海思SD3403,SS928/926,hi3519dv500,hi3516dv500移植yolov7,yolov8（12）
上一篇用MindStudio转换完yolov8的om模型，准备在板卡里进行推理验证了。 我这里用的是我们自己的Tofu5m模块，40mm×40mm含外壳尺寸。可以输入网络RTSP视频流直接进行推理。这次用hi3516dv500版本的Tofu5m模块。 SDK里的demo部分是H.264视频输入，为了保持一致来验证，先改成H.264的视频流文件。 这里采用FFMPEG方式把本地文件转成H.264流出来。...
YOLOv5独家改进：轻量级原创自研 | 一种多尺度的GSConv卷积变体，轻量化的同时能够实现涨点 | 新颖的轻量级网络
onv提出了一种Multi-Scale Ghost Conv的卷积变体，保证轻量级的同时实现涨点，2）同时结合Bottleneck，设计了一种新颖的轻量级网络。 💡💡💡在多个数据集验证能够涨点，同时跟yolov5s进行参数量对比： parameters、GFLOPs都有大幅度的降低 ...
基于yolov2深度学习网络的视频手部检测算法matlab仿真
(I2, []); % 显示带有检测结果的图像 pause(1/60);end104 4.算法理论概述 近年来，深度学习在计算机视觉领域取得了显著成果，特别是在目标检测任务中。YOLO（You Only Look Once）系列算法作为其中的代表，以其高效和实时的性能受到广泛关注。YOLOv2，作为YOLO的改进版，通过一系列优化策略，进一步提升了检测精度和速度。 YOLOv2网络...
检测头篇 | 原创自研 | YOLOv8 更换 SEResNeXtBottleneck 头 | 附详细结构图
左图：ResNet 的一个模块。右图：复杂度大致相同的 ResNeXt 模块，基数（cardinality）为32。图中的一层表示为（输入通道数，滤波器大小，输出通道数）。 1. 思路 ResNeXt是微软研究院在2017年发表的成果。它的设计灵感来自于经典的ResNet模型，但ResNeXt有个特别之处：它采用了多个并行的“组”来处理数据，而不是单一的小路径。这种设计让ResNeXt能更高效地学习多样...
YOLOv5改进 | 融合改进篇 | 华为VanillaNet + BiFPN突破涨点极限
。我发的改进机制已经有多名读者在Qq私聊我已经有涨点效果了，均有记录证明！欢迎大家订阅本专栏，本专栏每周更新3-5篇最新机制，更有包含我所有改进的文件和交流群提供给大家。 欢迎大家订阅我的专栏一起学习YOLO！ ...
YOLOv8改进 | 检测头篇 | 重参数化检测头RepHead解决困难样本检测（全网独家首发）
数据集中有困难识别的样本来说是非常有效的解决方法，同时本文的检测头结构为我本人独家提出，全网仅此一份，结构非常新颖，想要发表论文的读者非常推荐使用。 推荐指数：⭐⭐⭐⭐⭐ 欢迎大家订阅我的专栏一起学习YOLO！ ...
YOLOv8改进 | Conv篇 | 结合Dual思想利用HetConv创新一种全新轻量化结构CSPHet（参数量下降70W）
集上实现涨点即可撰写论文)，还有各种前沿顶会改进机制 |，更有包含我所有附赠的文件（文件内集成我所有的改进机制全部注册完毕可以直接运行）和交流群和视频讲解提供给大家。 欢迎大家订阅我的专栏一起学习YOLO！ ...
YOLOv5改进 | 2023主干篇 | EfficientViT替换Backbone（高效的视觉变换网络）
一、本文介绍 本文给大家带来的改进机制是EfficientViT（高效的视觉变换网络），EfficientViT的核心是一种轻量级的多尺度线性注意力模块，能够在只使用硬件高效操作的情况下实现全局感受野和多尺度学习。本文带来是2023年的最新版本的EfficientViT网络结构，论文题目是'EfficientViT: Multi-Scale Linear Attention for High-Resol...
YOLOv5改进 | 主干篇 | 12月最新成果UniRepLknet特征提取网络（附对比试验效果图）
结构就是在LKNet基础上的一个升级版本，LKNet我们之前已经出过教程了。UniRepLknet在各种视觉任务中，包括图像分类、目标检测和语义分割，都显示出优异的性能。 欢迎大家订阅我的专栏一起学习YOLO！ ...
【RT-DETR改进涨点】为什么YOLO版本的RT-DETR训练模型不收敛的问题
前言 大家好，我是Snu77，这里是RT-DETR有效涨点专栏。 本专栏的内容为根据ultralytics版本的RT-DETR进行改进，内容持续更新，每周更新文章数量3-10篇。 其中提到的多个版本ResNet18、ResNet34、ResNet50、ResNet101为本人根据RT-DETR官方版本1：1移植过来的，参数量基本保持一致(误差很小很小)，不同于ultralytics仓库版本的ResNet官...