YoloV8改进策略：Block改进|细节增强注意力模块（DEAB）|即插即用
文章目录 摘要 一、论文介绍 二、创新点 三、方法 四、模块作用 五、改进的效果（以YoloV8为例） 论文翻译：《DEA-Net：基于细节增强卷积和内容引导注意力的单幅图像去雾》 I 引言 II. 相关工作 III 方法论 IV 实验 V 结论 需要安装的库 代码 改进方法 测试结果 总结 摘要 一、论文介绍 DEA-Net的提出背景：单幅图像去雾是一项具有挑战性的任务，旨在从观测到的雾图中恢复出潜在的...
YOLOv8瑜伽动作姿态识别与分类
YOLOv8 姿态识别与分类：从训练到部署的全流程详解 引言 YOLO（You Only Look Once）系列模型以其快速和高效的目标检测能力而闻名，最新版本YOLOv8不仅继承了这些优点，还引入了姿态识别和分类的新功能。本文将详细介绍如何使用YOLOv8进行姿态识别和分类，并涵盖从数据准备、模型训练到最终部署的完整流程。 1. 数据准备 1.1 数据收集 姿态识别任务的数据集通常包含标注好的人体关键...
如何使用yolov8训练无人机视角坦克检测数据集 人 交通工具 数据集voc ：3500+张 5类 并实现可视化及评估
round truth 数量：3500+张 目标：human、truck、vehicle、house、tank 完整训练脚本 from ultralytics import YOLO # 加载预训练的YOLOv8m模型model = YOLO('yolov8m.pt') # 训练模型results = model.train( data='drone_military_dataset/data.yaml...
yolov7源码解读1-训练前准备
ility), use 0 for faster trainingloss_ota: 1 # use ComputeLossOTA, use 0 for faster training 这些超参数是YOLOv7的配置文件中用于训练过程的参数设置，它们分别控制优化器、损失函数、数据增强以及一些模型行为。以下是对每个超参数的详细解释： 1. 优化器相关参数 2. 损失函数相关参数 3. 数据增强相关参数 4....
深度学习基础--yolov5网络结构简介，C3模块构建
🍨 本文为🔗365天深度学习训练营 中的学习记录博客🍖 原作者：K同学啊 前言 yolov5网络结构比较复杂，这里是简单的对它整体网络结构有个初识，并且构建了C3网络模块这周是考试周，周一到周四一直都在准备考试和去考试，昨天开始又发高烧，更新较慢；欢迎收藏加关注，本人将会持续更新。 文章目录 1、网络结构简介简介网络结构简介C3模块简介C3 模块的结构C3 模块的作用 2、C3网络构建1、数据处理1、导入...
轻量化特征融合 | YOLOv8 引入一种基于增强层间特征相关性的轻量级特征融合网络 | 北理工新作
摘要—无人机图像中的小目标检测由于分辨率低和背景融合等因素具有挑战性，导致特征信息有限。多尺度特征融合可以通过捕获不同尺度的信息来增强检测，但传统策略效果不佳。简单的连接或加法操作无法充分利用多尺度融合的优势，导致特征之间的相关性不足。这种不足阻碍了小目标的检测，尤其是在复杂背景和人口密集的区域中。为了解决这一问题并高效利用有限的计算资源，我们提出了一种基于增强层间特征相关性（EFC）的轻量级融合策略，以...
基于YOLOv11的路面裂缝检测系统（python+pyside6界面+系统源码+可训练的数据集+也完成的训练模型）
100多种【基于YOLOv8/v10/v11的目标检测系统】目录（python+pyside6界面+系统源码+可训练的数据集+也完成的训练模型） 摘要： 本文提出了一种基于YOLOv11算法的裂纹检测系统，利用3917张图片（3717张训练集，200张验证集）进行模型训练，最终开发出一个高效的裂纹检测模型。为了方便用户操作和实时检测，本系统还开发了基于Python和PySide6的图形用户界面（GUI），实...
YOLOv8进阶实战：融合SAHI超推理算法，在无人机应用中精准捕捉视频与图片中的微小目标
简介 在无人机应用中，精准捕捉视频与图片中的微小目标是一项极具挑战性的任务。为了应对这一挑战，YOLOv8与SAHI超推理算法的融合应运而生。 YOLOv8作为ultralytics公司开源的最新版本，具备出色的图像分类、物体检测和实例分割能力。然而，在处理高分辨率图像时，小物体的关键信息容易丢失。为此，SAHI超推理算法通过图像切片的方式，将原始图像切分为多个重叠的小块，并在每个小块上进行独立推理，从而...
【模型剪枝】YOLOv8 模型剪枝实战 | 稀疏化-剪枝-微调
文章目录 0. 前言 1. 模型剪枝概念 2. 模型剪枝实操 2.1 稀疏化训练 2.2 模型剪枝 2.3 模型微调 总结 0. 前言 无奈之下，我还是写了【模型剪枝】教程🤦♂️。回想当年，在写《YOLOv5/v7进阶实战专栏》 时，我经历了许多挫折，才最终完成了【模型剪枝】和【模型蒸馏】的内容。当时我尝试了各种剪枝和蒸馏方法，确实成功让模型变轻量了，但精度也下降了不少。做了很多实验后，我发现只有在剪得...
YOLOv11改进有效涨点专栏目录 | 含卷积、主干、注意力机制、Neck、检测头、损失函数、二次创新C2PSA/C3k2等各种网络结构改进
👑 YOLOv11有效涨点专栏目录 👑 专栏视频介绍：包括专栏介绍、得到的项目文件、模型二次创新、权重文件的使用问题，点击即可跳转。 前言 Hello，各位读者们好. 本文为YOLOv11有效涨点专栏目录，YOLOv11以及发布了一个月左右，这个过程中我也是给大家整理了许多的机制，其中包含了C3k2、C2PSA、主干（均支持根据yolov11训练的版本进行二次缩放，全系列都能轻量化）、检测头、注...