yolo界面制作第41页

YOLOv8最新改进系列：YOLOv8+GSConv+Slim Neck，有效提升小目标检测效果！

AI棒棒牛·2023-12-19 04:50

YOLOv8最新改进系列：YOLOv8+ICCV 2023 - 动态蛇形卷积（Dynamic Snake Convolution）采用管状结构，拉升模型小目标、遮挡目标检测效果！

AI棒棒牛·2023-12-19 04:50

YOLOv8最新改进系列：YOLOv8融合SwinTransformer模块，有效提升小目标检测效果！

AI棒棒牛·2023-12-19 04:20

YOLOv8最新改进系列：YOLOv8融合BiFPN网络，亲测显著涨点！

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档YOLOv8最新改进系列：YOLOv8融合BiFPN网络，亲测显著涨点BiFPN网络一、替换yaml文件二、新建模块代码三、替换tasks.py

AI棒棒牛·2023-12-19 04:19

速递 | YOLOv8模型改进的N种方法

点击上方“小白学视觉”，选择加"星标"或“置顶”重磅干货，第一时间送达微信公众号：OpenCV学堂关注获取更多计算机视觉与深度学习知识YOLOv8源码到底在哪?

小白学视觉·2023-12-19 04:19

YOLOV8改进:更换PoolFormer主干网络

1.该文章属于YOLOV5/YOLOV7/YOLOV8改进专栏，包含大量的改进方式，主要以2023年的最新文章和2022年的文章提出改进方式。

资料汇总笔记·2023-12-19 04:48

YOLOv8最新改进系列：YOLOv8融合MobileOne模块，继续涨点、继续遥遥领先！

AI棒棒牛·2023-12-19 04:48

老虎tiger目标检测数据集VOC+YOLO格式2100+张

老虎是一种生活在亚洲的大型猫科动物，也是世界上最大的猫科动物之一。它们通常生活在热带雨林、草原和山地地区，是亚洲最大的陆生食肉动物之一，体长可达3.3米，体重可达300千克。老虎的身体结构非常强壮，肌肉发达，牙齿尖锐，是顶级的猎手之一。它们通常会在夜间活动，以猎杀鹿、野猪、水牛、猴子等为生。老虎是非常独立的动物，它们通常是单独行动，只有在交配和母亲照顾幼崽时才会成为群体。老虎是一种濒临灭绝的物种，

小楼先森·2023-12-19 01:30

美洲豹目标检测数据集VOC+YOLO格式1100张

美洲豹（Pantheraonca）是一种生活在南北美洲的大型猫科动物，也是美洲的唯一一种豹。它们通常生活在热带雨林、草原和山地地区，是南北美洲最大的陆生食肉动物之一，体长可达2.7米，体重可达135千克。美洲豹的身体结构非常强壮，肌肉发达，牙齿尖锐，是顶级的猎手之一。它们通常会在夜间活动，以猎杀鹿、猴子、猎豹、猪、鱼、鸟类等为生。美洲豹是非常独立的动物，它们通常是单独行动，只有在交配和母亲照顾幼崽

小楼先森·2023-12-19 01:00

鹿目标检测数据集VOC+YOLO格式3400+张

鹿是一种优美、高贵的动物，常见于欧亚大陆和北美洲的森林、草原和山地。它们属于哺乳动物，是偶蹄目牛科的动物，通常被称为鹿科动物。鹿的身体修长，腿长而纤细，四肢支撑着一副优美的身躯，让人不禁为之倾倒。鹿的外表通常是棕色、灰色或黑色的，有的鹿身上还有白色的斑纹或斑点。它们的眼睛非常大，可以360度无死角地观察周围的环境。鹿的角是它们最显著的特征，角的大小和形状因品种而异，但都是雄性鹿的标志。雄性鹿的角通

小楼先森·2023-12-19 01:58

Windows C++ VS2022 OpenVINO 实例分割 Demo

效果模型信息ModelProperties-------------------------date：2023-09-07T17:11:46.798385description：UltralyticsYOLOv8n-segmodeltrainedoncoco.yamlauthor

乱蜂朝王·2023-12-18 20:53

改进YOLOv8注意力系列一：结合ACmix、Biformer、BAM注意力机制

️改进YOLOv8注意力系列一：结合ACmix、Biformer、BAM注意力机制代码ACmixBiFormerBAMBlock加入方法各种yaml加入结构本文提供了改进YOLOv8注意力系列包含不同的注意力机制以及多种加入方式

一休哥※·2023-12-18 19:41

RuntimeError: Input type (float) and bias type (c10::Half) should be the same

YOLOv5训练报错RuntimeError:Inputtype(float)andbiastype(c10::Half)shouldbethesame截图如下修改方法如下：训练时在model.half

一休哥※·2023-12-18 19:40

改进YOLOv8注意力系列二：结合CBAM、Coordinate Attention、deformable_LKA_Attention可变形大核注意力

改进YOLOv8注意力系列二：结合ACmix、Biformer、BAM注意力机制代码CBAM注意力CoordinateAttention坐标注意力deformable_LKA_Attention可变形大核注意力加入方法各种

一休哥※·2023-12-18 19:39

如何在GitHub中下载YOLOv5

1）加速器https://steampp.net/（该加速器可以对GitHub进行加速）根据自己的电脑，下载对应的版本加速模式建议改成PAC代理模式下载完成后点击GitHub，一键加速2）yolov5的选取在右上角的搜索框中搜索

AI_dataloads·2023-12-18 18:13

yolov5中train.py运行配置以及报错解决方案

1.依赖库版本要求yolov5中不同版本的依赖库要求可以在requirements.txt查看。根据你的yolov5版本，选择好满足条件的版本。

AI_dataloads·2023-12-18 18:12

yolov8实时推理目标识别、区域分割、姿态识别 Qt GUI

介绍一个GUI工具，可以实时做yolov8模型推理，包括目标检测、姿态识别、跟踪、区域分割等操作。可以接入图像、视频或者RTSP视频流进行验证。推理模型用的是yolov8转onnx之后的。

LittroInno·2023-12-18 16:09

YOLOv5-7.0实例分割+TensorRT部署

一：介绍将YOLOv5结合分割任务并进行TensorRT部署，是一项既具有挑战性又令人兴奋的任务。

Mr Dinosaur·2023-12-18 13:58

Yolov8代码导读+Yolov8-pose训练流程UML时序图

一、yolov8源码和权重下载源码下载：https://github.com/ultralytics/ultralytics权重下载：https://github.com/ultralytics/assets

深度学习ing~·2023-12-18 13:27

yolov5-face模型训练以及测试

个人学习笔记，对yolov5-face模型进行训练以及修改test.py输出关键点信息txt，有错误欢迎纠正目录前言一、克隆yolov5-face到本地二、下载数据集三、widerface数据集转换为yolo

阿深不吃鱼·2023-12-18 13:57

YOLOv3-YOLOv8的一些总结

0写在前面这个文档主要总结YOLO系列的创新点，以YOLOv3为baseline。参考(抄)了不少博客，就自己看看吧。有些模型的trick不感兴趣就没写进来，核心的都写了。

花飞雨追·2023-12-18 13:24

YOLOv5改进 | 注意力篇 | RCS-OSA替换C3实现暴力涨点（减少通道的空间对象注意力机制）

一、本文介绍本文给大家带来的改进机制是RCS-YOLO提出的RCS-OSA模块，其全称是"ReducedChannelSpatialObjectAttention"，意即"减少通道的空间对象注意力"。

Snu77·2023-12-18 13:08

YOLOv5改进 | SPPF | 将RT-DETR模型AIFI模块和Conv模块结合替换SPPF（全网独家改进）

Snu77·2023-12-18 13:08

YOLOv5改进 | SPPF篇 | FocalModulation替换SPPF（精度更高的空间金字塔池化）

一、本文介绍本文给大家带来的改进是用FocalModulation技术来替换了原有的SPPF（快速空间金字塔池化）模块。FocalModulation是今年新提出的特征增强方法，它利用注意力机制来聚焦于图像中的关键区域，从而提高模型对这些区域的识别能力。与SPPF相比，FocalModulation不仅能够处理不同尺寸的输入图像，还能更精确地识别和定位图像中的对象。这一技术特别适用于处理那些难以检

Snu77·2023-12-18 13:07

YOLOv5改进 | 卷积篇 | SPD-Conv空间深度转换卷积（高效空间编码技术）

一、本文介绍本文给大家带来的改进内容是SPD-Conv（空间深度转换卷积）技术。SPD-Conv是一种创新的空间编码技术，它通过更有效地处理图像数据来改善深度学习模型的表现。SPD-Conv的基本概念：它是一种将图像空间信息转换为深度信息的技术，从而使得卷积神经网络（CNN）能更加有效地学习图像特征。这种方法通过减少信息损失和提高特征提取的准确性，优化了模型对小物体和低分辨率图像的处理能力。我在Y

Snu77·2023-12-18 13:05

大象elephant目标检测数据集VOC+YOLO格式2300张

大象是长鼻目象科的哺乳动物，有两个属，是世界上最大的陆生动物。其像柱子一样的四肢和宽厚的脚掌可以稳稳支撑住庞大的身体。巨大的头上长有蒲扇状的大耳朵和长且有弹性的鼻子。象耳上有丰富的血管，可以有效散热。鼻子和上唇合而为一的象鼻由超过1.5万块肌肉协调。大象分布于撒哈拉以南非洲和亚洲东南部，[8]栖息于多种生存环境，尤喜丛林、草原和河谷地带。群居，雄兽偶有独居。以植物为食，食量大。[9]大象每隔4-9

小楼先森·2023-12-18 11:37

基于YOLOv8深度学习的路面标志线检测与识别系统【python源码+Pyqt5界面+数据集+训练代码】目标检测、深度学习实战

《博主简介》小伙伴们好，我是阿旭。专注于人工智能、AIGC、python、计算机视觉相关分享研究。✌更多学习资源，可关注公-仲-hao:【阿旭算法与机器学习】，共同学习交流~感谢小伙伴们点赞、关注！《------往期经典推荐------》一、AI应用软件开发实战专栏【链接】项目名称项目名称1.【人脸识别与管理系统开发】2.【车牌识别与自动收费管理系统开发】3.【手势识别系统开发】4.【人脸面部活体

阿_旭·2023-12-18 11:35

[数据集][目标检测]人员持刀数据集VOC+YOLO格式6923张1类别重制版

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)：6923标注数量(xml

FL1623863129·2023-12-18 11:04

深入探讨人工智能目标检测：算法、应用与未来趋势

深度学习算法：基于深度神经网络，如RCNN系列、YOLO系列、SSD等。2.应用领域及典型案例自动驾驶：目标检测在自动驾驶中起到关

鳗小鱼·2023-12-18 10:58

【机器学习】简单认识监督学习

经历了暑假期间短暂的接触机器学习的一些算法，之后又对深度学习、yolo系列有些了解，还尝试着去学习完成one-stage目标检测，但是由于基础知识的不扎实，很多时候都在补窟窿。

釉色清风·2023-12-18 10:21

【深度学习目标检测】八、基于yolov5的抽烟识别（python，深度学习）

YOLOv5是目标检测领域一种非常优秀的模型，其具有以下几个优势：1.高精度：YOLOv5相比于其前身YOLOv4，在目标检测精度上有了显著的提升。

justld·2023-12-18 09:32

【深度学习目标检测】九、基于yolov5的安全帽识别（python，目标检测）

YOLOv5是目标检测领域一种非常优秀的模型，其具有以下几个优势：1.高精度：YOLOv5相比于其前身YOLOv4，在目标检测精度上有了显著的提升。

justld·2023-12-18 09:57

YOLOv5改进 | 2023 | CARAFE提高精度的上采样方法（助力细节长点）

一、本文介绍本文给大家带来的CARAFE（Content-AwareReAssemblyofFEatures）是一种用于增强卷积神经网络特征图的上采样方法。其主要旨在改进传统的上采样方法（就是我们的Upsample）的性能。CARAFE的核心思想是：使用输入特征本身的内容来指导上采样过程，从而实现更精准和高效的特征重建。CARAFE是一种即插即用的上采样机制其本身并没有任何的使用限制。所以在YOL

Snu77·2023-12-18 08:21

嵌入式linux开发——stm32mp1完成视觉检测(一)

stm32mp157开发板还有OV5640摄像头，完成一个视觉检测的项目，最基础的版本是直接OpenCV打开摄像头然后完成简单的检测；进阶版把sklearn训练的模型通过cpp读取然后显示；最终目标是跑之前训练好的yolo

努力自学的小夏·2023-12-18 08:34

【YOLO系列】 YOLOv3论文思想详解

前言以下内容仅为个人在学习人工智能中所记录的笔记，先将目标识别算法yolo系列的整理出来分享给大家，供大家学习参考。本文未对论文逐句逐段翻译，而是阅读全文后，总结出的YOLOV3论文的思路与实现路径。

江湖小张·2023-12-18 07:31

【YOLO系列】速看！YOLOv3中如何使用K-Means聚类算法生成Anchor Box

一、背景我们在YOLOV2中说到，在FasterRCNN中anchorboxes大小都是手动设定的，这就带有一定的主观性，会使得网络在使用中不能更好的做出预测。

江湖小张·2023-12-18 07:31

基于YOLOv8的自定义数据姿势估计

UltralyticsYOLOv8处于这一转变的前沿，提供了一种强大的工具，捕捉图像中物体方向和运动的微妙之处。传统上，在图像中跟踪物体的关键点一直是复杂的，但使用YOLOv8，这变得简便而直观。

小北的北·2023-12-18 02:06

芝麻杂草目标检测数据集VOC+YOLO格式近1300张

芝麻，芝麻科芝麻属的一年生草本植物，茎中空或具白色髓部；叶子为卵形；花朵单生或少数同生于腋下，呈白色；芝麻蒴果基部钝圆，顶部有尖，中间有棱；芝麻的种子通常呈扁平椭圆形，共有四种颜色；花期为5~9月；果期为8~9月。芝麻是中国汉使张骞出使西域时引进的油麻种，故名“胡麻”，后赵王石勒讳“胡”，将“胡麻”改为“芝麻”。同时，它也是香油的主要原料。今天，要介绍的就是芝麻杂草目标检测数据集：数据集名称：芝麻

小楼先森·2023-12-18 02:01

YOLOv8改进 | Conv篇 | 轻量级下采样方法ContextGuided（大幅度涨点）

一、本文介绍本文给大家带来的是改进机制是一种替换Conv的模块ContextGuidedBlock(CGblock)，其是在CGNet论文中提出的一种模块，其基本原理是模拟人类视觉系统依赖上下文信息来理解场景。CGblock用于捕获局部特征、周围上下文和全局上下文，并将这些信息融合起来以提高准确性。(经过我检验分别在三种数据集上，大中小均进行了150轮次的实验，均有一定程度上的涨点，下面我选取了一

Snu77·2023-12-18 02:00

YoloV8 架构与基于 YoloV8 的区域拖动的奶牛计数器

计算机视觉是一个跨学科的科学领域，涉及计算机如何从数字图像或视频中获得高层次的理解。从工程的角度来看，它致力于理解并自动化人类视觉系统可以执行的任务。如今，任务分类、目标检测、分割和关键点检测是主要的实时计算机视觉应用。那么，大家认为它是如何发展起来的呢？首先，我们将简要讨论计算机视觉的主要问题。我认为在看了上面的图片之后，你对与计算机视觉挑战相关的所有关键术语都有了清晰的理解。每个人都希望有现成

小北的北·2023-12-18 02:58

YOLOv8-Seg改进：ASF-YOLO助力小目标分割| 2023年12月最新成果

本文改进：ASF-YOLO一种新的特征融合网络架构，该网络由两个主要的组件网络组成，可以为小目标分割提供互补的信息:(1)SSFF模块，它结合了来自多尺度图像的全局或高级语义信息;(2)TFE模块，它可以捕获小目标的局部精细细节等

会AI的学姐·2023-12-18 02:58

YOLOV4/5笔记

1.问题是对于v1/v2版本中的tx、ty的限制2.GIoU:优化无重叠情况下的无法优化3.DIoU:考虑两个网格之间的中心坐标的距离信息4.CIoU:考虑形状信息大特征图中保留到的局部细节特征往上传，可以优化对小目标的检测效果浅层特征：较强的位置信息以及较弱的语义信息深层特征：较强的语义信息以及较弱的位置信息语义信息对于解决分类问题是有利的，定位信息对于解决框的回归问题是有利的，利用FPN以及P

qq_45692660·2023-12-18 00:59

替换YOLOv5主干网络

torchvision下面都有哪些模型如图所示，可以看到torchvision.models下面有很多模型,比如vgg16,resnet50,AlexNet,resnet18等等，在这里我选择vgg16模型来替换YOLOv5

Kelly_Ai_Bai·2023-12-17 23:58

FastSAM 分割一切速度可以比 SAM 快 50 倍

FastSAM基于YOLOv

小毕超·2023-12-17 23:15

经典目标检测YOLO系列(一)引言_目标检测架构

经典目标检测YOLO系列(一)引言_目标检测架构一个常见的目标检测网络，其本身往往可以分为一下三大块：Backbonenetwork，即主干网络，是目标检测网络最为核心的部分，backbone选择的好坏

undo_try·2023-12-17 21:01

yolov7简化网络yaml配置文件

本篇介绍如何简化yolov7的网络配置文件先上一张简化后的网络结构图：了解v7的都知道，配置文件中网络层数多达100多层，不过并不复杂，相似的模块比较多，可以看到简化后配置文件的层数也就31层。

athrunsunny·2023-12-17 20:50

OpenMMlab导出yolox模型并用onnxruntime和tensorrt推理

/configs/yolox/yolox_tiny_8xb8-300e_coco.py'checkpoint_file='yolox_tiny_8x8_300e_coco_20211124_171234

给算法爸爸上香·2023-12-17 20:36

yolov5训练自己的数据集

1.要保证yolov5的目录和数据集在同一级目录下，格式如下，我的数据集是leaf。要和yolov5-master在一个级别。

花花王·2023-12-17 18:27

运行yolov5训练数据集，报错：RuntimeError: CUDA error: out of memory CUDA kernel errors might be asynchronously

运行yolov5报错：RuntimeError:CUDAerror:outofmemoryCUDAkernelerrorsmightbeasynchronouslyreportedatsomeotherAPIcall