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清...

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点...

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'...

在人工智能和计算机视觉领域，人体姿态估计是一项极具挑战性的任务，它对于理解人类行为、增强人机交互等方面具有重要意义。YOLOv8Pose作为YOLO系列中的新成员，以其高效和准确性在人体姿态估计任务中脱颖而出。本文将详细介绍如何在瑞芯微RK3588平台上，使用RKNN（Rockchip Neural Network Toolkit）框架部署YOLOv8Pose模型，并进行C++代码的编译和运行。注 本文全部...

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，以替...

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，我发现只有在剪得非...

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，从而有...

n/ ├── val/ └── test/ 每个文件夹中包含对应的图像文件和掩码文件。确保所有图像文件都是.jpg格式，而掩码文件是.png格式，并且它们的名字与对应的图像文件相同。 数据集转换 由于YOLOv8需要标签文件为YOLO格式（即.txt文件），我们需要将Mask格式的标签文件转换为YOLO格式。 安装依赖 确保你已经安装了必要的库： bash 深色版本 pip install numpy ope...

摘要 在目标检测领域，模型性能的提升一直是研究者和开发者们关注的重点。近期，我们尝试将CAFormer模块引入YoloV8模型中，以替换其原有的主干网络，这一创新性的改进带来了显著的性能提升。 CAFormer，作为MetaFormer框架下的一个变体，结合了深度可分离卷积和普通自注意力机制的优势。在底层阶段，CAFormer采用深度可分离卷积作为令牌混合器，有效降低了计算复杂度并保持了良好的性能；而在顶层...

参考博主：Ultralytics(YOLOv8)的环境部署与安装_yolov8 安装-CSDN博客 前提： Anaconda已创建好新的虚拟环境通过requirements.txt已经下载好YOLOv8所需要的库Pytorch（三配件）已经完成安装Pycharm新建好虚拟环境配置的项目 打开网址，下载ZIP文件 GitHub - ultralytics/ultralytics: NEW - YOLOv8 🚀 ...