使用PP-YOLOE替换YOLOv8消除商业化使用中的潜在风险

最新推荐文章于 2025-02-25 17:06:51 发布

算力魔方AIPC

最新推荐文章于 2025-02-25 17:06:51 发布

阅读量2.8k

点赞数 31

文章标签： YOLO

本文链接：https://blog.csdn.net/2401_83179994/article/details/142521539

版权

一，开源软件等于免费软件吗？

在很多国人认知中，“开源=免费”，“开源软件=免费软件”，“开源软件从网上下载下来就可以在自己的商业产品中免费使用了”... 这些认知不仅大错特错，而且还会给自己的企业带来巨大的侵权风险、声誉风险和诉讼风险！

首先，开源不等于免费，开源软件不是免费软件，开源软件有自己的版权 -- 这是对软件作者劳动的尊重和保护，它跟专利不同，无需申请或注册，当开源软件项目完成时，开源软件的版权就自然形成了。千万不要认为，开源软件没有专利证书，没有软件著作权证书，就可以随意侵权，随意免费使用。

其次，开源软件在追求 “Free(自由)” 的同时，不能牺牲开源软件作者的利益，否则将会影响开发者为开源做贡献的激情。因此，现在世界上有 60 多种被开源促进组织（Open Source Initiative）认可的开源许可协证(License)来保证开源工作者的权益。

开源许可证虽然不一定具备法律效力，但是当涉及软件版权纠纷时，开源协议也是非常重要的证据之一。2024年开年以来，国内外开源软件相关司法判决关注热度上升，对于对

最低0.47元/天解锁文章

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

算力魔方AIPC

关注关注

31
点赞
踩
26

收藏

觉得还不错? 一键收藏
4
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

Yolov8轻量级：VanillaNet一种新视觉Backbone，极简且强大！华为诺亚2023

06-01

2022

华为诺亚2023:简到极致、浅到极致！深度为6的网络即可取得76.36%@ImageNet的精度，深度为13的VanillaNet甚至取得了83.1%的惊人性能

Yolov8轻量级：Next-vit，用于现实工业场景的下一代视觉 Transformer

06-05

1543

提出了一种能在现实工业场景中有效部署的下一代视觉 Transformer，即 Next-ViT。Next-ViT 能像 CNN 一样快速推断，并有 ViT 一样强大的性能。

4 条评论您还未登录，请先登录后发表或查看评论

商用Python工地安全帽识别安全帽检测预警yolo可以检测图片，视频流，有界面python商用源码

10-03

Python工地安全帽识别安全帽检测预警yolo可以检测图片，视频流，有界面python，已商用，参考链接：https://www.bilibili.com/video/BV1e5411w75S?from=search&seid=13197047532321152108&spm_id_from=333.337.0.0 0基础部署视频教程：https://download.csdn.net/download/babyai996/85109327

【计算机视觉 | YOLOv8】YOLOv8如何引用？

wzk4869的博客

01-31

1万+

【计算机视觉 | YOLOv8】YOLOv8如何引用？

探索 YOLO 模型的奇妙世界：从基础到商用实践

热门推荐

qq_39967751的博客

01-12

4万+

YOLO系列：YOLO v1-v8、YOLOx、PP-YOLOE、DAMO-YOLO、YOLOX-PAI 设计思路

Debroon

07-20

4933

最强的地方就在于，即使在那些看起来没有我们要找的物体的方格中，它也能把这些方格中的信息提取出来，然后和其他方格中的信息一起，形成一个更“全面”的图片。YOLO v1假设物体的位置的中心就在某一个格子的中心点，但在实际情况中，每一个物体的中心的位置是任意的，可以在任何地方，不一定非要在格子的中心。有的人跳了1米，有的人跳了6米，甚至有人跳到了8米。那样我们就可以看清楚他们的样子，甚至还能看清楚它们身上详细的毛发，它们的眼睛的颜色，或者它们的皮肤的纹理等等详细部分，就像我们用了放大镜一样。

YOLOX: 无锚点机制 + 解耦头部设计 + 动态标签分配策略的高性能目标检测器 + Apache-2.0 开源可商用

Debroon

06-14

2510

当将DarkNet53的深度特征提取能力与CSPNet的高效计算方式结合时，CSPDarkNet53能够在确保深度和复杂特征提取的同时，保持网络的运行效率。这种先进的策略通过确保使用最相关的预测进行训练，优化了地面真实和预测对象之间的匹配，提高了精度。这种结构优化的目标是在不牺牲性能的情况下提供更高的速度和效率，使得CSPDarkNet53成为计算资源受限环境中的理想选择。这种设计的变化主要是为了改善模型的性能，通过分离任务以减少不同任务间的干扰，提高模型在分类和定位准确性上的效率。

基于yolov3+python实现的计算机视觉的交通场景智能应用，现道路目标如人、车牌、交通灯等物体的识别+数据权重+测试视频

2301_78627004的博客

06-11

268

1、该资源内项目代码都经过测试运行成功，功能ok的情况下才上传的，请放心下载使用！2、本项目适合计算机相关专业(如计科、人工智能、通信工程、自动化、电子信息等)的在校学生、老师或者企业员工下载学习，也适合小白学习进阶，当然也可作为毕设项目、课程设计、作业、项目初期立项演示等。3、如果基础还行，也可在此代码基础上进行修改，以实现其他功能，也可用于毕设、课设、作业等。下载后请首先打开README.md文件（如有），仅供学习参考, 切勿用于商业用途。

【目标检测-YOLO】博客阅读：Introduction to the YOLO Family

博观约取，厚积薄发

04-07

1960

介绍YOLO家族目标检测是计算机视觉研究的重要课题之一。大多数计算机视觉问题都涉及到检测视觉对象类别，如行人、汽车、公共汽车、人脸等。这一领域不仅局限于学术界，而且在视频监控、医疗保健、车载传感和自动驾驶等领域具有潜在的现实商业用例。许多用例，特别是自主驾驶，都要求高精度和实时推理速度。因此，选择一个对象检测器，适合的速度和准确性成为必不可少的法案。YOLO (You Only Look Once)是一个单级对象检测器，用于实现两个目标(即速度和准确性)。今天，我们将通过涵盖所有YOLO变体(如

比YOLOv5还厉害的YOLOX来了，官方支持OpenVINO推理

英特尔开发人员专区

08-02

5418

旷视科技开源了内部目标检测模型-YOLOX，性能与速度全面超越YOLOv5，如此神奇原因在于模型结构的修改，下图说明了改了什么地方：把原来的耦合头部，通过1x1卷积解耦成两个并行的分支，经过一系列处理之后最终取得精度与速度双提升。实验对比结果如下：提供预训练模型分为标准模型与移动端支持的轻量化模型：官方支持自定义模型训练、导出ONNX与OpenVINO推理部署。论文与代码模型下载地址： https://arxiv.org/pdf/2107.08430.pdf https://githu.

04【mmaction2 行为识别商用级别】slowfast检测算法使用yolov3来检测人

CSPhD-winston的博客

12-07

7962

github（新版）：https://github.com/Whiffe/mmaction2_YF 码云（新版）：https://gitee.com/YFwinston/mmaction2_YF.git github（老版本）：https://github.com/Whiffe/YF-OpenLib-mmaction2 码云（老版本）：https://gitee.com/YFwinston/YF-OpenLib-mmaction2.git mmaction2 官网：https://github.com/op

YOLOv8多任务版本A-YOLOM开源！超越YOLOv8和YOLOP

CV_Autobot的博客

10-14

4017

作者|AI视界引擎编辑| 自动驾驶Daily点击下方卡片，关注“自动驾驶之心”公众号ADAS巨卷干货，即可获取点击进入→自动驾驶之心【目标检测】技术交流群本文只做学术分享，如有侵权，联系删文导读本文作者提出了A-YOLOM，一个专门设计用于多任务的自适应模型，该模型在不需要任何特定的自定义结构或损失函数的情况下运行。高精度、轻量级和实时响应性是实施自动驾驶的三个重要要求。同时考虑所有这...

计算机算法可分为两大类别_YOLO之父宣布退出CV界：出于道德考虑，不希望算法用于军事和隐私...

weixin_39949889的博客

12-08

369

晓查发自凹非寺量子位报道 | 公众号 QbitAI今天，AI学术界发生了一场大地震。YOLO算法作者Joseph Redmon在个人Twitter上宣布，将停止一切CV研究，原因是自己的开源算法已经用在军事和隐私问题上。这对他的道德造成了巨大的考验。YOLO是计算机视觉领域最知名的目标检测算法之一，也因为开源被业界广泛采用。作者Joseph Redmon曾凭借该算法获得过2016年CVPR...

超越YOLOv8，飞桨推出精度最高的实时检测器RT-DETR！

PaddlePaddle

04-24

2616

‍‍众所周知，实时目标检测( Real-Time Object Detection )一直由 YOLO 系列模型主导。飞桨在去年 3 月份推出了高精度通用目标检测模型 PP-YOLOE ，同年在 PP-YOLOE 的基础上提出了 PP-YOLOE+ 。后者在训练收敛速度、下游任务泛化能力以及高性能部署能力方面均达到了很好的效果。而继 PP-YOLOE 提出后，MT-YOLOv6、YOLOv7、DA...

占道经营识别系统基于YOLO5

燧机科技的博客

11-14

448

占道经营识别检测系统基于YOLO5算法实现对道路实时检测，当检测到有人占道经营时马上抓拍预警。YOLOv5是一个在COCO数据集上预训练的物体检测架构和模型系列，它代表了Ultralytics对未来视觉AI方法的开源研究，其中包含了经过数千小时的研究和开发而形成的经验教训和最佳实践。

YOLO家族系列模型的演变：从YOLOv1到YOLOv8（上）

weixin_40920183的博客

01-28

4849

来源：DeepHub IMBAYOLO V8已经在本月发布了，我们这篇文章的目的是对整个YOLO家族进行比较分析。了解架构的演变可以更好地知道哪些改进提高了性能，并且明确哪些版本是基于那些版本的改进，因为YOLO的版本和变体的命名是目前来说最乱的，希望看完这篇文章之后你能对整个家族有所了解。在YOLO出现之前，检测图像中对象的主要方法是使用不同大小的滑动窗口依次通过原始图像的各个部分，以便分类器显...

[C++]yolov8的onnx模型加密方法保护自己模型和版权

FL1623863129的博客

01-26

3092

具体来说，当模型需要从一个环境传输到另一个环境时，可以使用密码加密的方式对模型进行加密，确保模型在传输过程中的安全。在模型存储时，可以使用哈希函数和数字签名等技术，验证模型的完整性和来源，防止模型被篡改或替换。对 Yolov8 的 ONNX 模型进行加密，主要是为了保护模型的机密性和完整性，防止未经授权的访问和使用。常见的加密方法包括使用密码加密、哈希函数、数字签名等技术。总之，对 Yolov8 的 ONNX 模型进行加密是一个重要的安全措施，可以有效地保护模型的机密性和完整性，防止未经授权的访问和使用。