👑基础篇👑
- (一):详解YOLOv8网络结构/环境搭建/数据集获取/训练/推理/验证/导出/部署:详解YOLOv8网络结构/环境搭建/数据集获取/训练/推理/验证/导出/部署")
- (二): 利用恒源云在云端租用GPU服务器训练YOLOv8模型(包括Linux系统命令讲解): 利用恒源云在云端租用GPU服务器训练YOLOv8模型(包括Linux系统命令讲解)")
- (三):YOLOv8 | 代码逐行解析(一) | 项目目录构造分析(带你完整的走遍整个流程):YOLOv8 | 代码逐行解析(一) | 项目目录构造分析(带你完整的走遍整个流程)")
- (四):YOLOv8 | 代码逐行解析(二) | 从yaml文件到模型定义(代码逐行注释,小白必看):YOLOv8 | 代码逐行解析(二) | 从yaml文件到模型定义(代码逐行注释,小白必看)")
- (五):YOLOv8改进 | 如何在网络结构中添加注意力机制、C2f、卷积、Neck、检测头:YOLOv8改进 | 如何在网络结构中添加注意力机制、C2f、卷积、Neck、检测头")
- (六):YOLOv8性能评估指标->mAP、Precision、Recall、FPS、IoU:YOLOv8性能评估指标->mAP、Precision、Recall、FPS、IoU")
- (七):YOLOv8训练损失、mAP画图功能 | 支持多结果对比,多结果在一个图片(科研必备):YOLOv8训练损失、mAP画图功能 | 支持多结果对比,多结果在一个图片(科研必备)")
- (八):YOLOv8可视化热力图 | 支持自定义模型、置信度选择等功能 (科研必备):YOLOv8可视化热力图 | 支持自定义模型、置信度选择等功能 (科研必备)")
- (九):YOLOv8改进 | 可视化热力图 | 支持YOLOv8最新版本密度热力图,和视频热力图:YOLOv8改进 | 可视化热力图 | 支持YOLOv8最新版本密度热力图,和视频热力图")
- (十):超详细教程YoloV8官方推荐免费数据集网站Roboflow一键导出Voc、COCO、Yolo、Csv等格式:超详细教程YoloV8官方推荐免费数据集网站Roboflow一键导出Voc、COCO、Yolo、Csv等格式")
- (十一):YOLOv8官方推荐免费数据集网站Roboflow数据预处理教程:YOLOv8官方推荐免费数据集网站Roboflow数据预处理教程")
- (十二):YOLOv8官方推荐免费数据集网站Roboflow数据增强教程:YOLOv8官方推荐免费数据集网站Roboflow数据增强教程")
- (十三):YOLOv8改进 | 基础篇 | 计算训练好权重文件对应的FPS、推理每张图片的平均时间(科研必备):YOLOv8改进 | 基础篇 | 计算训练好权重文件对应的FPS、推理每张图片的平均时间(科研必备)")
- (十四):汇总利用YOLO8训练遇到的报错和解决方案(包含训练过程中验证阶段报错、精度报错、损失为Nan、不打印GFLOPs):汇总利用YOLO8训练遇到的报错和解决方案(包含训练过程中验证阶段报错、精度报错、损失为Nan、不打印GFLOPs)")
👑卷积篇👑
- (一):YOLOv8改进 | Conv篇 | 轻量级下采样方法ContextGuided(大幅度涨点):YOLOv8改进 | Conv篇 | 轻量级下采样方法ContextGuided(大幅度涨点)")
- (二):YOLOv8改进 | Conv篇 | DiverseBranchBlock多元分支模块(有效涨点):YOLOv8改进 | Conv篇 | DiverseBranchBlock多元分支模块(有效涨点)")
- (三):YOLOv8改进 | Conv篇 | SPD-Conv空间深度转换卷积(高效空间编码技术):YOLOv8改进 | Conv篇 | SPD-Conv空间深度转换卷积(高效空间编码技术)")
- (四):YOLOv8改进 | Conv篇 | AKConv轻量级架构下的高效检测(既轻量又提点):YOLOv8改进 | Conv篇 | AKConv轻量级架构下的高效检测(既轻量又提点)")
- (五):YOLOv8改进 | Conv篇 | SCConv空间和通道重构卷积(精细化检测,轻量又提点):YOLOv8改进 | Conv篇 | SCConv空间和通道重构卷积(精细化检测,轻量又提点)")
- (六):YOLOv8改进 | Conv篇 | 通过RFAConv重塑空间注意力(深度学习的前沿突破):YOLOv8改进 | Conv篇 | 通过RFAConv重塑空间注意力(深度学习的前沿突破)")
- (七):YOLOv8改进 | Conv篇 | DWRSeg扩张式残差助力小目标检测:YOLOv8改进 | Conv篇 | DWRSeg扩张式残差助力小目标检测")
- (八):YOLOv8改进 | Conv篇 | SAConv可切换空洞卷积(附修改后的C2f+Bottleneck):YOLOv8改进 | Conv篇 | SAConv可切换空洞卷积(附修改后的C2f+Bottleneck)")
- (九):YOLOv8改进 | Conv篇 | ODConv卷积助力极限涨:YOLOv8改进 | Conv篇 | ODConv卷积助力极限涨")
- (十):YOLOv8改进 | Conv篇 | 多位置替换可变形卷积(DCNv1、DCNv2、DCNv3):YOLOv8改进 | Conv篇 | 多位置替换可变形卷积(DCNv1、DCNv2、DCNv3)")
- (十一):YOLOv8改进 | Conv篇 |手把手教你添加动态蛇形卷积(Dynamic Snake Conv):YOLOv8改进 | Conv篇 |手把手教你添加动态蛇形卷积(Dynamic Snake Conv)")
- (十二):YOLOv8改进 | Conv篇 | 利用YOLO-MS的MSBlock轻量化网络结构(既轻量又长点):YOLOv8改进 | Conv篇 | 利用YOLO-MS的MSBlock轻量化网络结构(既轻量又长点)")
- (十三):YOLOv8改进 | Conv篇 | 在线重参数化卷积OREPA助力二次创新(提高推理速度 + FPS):YOLOv8改进 | Conv篇 | 在线重参数化卷积OREPA助力二次创新(提高推理速度 + FPS)")
- (十四):YOLOv8改进 | Conv篇 | 2024.1月最新成果可变形卷积DCNv4(全网独家首发):YOLOv8改进 | Conv篇 | 2024.1月最新成果可变形卷积DCNv4(全网独家首发)")
- (十五):YOLOv8改进 | Conv篇 | 结合Dual思想利用HetConv创新一种全新轻量化结构CSPHet(参数量下降70W):YOLOv8改进 | Conv篇 | 结合Dual思想利用HetConv创新一种全新轻量化结构CSPHet(参数量下降70W)")
- (十六):YOLOv8改进 | Conv篇 | 利用DualConv二次创新C2f提出一种轻量化结构(轻量化创新):YOLOv8改进 | Conv篇 | 利用DualConv二次创新C2f提出一种轻量化结构(轻量化创新)")
- (十七):YOLOv8改进 | Conv篇 | 利用轻量化PartialConv提出一种全新的结构CSPPC (参数量下降约100W):YOLOv8改进 | Conv篇 | 利用轻量化PartialConv提出一种全新的结构CSPPC (参数量下降约100W)")
- (十八):YOLOv8改进 | Conv篇 | 利用FasterBlock二次创新C2f提出一种全新的结构(全网独家首发,参数量下降70W):YOLOv8改进 | Conv篇 | 利用FasterBlock二次创新C2f提出一种全新的结构(全网独家首发,参数量下降70W)")
- (十九):YOLOv8改进 | Conv篇 | 利用YOLOv9的GELAN模块替换C2f结构(附轻量化版本 + 高效涨点版本 + 结构图):YOLOv8改进 | Conv篇 | 利用YOLOv9的GELAN模块替换C2f结构(附轻量化版本 + 高效涨点版本 + 结构图)")
- (二十):YOLOv8改进 | Conv篇 | 全新的SOATA轻量化下采样操作ADown(参数量下降百分之二十,附手撕结构图):YOLOv8改进 | Conv篇 | 全新的SOATA轻量化下采样操作ADown(参数量下降百分之二十,附手撕结构图)")
👑注意力篇👑
- (一):YOLOv8改进 | 注意力篇 | ACmix自注意力与卷积混合模型(提高FPS+检测效率):YOLOv8改进 | 注意力篇 | ACmix自注意力与卷积混合模型(提高FPS+检测效率)")
- (二):YOLOv8改进 | 注意力篇 | MSDA多尺度空洞注意力(附多位置添加教程):YOLOv8改进 | 注意力篇 | MSDA多尺度空洞注意力(附多位置添加教程)")
- (三):YOLOv8改进 | 注意力篇 | HAttention超分辨率重建助力小目标检测 (全网首发):YOLOv8改进 | 注意力篇 | HAttention超分辨率重建助力小目标检测 (全网首发)")
- (四):YOLOv8改进 | 注意力篇 | RCS-OSA替换C2f暴力涨点(减少通道的空间对象注意力):YOLOv8改进 | 注意力篇 | RCS-OSA替换C2f暴力涨点(减少通道的空间对象注意力)")
- (五):YOLOv8改进 | 注意力篇 | TripletAttention三重注意力机制:YOLOv8改进 | 注意力篇 | TripletAttention三重注意力机制")
- (六):YOLOv8改进 | 注意力篇 | Deformable-LKA可变形大核注意力(涨点幅度超高):YOLOv8改进 | 注意力篇 | Deformable-LKA可变形大核注意力(涨点幅度超高)")
- (七):YOLOv8改进 | 注意力篇 | LSKAttention大核注意力机制助力极限涨点:YOLOv8改进 | 注意力篇 | LSKAttention大核注意力机制助力极限涨点")
- (八):YOLOv8改进 | 注意力篇 | FocusedLinearAttention实现有效涨点:YOLOv8改进 | 注意力篇 | FocusedLinearAttention实现有效涨点")
- (九):YOLOv8改进 | 注意力篇 | DAttention (DAT)注意力机制实现极限涨点:YOLOv8改进 | 注意力篇 | DAttention (DAT)注意力机制实现极限涨点")
- (十):YOLOv8改进 | 注意力篇 | 适合多种检测场景的BiFormer注意力机制:YOLOv8改进 | 注意力篇 | 适合多种检测场景的BiFormer注意力机制")
- (十一):YOLOv8改进 | 注意力篇 | iRMB倒置残差块注意力机制(轻量化注意力机制):YOLOv8改进 | 注意力篇 | iRMB倒置残差块注意力机制(轻量化注意力机制)")
- (十二):YOLOv8改进 | 注意力篇 | EMAttention注意力机制(附多个可添加位置):YOLOv8改进 | 注意力篇 | EMAttention注意力机制(附多个可添加位置)")
- (十三):YOLOv8改进 | 注意力篇 | MLCA混合局部通道注意力(轻量化注意力机制):YOLOv8改进 | 注意力篇 | MLCA混合局部通道注意力(轻量化注意力机制)")
- (十四):YOLOv8改进 | 注意力篇 | 实现级联群体注意力机制CGAttention (全网首发):YOLOv8改进 | 注意力篇 | 实现级联群体注意力机制CGAttention (全网首发)")
- (十五):YOLOv8改进 | 注意力篇 | 利用YOLO-Face提出的SEAM注意力机制优化物体遮挡检测(附代码 + 修改教程):YOLOv8改进 | 注意力篇 | 利用YOLO-Face提出的SEAM注意力机制优化物体遮挡检测(附代码 + 修改教程)")
- (十六):YOLOv8改进 | 注意力篇 | 一文带你改进GAM、CBAM、CA、ECA等通道注意力机制和多头注意力机制:YOLOv8改进 | 注意力篇 | 一文带你改进GAM、CBAM、CA、ECA等通道注意力机制和多头注意力机制")
👑主干篇👑
- (一):YOLOv8改进 | 主干篇 | RevColV1可逆列网络(特征解耦助力小目标检测):YOLOv8改进 | 主干篇 | RevColV1可逆列网络(特征解耦助力小目标检测)")
- (二):YOLOv8改进 | 主干篇 | 利用SENetV1改进网络结构 (ILSVRC冠军得主):YOLOv8改进 | 主干篇 | 利用SENetV1改进网络结构 (ILSVRC冠军得主)")
- (三):YOLOv8改进 | 主干篇 | 利用SENetV2改进网络结构 (全网首发改进):YOLOv8改进 | 主干篇 | 利用SENetV2改进网络结构 (全网首发改进)")
- (四):YOLOv8改进 | 主干篇 | 利用MobileNetV3替换Backbone(轻量化网络结构):YOLOv8改进 | 主干篇 | 利用MobileNetV3替换Backbone(轻量化网络结构)")
- (五):YOLOv8改进 | 主干篇 | 利用MobileNetV2替换Backbone(轻量化网络结构):YOLOv8改进 | 主干篇 | 利用MobileNetV2替换Backbone(轻量化网络结构)")
- (六):YOLOv8改进 | 主干篇 | 利用MobileNetV1替换Backbone(轻量化网络结构):YOLOv8改进 | 主干篇 | 利用MobileNetV1替换Backbone(轻量化网络结构)")
- (七):YOLOv8改进 | 主干篇 | 轻量级网络ShuffleNetV1(附代码+修改教程):YOLOv8改进 | 主干篇 | 轻量级网络ShuffleNetV1(附代码+修改教程)")
- (八):YOLOv8改进 | 主干篇 | 轻量级网络ShuffleNetV2(附代码+修改教程):YOLOv8改进 | 主干篇 | 轻量级网络ShuffleNetV2(附代码+修改教程)")
- (九):YOLOv8改进 | 主干篇 | 华为最新VanillaNet主干替换Backbone实现大幅度长点:YOLOv8改进 | 主干篇 | 华为最新VanillaNet主干替换Backbone实现大幅度长点")
- (十):YOLOv8改进 | 主干篇 | RepViT从视觉变换器(ViT)的视角重新审视CNN:YOLOv8改进 | 主干篇 | RepViT从视觉变换器(ViT)的视角重新审视CNN")
- (十一):YOLOv8改进 | 主干篇 | 替换LSKNet遥感目标检测主干 (附代码+结构讲解):YOLOv8改进 | 主干篇 | 替换LSKNet遥感目标检测主干 (附代码+结构讲解)")
- (十二):YOLOv8改进 | 主干篇 | 利用轻量化卷积优化PP-HGNetV2改进主干(独家创新):YOLOv8改进 | 主干篇 | 利用轻量化卷积优化PP-HGNetV2改进主干(独家创新)")
- (十三):YOLOv8改进 | 主干篇 | 利用RT-DETR特征提取网络PPHGNetV2改进YOLOv8:YOLOv8改进 | 主干篇 | 利用RT-DETR特征提取网络PPHGNetV2改进YOLOv8")
- (十四):YOLOv8改进 | 主干篇 | SwinTransformer替换Backbone(附代码 + 原理介绍):YOLOv8改进 | 主干篇 | SwinTransformer替换Backbone(附代码 + 原理介绍)")
- (十五):YOLOv8改进 | 主干篇 | EfficientViT替换Backbone(高效的视觉变换网络):YOLOv8改进 | 主干篇 | EfficientViT替换Backbone(高效的视觉变换网络)")
- (十六):YOLOv8改进 | 主干篇 | FasterNeT跑起来的主干网络( 提高FPS和检测效率):YOLOv8改进 | 主干篇 | FasterNeT跑起来的主干网络( 提高FPS和检测效率)")
- (十七):YOLOv8改进 | 主干篇 | EfficientNetV1均衡缩放网络改进特征提取层:YOLOv8改进 | 主干篇 | EfficientNetV1均衡缩放网络改进特征提取层")
- (十八):YOLOv8改进 | 主干篇 | EfficientNetV2均衡缩放网络改进特征提取层:YOLOv8改进 | 主干篇 | EfficientNetV2均衡缩放网络改进特征提取层")
- (十九):YOLOv8改进 | 主干篇 | CSWinTransformer交叉形窗口网络:YOLOv8改进 | 主干篇 | CSWinTransformer交叉形窗口网络")
- (二十):YOLOv8改进 | 主干篇 | ConvNeXtV2全卷积掩码自编码器网络:YOLOv8改进 | 主干篇 | ConvNeXtV2全卷积掩码自编码器网络")
- (二十一):YOLOv8改进 | 主干篇 | 12月份最新成果TransNeXt特征提取网络(全网首发):YOLOv8改进 | 主干篇 | 12月份最新成果TransNeXt特征提取网络(全网首发)")
- (二十二):YOLOv8改进 | 主干篇 | 华为移动端模型Ghostnetv1改进特征提取网络:YOLOv8改进 | 主干篇 | 华为移动端模型Ghostnetv1改进特征提取网络")
- (二十三):YOLOv8改进 | 主干篇 | 华为移动端模型Ghostnetv2改进特征提取网络:YOLOv8改进 | 主干篇 | 华为移动端模型Ghostnetv2改进特征提取网络")
- (二十四):YOLOv8改进 | 主干篇 | 12月最新成果UniRepLknet特征提取网络:YOLOv8改进 | 主干篇 | 12月最新成果UniRepLknet特征提取网络")
- (二十五):YOLOv8改进 | 主干篇 | EfficientViT高效的特征提取网络完爆MobileNet系列(轻量化网络结构):YOLOv8改进 | 主干篇 | EfficientViT高效的特征提取网络完爆MobileNet系列(轻量化网络结构)")
- (二十六):YOLOv8改进 | 主干篇 | 反向残差块网络EMO一种轻量级的CNN架构(附完整代码 + 修改教程):YOLOv8改进 | 主干篇 | 反向残差块网络EMO一种轻量级的CNN架构(附完整代码 + 修改教程)")
- (二十七):YOLOv8改进 | 主干篇 | ResNet18、34、50、101改进特征提取网络(附代码 + 详细修改教程):YOLOv8改进 | 主干篇 | ResNet18、34、50、101改进特征提取网络(附代码 + 详细修改教程)")
- (二十八):YOLOv8改进 | 主干篇 | 利用图像分割网络UNetV2改善图像分割检测性能(全网独家首发):YOLOv8改进 | 主干篇 | 利用图像分割网络UNetV2改善图像分割检测性能(全网独家首发)")
- (二十九):YOLOv8改进 | 主干篇 | 修复官方去除掉PP-HGNetV2的通道缩放功能(轻量又涨点,全网独家整理):YOLOv8改进 | 主干篇 | 修复官方去除掉PP-HGNetV2的通道缩放功能(轻量又涨点,全网独家整理)")
- (三十):YOLOv8改进 | 主干篇 | 轻量化网络MobileViTv1改进YOLOv8助力轻量化模型:YOLOv8改进 | 主干篇 | 轻量化网络MobileViTv1改进YOLOv8助力轻量化模型")
- (三十一):YOLOv8改进 | 主干篇 | 轻量化网络MobileViTv2改进YOLOv8助力轻量化模型:YOLOv8改进 | 主干篇 | 轻量化网络MobileViTv2改进YOLOv8助力轻量化模型")
👑特殊场景检测篇👑
(去雾检测比较通用可以用于其它几种检测场景,也适用于一些检测物体比较模糊场景)
低照度:****YOLOv8改进 | 低照度增强网络PE-YOLO改进主干(改进暗光条件下的物体检测模型)
低照度:YOLOv8改进 | 低照度增强网络Retinexformer改进黑夜目标检测 (2023.11最新成果,独家首发)
低照度:YOLOv8改进 | 低照度图像增强网络SCINet改进黑暗目标检测(全网独家首发)
低照度:YOLOv8改进 | 轻量级的低照度图像增强网络IAT改进YOLOv8暗光检测(全网独家首发)
低照度:YOLOv8改进 | 门控可微分图像处理GDIP模块改善物体低照度检测检测(适用于图片不清晰等一切场景,全网独家首发)
低照度:YOLOv8改进 | 低照度检测 | 2024最新改进CPA-Enhancer链式思考网络(适用低照度、图像去雾、雨天、雪天)
超分辨率: YOLOv8改进 | 添加HAttention(HAT)超分辨率重建助力小目标检测 (全网首发,超分辨率检测)")
超分辨率:YOLOv8改进 | 独创RFAHead检测头超分辨率重构检测头(适用Pose、分割、目标检测)
超分辨率:YOLOv8改进 | 通过RFAConv重塑空间注意力(深度学习的前沿突破)
去雾检测: YOLOv8改进 | 利用图像去雾网络UnfogNet辅助YOLOv8进行图像去雾检测(全网独家首发)
去雾检测: YOLOv8改进 | 利用图像去雾网络AOD-PONO-Net网络增改进图像物体检测
去雾检测:YOLOv8改进 | 特征融合注意网络FFA-Net增强YOLOv8对于模糊图片检测能力(北大和北航联合提出)
去雾检测:YOLOv8改进 | 门控可微分图像处理GDIP模块改善物体低照度检测检测(适用于图片不清晰等一切场景,全网独家首发)
去雾检测:YOLOv8改进 | MB-TaylorFormer改善YOLOv8高分辨率和图像去雾检测(ICCV,全网独家首发)
去雾检测:YOLOv8改进 | 去雾检测 | 2024最新改进CPA-Enhancer链式思考网络(适用低照度、图像去雾、雨天、雪天)
遮挡检测:YOLOv8改进 | 添加YOLO-Face提出的SEAM注意力机制优化物体遮挡检测(附代码 + 修改教程)
👑检测头篇👑
- (一):YOLOv8改进 | 检测头篇 | 利用AFPN改进检测头适配YOLOv8版(全网独家创新):YOLOv8改进 | 检测头篇 | 利用AFPN改进检测头适配YOLOv8版(全网独家创新)")
- (二):YOLOv8改进 | 检测头篇 | 给v8换个RT-DETR的检测头(重塑目标检测前沿技术):YOLOv8改进 | 检测头篇 | 给v8换个RT-DETR的检测头(重塑目标检测前沿技术)")
- (三):YOLOv8改进 | 检测头篇 | 增加小目标检测层利用AFPN改进检测头:YOLOv8改进 | 检测头篇 | 增加小目标检测层利用AFPN改进检测头")
- (四):YOLOv8改进 | 检测头篇 | ASFF改进YOLOv8检测头(全网独家改进):YOLOv8改进 | 检测头篇 | ASFF改进YOLOv8检测头(全网独家改进)")
- (五):YOLOv8改进 | 检测头篇 | DynamicHead原论文一比一复现 (不同于网上版本):YOLOv8改进 | 检测头篇 | DynamicHead原论文一比一复现 (不同于网上版本)")
- (六):YOLOv8改进 | 检测头篇 | FRMHead效果秒杀v8和RT-DETR检测头(全网独家创新):YOLOv8改进 | 检测头篇 | FRMHead效果秒杀v8和RT-DETR检测头(全网独家创新)")
- (七):YOLOv8改进 | 检测头篇 | 利用DynamicHead增加辅助检测头针对性检测(四头版本):YOLOv8改进 | 检测头篇 | 利用DynamicHead增加辅助检测头针对性检测(四头版本)")
- (八):YOLOv8改进 | 检测头篇 | 在Dyhead检测头的基础上替换DCNv3 (全网独家首发):YOLOv8改进 | 检测头篇 | 在Dyhead检测头的基础上替换DCNv3 (全网独家首发)")
- (九):YOLOv8改进 | 检测头篇 | 利用DySnakeConv改进检测头专用于分割的检测头(全网独家首发,Seg):YOLOv8改进 | 检测头篇 | 利用DySnakeConv改进检测头专用于分割的检测头(全网独家首发,Seg)")
- (十):YOLOv8改进 | 检测头篇 | 利用DBB重参数化模块魔改检测头实现暴力涨点 (支持检测、分割、关键点检测):YOLOv8改进 | 检测头篇 | 利用DBB重参数化模块魔改检测头实现暴力涨点 (支持检测、分割、关键点检测)")
- (十一):YOLOv8改进 | 检测头篇 | 辅助特征融合检测头FASFFHead (增加额外目标检测层,独家创新):YOLOv8改进 | 检测头篇 | 辅助特征融合检测头FASFFHead (增加额外目标检测层,独家创新)")
- (十二):YOLOv8改进 | 检测头篇 | 重参数化检测头RepHead解决困难样本检测(全网独家首发):YOLOv8改进 | 检测头篇 | 重参数化检测头RepHead解决困难样本检测(全网独家首发)")
- (十三):YOLOv8改进 | 检测头篇 | 独创RFAHead检测头超分辨率重构检测头(适用Pose、分割、目标检测):YOLOv8改进 | 检测头篇 | 独创RFAHead检测头超分辨率重构检测头(适用Pose、分割、目标检测)")
- (十四):YOLOv8改进 | 检测头篇 | 2024最新HyCTAS模型提出SAttention(自研轻量化检测头 -> 适用分割、Pose、目标检测):YOLOv8改进 | 检测头篇 | 2024最新HyCTAS模型提出SAttention(自研轻量化检测头 -> 适用分割、Pose、目标检测)")
👑Neck篇👑
- (一):YOLOv8改进 | Neck篇 | 轻量级跨尺度特征融合模块CCFM(附yaml文件+添加教程):YOLOv8改进 | Neck篇 | 轻量级跨尺度特征融合模块CCFM(附yaml文件+添加教程)")
- (二):YOLOv8改进 | Neck篇 | 利用RepGFPN改进特征融合层(附yaml文件+添加教程):YOLOv8改进 | Neck篇 | 利用RepGFPN改进特征融合层(附yaml文件+添加教程)")
- (三):YOLOv8改进 | Neck篇 | BiFPN双向特征金字塔网络(附yaml文件+代码):YOLOv8改进 | Neck篇 | BiFPN双向特征金字塔网络(附yaml文件+代码)")
- (四):YOLOv8改进 | Neck篇 | Slim-Neck替换特征融合层实现超级涨点 (又轻量又超级涨点):YOLOv8改进 | Neck篇 | Slim-Neck替换特征融合层实现超级涨点 (又轻量又超级涨点)")
- (五):YOLOv8改进 | Neck篇 | 利用GoldYOLO改进YOLOv8让小目标检测无所遁形:YOLOv8改进 | Neck篇 | 利用GoldYOLO改进YOLOv8让小目标检测无所遁形")
- (六):YOLOv8改进 | Neck篇 | 利用ASF-YOLO改进特征融合层(适用于分割和目标检测):YOLOv8改进 | Neck篇 | 利用ASF-YOLO改进特征融合层(适用于分割和目标检测)")
- (七):YOLOv8改进 | Neck篇 | 2024.1最新MFDS-TR的HS-FPN改进特征融合层(降低100W参数,全网独家首发):YOLOv8改进 | Neck篇 | 2024.1最新MFDS-TR的HS-FPN改进特征融合层(降低100W参数,全网独家首发)")
- (八):YOLOv8改进 | Neck篇 | 当SDI碰上BiFPN形成全新的特征金字塔网络(全网独家创新):YOLOv8改进 | Neck篇 | 当SDI碰上BiFPN形成全新的特征金字塔网络(全网独家创新)")
- (九):YOLOv8改进 | Neck篇 | 结合SDI和ASF-YOLO形成全新的特征金字塔网络(分割高效涨点):YOLOv8改进 | Neck篇 | 结合SDI和ASF-YOLO形成全新的特征金字塔网络(分割高效涨点)")
👑损失函数篇👑
- (一):YOLOv8改进 | 损失函数篇 | MPDIoU、InnerMPDIoU助力细节涨点:YOLOv8改进 | 损失函数篇 | MPDIoU、InnerMPDIoU助力细节涨点")
- (二):YOLOv8改进 | 损失函数篇 | EIoU、WIoU、DIoU、FocusIoU等二十余种损失函数:YOLOv8改进 | 损失函数篇 | EIoU、WIoU、DIoU、FocusIoU等二十余种损失函数")
- (三):YOLOv8改进 | 损失函数篇 | InnerIoU、InnerWIoU、FocusIoU等损失函数:YOLOv8改进 | 损失函数篇 | InnerIoU、InnerWIoU、FocusIoU等损失函数")
- (四):YOLOv8改进 | 损失函数篇 | 12月最新Shape-IoU考虑边框形状与尺度度量的损失函数:YOLOv8改进 | 损失函数篇 | 12月最新Shape-IoU考虑边框形状与尺度度量的损失函数")
- (五):YOLOv8改进 | 损失函数篇 | SlideLoss、FocalLoss分类损失函数助力细节涨点(全网最全):YOLOv8改进 | 损失函数篇 | SlideLoss、FocalLoss分类损失函数助力细节涨点(全网最全)")
- (六):YOLOv8改进 | 损失函数篇 | QualityFocalLoss改进分类损失(提高分类准确率):YOLOv8改进 | 损失函数篇 | QualityFocalLoss改进分类损失(提高分类准确率)")
- (七):YOLOv8改进 | 损失函数篇 | 更加聚焦的边界框损失Focaler-IoU、InnerFocalerIoU(二次创新):YOLOv8改进 | 损失函数篇 | 更加聚焦的边界框损失Focaler-IoU、InnerFocalerIoU(二次创新)")
👑SPPF篇👑
- (一):YOLOv8改进 | SPPF篇 | 将AIFI模块和Conv模块结合替换SPPF(独家改进):YOLOv8改进 | SPPF篇 | 将AIFI模块和Conv模块结合替换SPPF(独家改进)")
- (二):YOLOv8改进 | SPPF篇 | FocalModulation替换SPPF(精度更高空间金字塔池化):YOLOv8改进 | SPPF篇 | FocalModulation替换SPPF(精度更高空间金字塔池化)")
- (三):YOLOv8改进 | SPPF篇 | 利用YOLOv9最新的SPPELAN模块改进SPPF(全网独家创新):YOLOv8改进 | SPPF篇 | 利用YOLOv9最新的SPPELAN模块改进SPPF(全网独家创新)")
👑细节创新篇👑
- (一): YOLOv8改进 | 细节创新篇 | iAFF迭代注意力特征融合助力多目标细节涨点: YOLOv8改进 | 细节创新篇 | iAFF迭代注意力特征融合助力多目标细节涨点")
- (二):YOLOv8改进 | 细节涨点篇 | CARAFE提高精度的上采样方法(助力细节长点):YOLOv8改进 | 细节涨点篇 | CARAFE提高精度的上采样方法(助力细节长点)")
- (三):YOLOv8改进 | 细节涨点篇 | UNetv2提出的一种SDI多层次特征融合模块(分割高效涨点):YOLOv8改进 | 细节涨点篇 | UNetv2提出的一种SDI多层次特征融合模块(分割高效涨点)")
- (四):YOLOv8改进 | 细节涨点篇 | DySample一种超级轻量的动态上采样算子(效果完爆CARAFE):YOLOv8改进 | 细节涨点篇 | DySample一种超级轻量的动态上采样算子(效果完爆CARAFE)")
- (五):YOLOv8改进 | 细节涨点篇 | 利用YOLOv8自带的RayTune进行超参数调优:YOLOv8改进 | 细节涨点篇 | 利用YOLOv8自带的RayTune进行超参数调优")
👑融合改进篇👑
- (一):YOLOv8改进 | 融合改进篇 | BiFPN+ RepViT(教你如何融合改进机制):YOLOv8改进 | 融合改进篇 | BiFPN+ RepViT(教你如何融合改进机制)")
- (二):YOLOv8改进 | 融合改进篇 | Damo-YOLO配合Dyhead检测头突破极限涨点:YOLOv8改进 | 融合改进篇 | Damo-YOLO配合Dyhead检测头突破极限涨点")
- (三):YOLOv8改进 | 融合改进篇 | 轻量化CCFM + SENetv2进行融合改进涨点 (独家首发):YOLOv8改进 | 融合改进篇 | 轻量化CCFM + SENetv2进行融合改进涨点 (独家首发)")
- (四):YOLOv8改进 | 融合改进篇 | CCFM + Dyhead完美融合突破极限涨点 (全网独家首发):YOLOv8改进 | 融合改进篇 | CCFM + Dyhead完美融合突破极限涨点 (全网独家首发)")
- (五):YOLOv8改进 | 融合改进篇 | 华为VanillaNet + BiFPN突破涨点极限(独家首发):YOLOv8改进 | 融合改进篇 | 华为VanillaNet + BiFPN突破涨点极限(独家首发)")
👑独家创新篇👑
- (一):YOLOv8改进 | 独家创新篇 | 结合iRMB和EMA形成全新的iEMA机制(全网独家创新):YOLOv8改进 | 独家创新篇 | 结合iRMB和EMA形成全新的iEMA机制(全网独家创新)")
- (二):YOLOv8改进 | 独家创新篇 | 在Dyhead检测头的基础上替换DCNv3 (全网独家首发):YOLOv8改进 | 独家创新篇 | 在Dyhead检测头的基础上替换DCNv3 (全网独家首发)")
- (三):YOLOv8改进 | 独家创新篇 | 利用DBB重参数化模块魔改检测头实现暴力涨点 (支持检测、分割、关键点检测):YOLOv8改进 | 独家创新篇 | 利用DBB重参数化模块魔改检测头实现暴力涨点 (支持检测、分割、关键点检测)")
- (四):YOLOv8改进 | 独家创新篇 | 利用DualConv二次创新C2f提出一种轻量化结构(轻量化创新):YOLOv8改进 | 独家创新篇 | 利用DualConv二次创新C2f提出一种轻量化结构(轻量化创新)")
- (五):YOLOv8改进 | 独家创新篇 | 结合Dual思想利用HetConv创新一种全新轻量化结构CSPHet(参数量下降70W):YOLOv8改进 | 独家创新篇 | 结合Dual思想利用HetConv创新一种全新轻量化结构CSPHet(参数量下降70W)")
- (六):YOLOv8改进 | 独家创新篇 | 利用轻量化PartialConv提出一种全新的结构CSPPC (参数量下降约100W):YOLOv8改进 | 独家创新篇 | 利用轻量化PartialConv提出一种全新的结构CSPPC (参数量下降约100W)")
- (七):YOLOv8改进 | 独家创新篇 | 当SDI碰上BiFPN形成全新的特征金字塔网络(全网独家创新):YOLOv8改进 | 独家创新篇 | 当SDI碰上BiFPN形成全新的特征金字塔网络(全网独家创新)")
基础面试题
主要内容包括:HTML,CSS,JavaScript,浏览器,性能优化等等
| 独家创新篇 | 利用轻量化PartialConv提出一种全新的结构CSPPC (参数量下降约100W)]( ):YOLOv8改进 | 独家创新篇 | 利用轻量化PartialConv提出一种全新的结构CSPPC (参数量下降约100W)")**
- (七):YOLOv8改进 | 独家创新篇 | 当SDI碰上BiFPN形成全新的特征金字塔网络(全网独家创新):YOLOv8改进 | 独家创新篇 | 当SDI碰上BiFPN形成全新的特征金字塔网络(全网独家创新)")
基础面试题
主要内容包括:HTML,CSS,JavaScript,浏览器,性能优化等等