YOLOv8改进

Apache Doris 2.1.6 版本正式发布

2.1.6版本在Lakehouse、异步物化视图、半结构化数据管理持续升级改进，同时在查询优化器、执行引擎、存储管理、数据导入与导出以及权限管理等方面完成了若干修复。欢迎大家下载使用。
·2025-01-21 12:15

vue mvvm 原理

它本质上就是MVC的改进版。MVVM就是将其中的View的状态和行为抽象化，让我们将视图UI和业务逻辑分开。要实现一个mvvm的库，我们首先要理解清楚其实现的整体思路。
LikY03321·2025-01-21 10:34

云原生周刊：K8s 生产环境架构设计及成本分析

通过实时监控和数据分析，KubeZoneNet能有效地识别跨可用区的网络瓶颈，并提供改进建议，以支持Kuber
KubeSphere 云原生·2025-01-21 09:59

2024年推荐使用的centos版本是多少?

然而，由于技术的快速发展，每个新版本都会带来新的功能和改进，对于2024年的用户来说，决定采用哪个CentOS版本至关重要。
wordpress爱好者·2025-01-21 08:16

CentOS 7.6和7.9建站哪个好？

两者都是稳定、可靠的Linux发行版，但7.9作为更新版本，包含了更多的安全修复和功能改进。对于新项目，选择7.9可能是更明智的选择，因为它提供了最新的安全补丁和优化。
wordpress爱好者·2025-01-21 08:46

如何为LangChain开源项目做出贡献？

核心贡献领域在LangChain项目中，您可以通过以下几种方式进行贡献：文档改进:提高项目的文档质量，包括示例代码、API说明等。代码贡献
FADxafs·2025-01-21 07:41

YOLOv8/YOLOv11使用web界面推理自己的模型，Gradio框架快速搭建

接下来教你使用Gradio框架构建一个简单Web界面推理YOLOv8/YOLOv11模型。话不多说上检测结果：一、YOLOv8/YOLOv11源码下载YOLOv8源码下载：官网打不开的话，从我的网盘
挂科边缘·2025-01-21 05:49

RT-DETR改进策略【Neck】| PRCV 2023，SBA（Selective Boundary Aggregation）：特征融合模块，描绘物体轮廓重新校准物体位置，解决边界模糊问题

将其应用于RT-DETR的改进过程中，能够使模型着重聚焦于目标物体的边界区域，降低背景及其他无关信息的影响，强化目标物体的
Limiiiing·2025-01-21 04:46

Python3 环境搭建指南

Python3是Python的最新版本，它在Python2的基础上进行了大量更新和改进。本指南将详细介绍如何在您的计算机上搭建Python3环境，以便您可以开始编写和运行Python程序。
lly202406·2025-01-21 00:01

YOLOv8改进，YOLOv8检测头融合DiverseBranchBlock，并添加小目标检测层（四头检测），适合目标检测、分割等

摘要一种卷积神经网络（ConvNet）的通用构建模块，以在不增加推理时间成本的情况下提高性能。该模块被命名为多样分支块（DiverseBranchBlock，DBB），通过结合不同尺度和复杂度的多样分支来丰富特征空间，包括卷积序列、多尺度卷积和平均池化，从而增强单个卷积的表示能力。在训练后，DBB可以等效地转换为一个单独的卷积层以进行部署。与新型ConvNet架构的进步不同，DBB在保持宏观架构的
挂科边缘·2025-01-20 23:49

YOLOv10改进，YOLOv10改进主干网络为GhostNetV3(2024年华为的轻量化架构，全网首发)，助力涨点

摘要GhostNetV3是由华为诺亚方舟实验室的团队发布的，于2024年4月发布。摘要：紧凑型神经网络专为边缘设备上的应用设计，具备更快的推理速度，但性能相对适中。然而，紧凑型模型的训练策略目前借鉴自传统模型，这忽略了它们在模型容量上的差异，可能阻碍紧凑型模型的性能提升。在本文中，通过系统地研究不同训练成分的影响，我们介绍了一种用于紧凑型模型的强大训练策略。我们发现，适当的重参数化和知识蒸馏设计对
挂科边缘·2025-01-20 23:19

Vue 3.5 中的 useId：深入解析与应用实践

随着Vue3.5的发布，开发者们迎来了许多新特性和改进。其中，useId是一个备受关注的工具函数，它为开发者提供了一种简单而高效的方式来生成唯一的ID。
·2025-01-20 23:21

React 19新特性探索：提升性能与开发者体验

React19作为最新的版本，引入了一系列令人兴奋的新特性和改进，旨在进一步提升应用的性能、开发效率和用户体验。
·2025-01-20 22:19

【YOLOv8改进】 YOLOv8 更换骨干网络之 GhostNet ：通过低成本操作获得更多特征 (论文笔记+引入代码)

YOLO目标检测创新改进与实战案例专栏专栏目录：YOLO有效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:YOLO基础解析+创新改进+实战案例介绍摘要在嵌入式设备上部署卷积神经网络
YOLO大师·2025-01-20 22:47

探索AI API版本管理与流式传输实现

技术背景介绍API版本管理涉及到如何在不破坏现有客户端代码的情况下，逐步引入新的功能和改进。这对于AI服务尤为重要，因为AI模型和算法的更新频率相对较高。本文将重点介绍AIAPI版本的管理原则，并
qwe54165a4wd·2025-01-20 22:47

快速上手：C OpenCvSharp Yolov8 人脸关键点检测工具

快速上手：C#OpenCvSharpYolov8人脸关键点检测工具COpenCvSharpYolov8FaceLandmarks.rar项目地址:https://gitcode.com/open-source-toolkit/4d2a0项目介绍在当今的数字化时代，人脸识别和关键点检测技术已经成为许多应用的核心组成部分。无论是安防监控、人机交互还是虚拟现实，准确且高效的人脸关键点检测都是不可或缺的。
卢枫岱·2025-01-20 22:44

夜莺 v8 第一个版本来了，开始做有意思的功能了

其实这个系列中有些功能早就想改进了，但是由于兼容性、迁移成本、人力的考虑，一直没有动作。现在基础打
·2025-01-20 18:22

云原生周刊：K8s 生产环境架构设计及成本分析

通过实时监控和数据分析，KubeZoneNet能有效地识别跨可用区的网络瓶颈，并提供改进建议，以支持Kuber
·2025-01-20 17:45

YOLOv9改进，YOLOv9检测头融合，适合目标检测、分割任务

摘要空间注意力已广泛应用于提升卷积神经网络（CNN）的性能，但它存在一定的局限性。作者提出了一个新的视角，认为空间注意力机制本质上解决了卷积核参数共享的问题。然而，空间注意力生成的注意力图信息对于大尺寸卷积核来说是不足够的。因此，提出了一种新型的注意力机制——感受野注意力（RFA）。现有的空间注意力机制，如卷积块注意力模块（CBAM）和协调注意力（CA），仅关注空间特征，未能完全解决卷积核参数共享
挂科边缘·2025-01-20 15:37

YOLOv8改进，YOLOv8检测头融合RFAConv卷积，并添加小目标检测层（四头检测），适合目标检测、分割等

摘要空间注意力已广泛应用于提升卷积神经网络（CNN）的性能，但它存在一定的局限性。作者提出了一个新的视角，认为空间注意力机制本质上解决了卷积核参数共享的问题。然而，空间注意力生成的注意力图信息对于大尺寸卷积核来说是不足够的。因此，提出了一种新型的注意力机制——感受野注意力（RFA）。现有的空间注意力机制，如卷积块注意力模块（CBAM）和协调注意力（CA），仅关注空间特征，未能完全解决卷积核参数共享
挂科边缘·2025-01-20 15:36

yoloV8训练标注数据生成模型

1、标注工具：vott2、yoloV82.1仓库地址https://github.com/ultralytics/ultralytics2.2参考教程文档文档地址：https://github.com/ultralytics/ultralytics/wiki3、数据集|标注数据格式3.1数据集格式【coco128】3.1.1下载地址：https://cocodataset.org/#downloa
安陆米香·2025-01-20 15:05

基于YOLOv5、YOLOv8和YOLOv10的自助售货机商品检测：深度学习实践与应用

引言自助售货机已经成为现代零售和自动化销售领域的重要组成部分。在自助售货机中，商品的检测与管理至关重要。通过精准的商品检测技术，售货机可以在商品售出后自动更新库存，并提供准确的商品信息反馈。然而，在复杂的环境下进行商品检测是一个具有挑战性的问题，尤其是在商品种类繁多、摆放方式多样以及光照条件变化较大的情况下。近年来，基于深度学习的目标检测算法，特别是YOLO（YouOnlyLookOnce）系列模
2025年数学建模美赛·2025-01-20 14:26

【Rust自学】13.7. 迭代器 Pt.3：使用闭包捕获环境配合迭代器的使用

在本章中，我们会讨论Rust的一些特性，这些特性与许多语言中通常称为函数式的特性相似：闭包迭代器（本文）使用闭包和迭代器改进I/O项目闭包和迭代器的性能喜欢的话别忘了点赞、收藏加关注哦
SomeB1oody·2025-01-20 11:48

基于Damo-YOLO和DyHead检测头的YOLOv8优化：多尺度目标检测的创新方案【YOLOv8】

立即订阅，开启你的YOLOv8之旅！
步入烟尘·2025-01-20 05:58

提升YOLOv8性能：用Swin Transformer替换Backbone的详细实现与分析【YOLOv8】

立即订阅，开启你的YOLOv8之旅！
步入烟尘·2025-01-20 05:57

YOLOv8与Transformer：探索目标检测的新架构

YOLOv8与Transformer：探索目标检测的新架构关键词：目标检测，深度学习，YOLOv8，Transformer，计算机视觉，卷积神经网络摘要：目标检测是计算机视觉领域的一项重要任务，其目标是从图像或视频中识别和定位特定对象
AI架构设计之禅·2025-01-20 05:23

YOLOv8 修改 IoU(CIOU, DIOU, SIOU, EIOU, Focal_EIOU)

这里简单介绍下怎么修改YOLOV8中的IOU，首先找到ultralytics/yolo/utils/metrics.py文件中的bbox_iou()方法。
有一个好名字·2025-01-20 03:57

DNA图谱分析：自动分析DNA图谱中的变异YOLOv5、YOLOv8、YOLOv10

目录引言项目背景与目标YOLO模型简介DNA图谱数据集准备YOLOv5、YOLOv8和YOLOv10模型训练与优化DNA图谱变异检测的实现UI界面设计与实现评估与优化未来展望结论完整代码实现1.引言随着基因组学的进步
2025年数学建模美赛·2025-01-19 23:58

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

摘要作者提出了一种简单而强大的卷积神经网络架构，其推理阶段采用与VGG类似的网络体结构，仅由一堆3x3卷积和ReLU组成，而训练阶段的模型具有多分支拓扑。这种训练阶段和推理阶段架构的解耦通过结构重参数化技术实现，因此我们将该模型命名为RepVGG。#理论介绍RepConv通过将多个卷积操作合并成一个卷积操作来优化计算的。首先在训练过程中使用多种操作（如多个卷积层、跳跃连接等）来提高模型的表达能力和
挂科边缘·2025-01-19 22:42

[练习]简单结构体操作程序

今天，我们分析一个简单的C语言程序，以及进行一定程度的改进。程序概述这个程序的主要目的是实现一个简单的数列操作，包括数列的内存分配、删除指定元素以及输出数列的功能。
siy2333·2025-01-19 21:33

YOLOv11改进，YOLOv11检测头融合RepConv卷积，并添加小目标检测层（四头检测），适合目标检测、分割等任务

摘要作者提出了一种简单而强大的卷积神经网络架构，其推理阶段采用与VGG类似的网络体结构，仅由一堆3x3卷积和ReLU组成，而训练阶段的模型具有多分支拓扑。这种训练阶段和推理阶段架构的解耦通过结构重参数化技术实现，因此我们将该模型命名为RepVGG。#理论介绍RepConv通过将多个卷积操作合并成一个卷积操作来优化计算的。首先在训练过程中使用多种操作（如多个卷积层、跳跃连接等）来提高模型的表达能力和
挂科边缘·2025-01-19 21:01

软件工程和项目管理领域 - CMMI 极简理解

CMMI全称为CapabilityMaturityModelIntegration，即能力成熟度模型集成CMMI是由美国卡内基梅隆大学软件工程研究所（SEI）开发的一套综合性管理模型CMMI是一种用于评估和改进组织在软件开发和维护方面过程能力的国际标准
我命由我12345·2025-01-19 20:29

软素质和专业能力要怎么考察？

-我很少见到不勤奋能做好工作的，但这不是deal-breaker；加班多≠自驱力强，也有加班多但产出很差的，只是自驱的人从概率看通常工作时间比较长有什么主动改进工作/改变公司，并有一定结果
喵呜刷题·2025-01-19 17:57

【YOLOV8】YOLOV8模型训练train及参数详解

本指南旨在涵盖使用YOLOv8强大功能集训练自定义模型所需的所有细节，帮助你快速入门。为什么选择UltralyticsYOLO进行训练？
小小小小祥·2025-01-19 15:10

【YOLOV8】目标检测任务中应该如何选择YOLOV8n/s/m/l/x模型及输入尺寸大小

问题描述：YOLOV8作为目前主流的深度学习网络，支持图像分类、目标检测、实例分割、姿态检测、旋转目标检测等功能。
小小小小祥·2025-01-19 15:40

C++ 新特性 | C++14 常用新特性介绍

目录1、通用lambda表达式（对lambda表达式的改进）2、constexpr常量表达式3、constexpr函数的扩展4、二进制字面量5、数组大小自动推导6、std::make_unique7、std
dvlinker·2025-01-19 14:36

大模型-Qwen2.5 技术报告解读

Abstract主要是在介绍通义千问2.5（Qwen2.5）这一大型语言模型系列，涵盖了它在不同训练阶段的改进、多样化配置、可获取途径以及在各项性能评测中的出色表现等多个方面，旨在展示其先进性与实用性。
数据分析能量站·2025-01-19 06:55

PCIe 通用时钟（Common Clock）和 SRNS（独立参考无源同步） 模式

PCIe标准经过了多次更新和迭代，经历了Gen1、Gen2、Gen3、Gen4，每一代都在传输速率、带宽、时钟特性等方面进行了改进和提高。
零度随想·2025-01-19 04:07

机器学习笔记——Boosting中常用算法（GBDT、XGBoost、LightGBM）迭代路径

文章目录XGBoost相对GBDT的改进引入正则化项，防止过拟合损失函数L(yi,y^i)L(y_i,\hat{y}_i)L(yi,y^i)正则化项Ω(fm)\Omega(f_m)Ω(fm)使用二阶导数信息
好评笔记·2025-01-19 03:24

32单片机综合应用案例——基于GPS的车辆追踪器（三）（内附详细代码讲解！！！）

只有经历过失败，你才能更加明白自己的不足，并不断改进自己，最终走向成功。不要被别人的眼光束缚，相信自己的能力和潜力，勇敢地去追求自己的梦想。
不能只会打代码·2025-01-19 01:13

深入探索 Vue.js 组件开发中的最新技术：Teleport 和 Suspense 的使用

随着Vue3的发布，新的特性和改进为开发者提供了更多的选择和灵活性。其中，Teleport和Suspense是Vue3引入的两项非常有趣和强大的技术，它们能够极大地提升应用的性能和用户体验。
桂月二二·2025-01-19 01:42

基于 HTML5 Canvas 制作一个精美的 2048 小游戏--day2

以下是改进后的代码示例：1.CSS样式（style.css）body{display:flex;justify-content:center;align-items:center;height:100vh
无限大.·2025-01-19 00:26

JAVA 18 新特性详解

Java18是Java语言的一次重要更新，引入了一系列新特性和改进，使开发者能够编写更高效、更安全的代码。
沉浮yu大海·2025-01-18 23:18

【MySQL】深入解析“Data too long”错误：原因、解决方案与优化策略

【MySQL】深入解析“Datatoolong”错误：原因、解决方案与优化策略一、引言二、技术概述错误定义核心特性与优势三、技术细节原理分析难点四、实战应用应用场景问题与解决方案五、优化与改进潜在问题改进建议六
master_chenchengg·2025-01-18 22:12

ReactNative0.75版本发布，一文快速了解

ReactNative0.75版本的更新包含了多个方面的内容，以下是一些详细信息：亮点Yoga3.1和布局改进：支持%值在布局中的应用，如gap、translation等属性，但仅适用于新架构。
wayne214·2025-01-18 21:26

【YOLOv8杂草作物目标检测】

YOLOv8杂草目标检测算法介绍模型和数据集下载算法介绍YOLOv8在禾本科杂草目标检测方面有显著的应用和效果。
stsdddd·2025-01-18 19:35

每日新闻掌握【2024年1月18日 星期六】

他还写道，改进版星舰和助推器已准备就绪，等待发射。SpaceX“星舰”从美国得克萨斯州发射升空不久后，火箭第二级飞船与地面团
cdmt·2025-01-18 17:20

PHP性能优化

PHP5.6：性能改进、更高效的命名空间使用、常量数组支持、函数参数类型提示等功能的引入。PHP7：大幅
折扇掩笑颜·2025-01-18 17:18

NVIDIA Hopper 架构深入

文章目录前言一、NVIDIAH100TensorCoreGPU简介二、NVIDIAH100GPU主要功能概述1.新的流式多处理器（SM）具有许多性能和效率改进。
RZer·2025-01-18 16:40

2024年03月质量管理体系基础答案及解析

A、创新B、改进C、持续改进D、纠正措施解析：【喵呜刷题小喵解析】：提高绩效的活动通常指的是对现有工作流程、方法或结果进行改进，以提高效率、效果或满足更高的需求。因此，选项B“改进”最符合题意。
喵呜CCAA·2025-01-18 14:30
上一页 11 12 13 14 15 16 17 18 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他