专栏介绍

AI小怪兽·2023-10-11 18:41

机器学习、深度学习相关的项目集合【自行选择即可】

【基于YOLOv5的瓷砖瑕疵检测系统】YOLOv5是一种目标检测算法，它是YOLO（YouOnlyLookOnce）系列模型的进化版本。

Together_CZ·2023-10-11 12:52

基于YOLOv8的施工安全帽及安全背心检测

目标检测是一项基本的计算机视觉任务。另一方面，YOLO（YouOnlyLookOnce）是一种流行的目标检测模型，以其速度和准确性而闻名。涉及对象检测的用例非常多样化。其中之一是建筑工地安全。建筑工地经理、安全官员或监管机构可以使用它来监控并确保工人遵守安全协议，例如穿戴适当的个人防护装备(PPE：PersonalProtectiveEquipment)。推荐：用NSDT编辑器快速搭建可编程3D场

新缸中之脑·2023-10-11 11:56

YoloV7改进策略高阶篇——Yolov7增加AFPN

测试结果[email protected]@.5:.95:100%|██████████|15/15[00:02<00:00,

静静AI学堂·2023-10-11 11:54

YoloV7改进策略：EfficientViT，高效的视觉transformer与级联组注意力提升YoloV7的速度和精度，打造高效的YoloV7

文章目录摘要论文：《EfficientViT：高效视觉transformer与级联组注意力》1、简介2、用视觉transformer加速2.1.内存效率2.2.计算效率2.3.参数效率3、高效视觉Transformer3.1.EfficientViT的构建块3.2、EfficientViT网络架构4、实验4.1.实现细节4.2.ImageNet上的结果4.3.迁移学习结果4.4、消融实验5、相关工