AI:242-YOLOv8轻量化主干优化 | 基于轻量卷积的PP-HGNetV2创新改进与实战应用【超级涨点】

PP-HGNetV2是一个经过优化的轻量级主干网络,旨在平衡计算效率和检测精度。相比传统的ResNet或CSPDarknet,PP-HGNetV2在计算量上大幅降低,同时保持了较高的特征提取能力。它通过引入HybridConvolutio...

AI:216-保姆级YOLOv8目标检测性能提升 | 二十余种高级IoU损失函数的应用与对比【 EIoU、SIoU、WIoU、DIoU、FocusIoU等】

IoU是最基本的损失函数,计算预测框与真实框的交集面积与并集面积之比。DIoU考虑了预测框与真实框中心点之间的距离,有助于更快地收敛并提高定位精度。CIoU不仅考虑了中心点距离,还引入了长宽比的惩罚项,使得边界框的形状更加接近真实...

AI:228-保姆级基于SCConv的YOLOv8改进 | 轻量化空间与通道重构卷积助力精细化目标检测

在本文中,我们深入探讨了SCConv(空间和通道重构卷积)对YOLOv8的改进与优化。通过分析SCConv的工作原理及其在不同卷积层级中的应用,展示了该模块如何在保持轻量化的同时,显著提升模型的检测精度和特征提取能力。具体而言,SCCo...

YOLOv10改进 | 独家创新- 注意力篇 | YOLOv10结合24年最新的ELA注意力机制和Softmax Attention形成全新的SELA注意力机制和C2f_SELA(全网独家创新)

通过这种方式,SELA可以更好地捕捉到图像中细粒度的局部信息,增强了对局部特征的敏感度。到此本文的正式分享内容就结束了,在这里给大家推荐我的YOLOv10改进有效涨点专栏,后期我会根据各种最新的前沿顶会进行论文复现,也会对一些老的改进机...

Datawhale AI 从零上手CV竞赛Task1:YOLO方案笔记

本项目主要围绕计算机视觉竞赛中的目标检测任务展开,使用了YOLOv8模型来实现视频中的特定目标检测和分类。整个项目从数据准备、模型训练到最终的推理结果生成,均进行了详细的实现与记录。...

[AI]YOLO如何训练对象检测模型(详细)

讲解了YOLO模型的特点,以及YOLO数据集的构建和训练。_yolo怎么训练模型...

【Python快速入门和实践011】Python常用脚本-目标检测之VOC格式转YOLO格式脚本
AI:235-YOLOv8改进高效涨点 | 基于DiverseBranchBlock的多元分支模块与高效重参数化

DiverseBranchBlock(DBB)是一种具有多分支结构的卷积模块,其核心思想是在训练阶段通过多个不同的分支进行特征提取,从而增强模型的表达能力。在推理阶段,这些分支通过重参数化技术合并为一个卷积层,从而保证了推理效率。DBB...

嵌入式AI---训练自己的yolov5目标检测模型

基于常用的轻量级检测算法yolov5s,在3060显卡训练了一个自己的车辆检测模型。源码版本为yolov5v6.0,采用UA-DETRAC数据集训练。_基于yolo5实现目标检测...

Ai学术叫叫兽全网最新创新点改进系列:YOLOv10环境搭建,一镜到底,手把手教学,傻瓜式操作,一分钟完全掌握yolov10安装、使用、训练大全,从环境搭建到模型训练、推理,从入门到精通!

Ai学术叫叫兽全网最新创新点改进系列:YOLOv10环境搭建,一镜到底,手把手教学,傻瓜式操作,一分钟完全掌握yolov10安装、使用、训练大全,从环境搭建到模型训练、推理,从入门到精通!...