OpenCV学堂 | YOLOv8官方团队宣布YOLOv11 发布了

已于 2024-10-01 20:53:11 修改
阅读量1.4k 收藏 9
点赞数 21
分类专栏： 深度学习拓展阅读 文章标签： YOLO 数据挖掘 人工智能 深度学习 计算机视觉 opencv 机器学习
于 2024-10-01 20:47:28 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/csdn_xmj/article/details/142673010
版权

本文来源公众号“OpenCV学堂”，仅用于学术分享，侵权删，干货满满。

原文链接：YOLOv8官方团队宣布YOLOv11 发布了

引言

YOLO11是Ultralytics YOLO系列实时目标检测器的最新迭代版本，它以尖端的准确性、速度和效率重新定义了可能实现的性能。在之前YOLO版本取得的显著进步基础上，YOLO11在架构和训练方法上进行了重大改进，使其成为各种计算机视觉任务中的通用选择。

看下效果对比图：

源码地址

https://github.com/ultralytics/ultralytics

最低0.47元/天 解锁文章
YOLOv11 正式发布！你需要知道什么? 另附：YOLOv8 与YOLOv11 各模型性能比较
专注于图像领域，主要研究内容包括计算机视觉和深度学习，特别是在图像分类、目标检测和图像生成等方面有深入的研究和实践经验。
10-18 4942
YOLOv11 正式发布！你需要知道什么? 另附：YOLOv8 与YOLOv11 各模型性能比较
YOLOv4中的tricks概念总结——Bag of freebies
m0_37957160的博客
12-31 3040
参考链接： https://blog.csdn.net/weixin_38688399/article/details/106692156 https://www.cnblogs.com/yymn/articles/13672236.html opencv学堂的文章：想读懂YOLOV4，你需要先了解下列技术(一) https://zhuanlan.zhihu.com/p/104236411 https://www.bilibili.com/video/BV1yi4y1g7ro?p=4 https://b
YOLO11详解(与YOLOv8对比)
Alex_Tlover的博客
10-08 9632
YOLO（You Only Look Once），是由华盛顿大学的Joseph Redmon和Ali Farhadi开发的一个流行的目标检测与图像分割模型。自2015年发布以来，YOLO因其高速度和高精度迅速获得了广泛的关注和使用。 2.2 YOLOv8模型结构： 模型差别总体预览 ： 首先了解C2f模块的代码，这个模块结合了跨阶段部分连接（CSPNet）和 Bottleneck 结构，用于有效的特征提取。: __init__方法: - 初始化了两个卷积层 cv
YOLO V11环境配置（详解）
dasatalan的博客
03-12 3802
YOLOv11是 YOLO（You Only Look Once）系列目标检测算法的最新版本，由 Ultralytics 开发。它在 YOLOv5 的基础上进行了多项改进，性能更强，灵活性更高，适用于实时目标检测任务。由于miniconda的默认下载源位于国外，所以导致国内用户下载速度慢。最好的解决办法是使用国内镜像源下载，速度很快。这里有很多下载版本，我们选择一个对应的版本下载（python版本最好对应）点击【Next】，进入下一步这里是问接不接受下载，我们直接点击【I Agree】
YOLOv11对比YOLOV8网络结构变化分析，帮助你真正的理解和学习yolo框架
qq_39128381的博客
10-15 1万+
yolov11 yolo
YOLOv11 vs YOLOv8：谁才是真正的AI检测之王？
热门推荐
阿旭的博客
10-06 1万+
YOLOv11 vs YOLOv8：谁才是真正的AI检测之王？
【YOLO系列】YOLOv11正式发布！
weixin_44184852的博客
10-01 3386
了解Ultralytics YOLO11的所有突破性功能，这是我们最新的人工智能模型，具有无与伦比的准确性和效率。我们很高兴向大家介绍Ultralytics型号的下一次进化：YOLO11！YOLO11建立在以前YOLO模型版本令人印象深刻的进步的基础上，带来了一系列强大的功能和优化，使其更快、更准确和令人难以置信的多功能性。
Yolov11与Yolov8在西红柿识别数据集上对比
llz19670的博客
10-14 1759
Ultralytics 最新发布的 YOLOv11 相较于其上一代产品 YOLOv8，虽然没有发生革命性的变化，但仍有一些显著的改进（值得注意的是，YOLOv9 和 YOLOv10 并非由 Ultralytics 开发）。此外，YOLOv11 在损失函数方面没有进行更新，依然采用 CIoU 作为边界框回归的损失函数，保持了 YOLOv8 中成熟的损失优化策略。：YOLOv11 中的检测头内部进行了调整，替换了两个深度可分离卷积（DWConv），这不仅降低了计算量，还在一定程度上提升了检测效果。
Ultrylytics 官宣: YOLO11 全新发布！
专注计算机视觉全栈知识分享
09-30 1700
总的来说，本次更新的 YOLO11 模型是基于 YOLOv8 开发的，网络结构方面整体变化不大，采用 C3K2 替换掉了原先的 C2 和 C3 块，并新增了一个类似于自注意力的特征增强模块——C2PSA。检测头部分延续了 YOLOv8，因此后处理解析步骤基本相同。根据社区的反馈，精度方面喜忧参半，欢迎添加WX: cv_huber，备注YOLO11一同加入 YOLO 学习讨论小组分享你的观点和看法吧~
OpenCV学堂 | YOLOv8与YOLO11自定义数据集迁移学习效果对比
csdn_xmj的博客
12-15 683
如题
OpenCV学堂 | YOLOv8实战 | 荧光显微镜细胞图像检测
csdn_xmj的博客
10-21 1002
该图像数据集是 U2OS 细胞高通量化学筛选的一部分，其中包含 200 种生物活性化合物的示例。治疗效果最初是使用细胞绘画测定（荧光显微镜）成像的。该数据集仅包括每种化合物的单个视场的 DNA 通道。这些图像呈现了各种核表型，代表了高通量化学扰动。该数据集的主要用途是研究分割算法，该算法可以以准确的方式分离单个细胞核实例，而不管它们的形状和细胞密度如何。该集合有大约 23,000 个手动注释的单个细胞核，以建立用于分割评估的数据集合。
YOLOV3 基于OpenCV DNN 的目标检测实现
长风破浪会有时，直挂云帆济沧海
03-29 3397
原文: YOLOV3 基于OpenCV DNN 的目标检测实现 - AIUAI 这里主要是对 基于 YOLOV3 和 OpenCV的目标检测(PythonC++)[译] Python 完整实现的整理. 基于 YOLOV3 和 OpenCV的目标检测(PythonC++) - AIUAI OpenCV DNN支持图像分类、对象检测、图像分割常见通用网络模型. OpenCV4.X - DNN模块...
YOLOv8 到 YOLOv11一步步实现优化目标检测（合适新人）
最新发布
小二、来壶酒
03-15 961
本研究旨在通过对YOLOv8和YOLOv11进行全面系统的比较来弥补这些缺陷。 本研究旨在阐明每个模型的工作原理，从而加深人们对YOLO发展历程的理解。 本研究旨在促进计算机视觉领域的创新和发展。
YOLOv11震撼发布
ONENERVE的博客
09-30 1488
Ultralytics在 YOLO Vision 2024 活动上宣布发布其新的计算机视觉模型 YOLO11。从效果来看，速度更快、更准确。同时，模型已开源。
YOLOv11与YOLOv8详细对比分析：mAP、Speed、Params、FLOPs
阿旭的博客
10-14 6796
YOLOv11与YOLOv8详细对比分析：mAP、Speed、Params、FLOPs
yolov11、yolov8部署的7种方法（yolov11、yolov8部署rknn的7种方法），一天一种部署方法，7天入门部署
zhangqian_1的博客
01-31 2362
本博客对 yolov11（yolov8）尝试了7种不同的部署方法，在最基础的模型上一步一步的去掉解码相关的操作（移到后处理种进行），直到不能再删减，保留到模型最本质的部分。随着解码相关的操作越来越多的移入后处理，模型的推理的时耗在减少，后处理的时耗在增加；但也随着解码操作从模型种移除，量化的效果也在逐步变好。对每种方法的优势进行了简单总结，不同的平台、不同的时耗或CPU占用需求，总有一种方法是适用的。当然对想了解部署的也是一个很好的参考学习资料。春节期间一天一种部署方法，这个春节收获满满。
YOLO11震撼发布！
啥都生的博客
09-30 5312
非常高兴地向大家介绍 Ultralytics YOLO系列的新模型： YOLO11！YOLO11 在以往 YOLO 模型基础上带来了一系列强大的功能和优化，使其速度更快、更准确、用途更广泛。主要改进包括。
yolov11
weixin_51832278的博客
11-08 2527
科技发展日新月异，2024 年是 YOLO模型的一年。继 2023 年 Ultralytics 发布 YOLOv8 之后，今年我们又有了 YOLOv9 和 YOLOv10，而后Ultralytics 宣布推出YOLO11在他们的 YOLO Vision 2024 (YV24) 活动上，随着更新迭代，yolo已经来到最新版本yolo11YOLO是一个快速、有效的目标检测算法，其核心优势在于速度和实时性，适用于大多数需要快速处理的应用场景。
源码解析篇 | YOLO11：计算机视觉领域的新突破 ！对比YOLOv8如何 ？
突然好想你
11-04 2665
作为Ultralytics YOLO系列实时目标检测器的最新迭代，YOLO11凭借尖端的准确性、速度和效率，重新定义了性能极限，为目标检测、分割、分类、定向边界框检测以及姿态估计等多样计算机视觉任务树立了新标杆。🌈
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值