在不断发展的AI世界中，有一件事是我们可以确定的：模型会变得越来越好、越来越快、越来越智能。就在你认为YOLO系列已经达到顶峰时，Ultralytics发布了最新升级版—YOLO11。没错，不是YO...
YOLO（YouOnlyLookOnce）系列是目标检测领域的佼佼者，其模型在精度和速度上不断取得突破。YOLOv8作为该系列的最新版本，已经在多个检测任务中展现了其强大的性能。然而，面对新兴的检测需求和挑战，我们需要进一步优化Y...
YOLO-V10由清华大学提供，采用无NMS训练和效率-精度驱动架构，提供目前最先进的性能和延迟。_yolov10labelimg...
点击下方卡片，关注“小白玩转Python”公众号实时目标检测是一个具有广泛应用的关键领域，从物体跟踪到自动驾驶。想象一下，一辆能够实时检测行人和其他车辆的自动驾驶汽车，或一个可以同时跟踪多个移动物体的监控系统。这...
本文探讨了如何通过引入自适应特征金字塔网络（AFPN）来提升YOLOv8在小目标检测中的性能。AFPN通过对多尺度特征的精细化融合，增强了模型对不同尺度目标的感知能力，特别是对小目标的检测能力进行了有效提升。我们通过引入可学习权重参数和...
无论是前景类还是背景类，ptp_tpt越大，权重(1−pt)γ(1-p_t)^{\\gamma}(1−pt)γ就越小，即简单样本的损失可以通过权重进行抑制；αt\\alpha...
EfficientNetV1的核心思想是通过均衡缩放（CompoundScaling）来优化网络结构。均衡缩放方法同时调整网络的深度、宽度和分辨率，以便在计算资源有限的情况下实现最佳性能。EfficientNetV1使用了一个高效的基...
YOLO（YouOnlyLookOnce）系列模型以其端到端的检测能力和高效性广泛应用于目标检测任务。YOLOv8是YOLO系列中的最新版本，其改进了特征提取、特征融合和检测头设计等多个方面。YOLOv8的检测头主...
iAFF是一种基于注意力机制的特征融合方式，旨在逐步迭代特征图中的空间和通道维度信息。通过多个层次的注意力机制，该方法能够有效地融合来自不同尺度的特征信息，增强模型对小目标和细节的捕捉能力。相比传统的融合方法，iAFF不仅考虑了特征图中...
目标检测：YOLOv4、YOLOv5与YOLOv6理论知识笔记，根据B站up霹雳吧啦Wz与CSDN博主路人贾的目标检测相关博文总结。_yolov4和yolov5对比...