yolov8双目测距包含有前端的源码和无前端的源码Sgbm双目测距算法内含测距代码，视差图和深度图代码，以及极线矫正代码_yolov8双目测距...
![[数据集][目标检测]抽烟检测数据集VOC+YOLO格式22559张2类别](/uploads/2024/09/17/1726558652889044550.webp)
数据集格式：PascalVOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件)特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理标...
VanillaNet是华为最新推出的轻量级网络架构，专为在移动端和嵌入式设备上运行而设计。轻量化设计：通过简化卷积操作和减少参数量，VanillaNet可以在保证精度的前提下，大幅降低计算复杂度。深度可分离卷积：采用深度可分离卷积（De...
从0到1部署YOLOv10深度学习AI大模型的环境搭建、模型训练、权重使用，以及各项指标解读。_ultralytics国内镜像...
FasterNeT是一种新型轻量化神经网络架构，旨在在保证精度的同时极大地提高推理速度。其通过一系列结构创新（如GroupConvolution和LayerNorm）减少了计算复杂度，同时保持了较高的模型性能。将Faster...
空洞卷积是一种用于扩大感受野而不增加计算量的卷积操作。通过在卷积核的权重之间引入空洞（即间隔），空洞卷积能够捕捉更大范围的信息，同时保持计算效率。空洞卷积的公式为：其中，(r)是空洞率，控制了感受野的大小。...
ShuffleNetV2是一种通过分组卷积（GroupConvolution）和通道洗牌（ChannelShuffle）技术来减少计算量和内存访问成本的轻量级网络。分组卷积：通过减少卷积核的计算量来降低整体的计算复杂度。通道洗牌：通...
1.首先克隆rknn修改后的ultralytics版本项目到本地主要是修改了源码的ultralytics/nn/modules/head.py和ultralytics/engine/exporter.py两个文...
YOLOv8继承了YOLO系列的核心思想，即通过单次前向传播同时完成分类和定位任务。它的模型架构进一步优化了CSPDarknet作为骨干网络，并在此基础上引入了多尺度特征融合和改进的损失函数。然而，这些改进仍未能完全...
RevColV1的引入显著提高了YOLOv8在小目标检测任务中的性能。虽然模型的计算开销略有增加，但相较于其带来的性能提升，这种增加是值得的。RevColV1通过特征解耦和列网络设计有效地提升了模型对小目标的检测能力。...