YOLOv8作为YOLO系列的最新版本，通过多项技术改进提升了检测精度和速度。YOLOv8的核心架构包括主干网络、特征金字塔网络（FPN）、以及检测头。尽管其性能已经非常强劲，但进一步的改进空间仍然存在。BiFPN（Bidirectio...
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...
本文详细介绍了如何从YOLOv8模型的训练过程中提取损失和mAP数据，并通过Python绘图工具进行可视化。通过将多个训练结果绘制在同一张图中，我们可以直观地对比不同实验的表现，从而帮助科研人员更好地分析模型的性能。除了Y...
本文采用YOLOv8作为核心算法框架，结合PyQt5构建用户界面，使用Python3进行开发。YOLOv8以其高效的实时检测能力，在多个目标检测任务中展现出卓越性能。本研究针对TT100k数据集进行训练和优化，该数据集包含丰富的交通标志样本，为模型的准确性和泛...
YOLOv11由Ultralytics在2024年9月30日发布，最新的YOLOv11模型在之前的YOLO版本引入了新功能和改进，以进一步提高性能和灵活性。YOLO11在快速、准确且...
利用图像处理和计算机视觉技术开发一套智能识别系统，自动检测和分类摄像头捕获的视频中，城市管理中的违规行为，包括：垃圾桶满溢、机动车违停、非机动车违停、违法经营等。bbox：检测到的违规行为矩形框的坐标，[xmin,...
YOLOv10，由清华大学多媒体智能组只开发，是一款亳秒级实时端到端目标检测的开源模型。该模型在保持性能不变的情况下，与YOLOv9相比，延迟减少了46%，参数减少了25%，非常适合需要快速检测物体的应用，如实时...
jetsonnano环境如下。_jetsonnanoyolov8...
YOLOv8是YOLO（YouOnlyLookOnce）系列的最新版本，继承了YOLO系列的优良传统，致力于实现快速且准确的目标检测。YOLOv8在网络架构、特征提取和检测精度等方面进行了优化，进一步提高了检测性能。然而...
针对资源受限的嵌入式平台，本文提出了一种FPGA上的YOLOv5s目标检测网络加速结构，通过共享1×1和3×3卷积计算单元提高硬件资源利用率。该结构结合了卷积层融合、量化、循环分块和双缓冲策略，以提升计算效率和减...