dally2的博客

【YOLOv8配置文件理解】

红外小目标检测

YOLOv9: Learning What You Want to Learn Using Programmable Gradient Information

YOLOv8模型网络结构图理解

Yolov7 红外小目标检测

无人机目标检测

研究用于视障人士户外障碍物检测的 YOLO 模型

论文题目： Iterative Scale-Up ExpansionIoU and Deep Features Association for Multi-Object Tracking in Sports论文特点： 作者提出了一种迭代扩展的 ExpansionIoU 和深度特征关联方法Deep-EIoU，用于体育场景中的多目标跟踪，旨在解决非线性、不规则运动、相似外观的在线短时多目标跟踪问题，实验表明，提出的方法对于提高跟踪鲁棒性是有效的，缺点就是该方法目前仅适用于短时跟踪，可能无法解决目标短暂消失入镜

作者提出了一种迭代扩展的 ExpansionIoU 和深度特征关联方法Deep-EIoU，用于体育场景中的多目标跟踪，旨在解决非线性、不规则运动、相似外观的在线短时多目标跟踪问题，实验表明，提出的方法对于提高跟踪鲁棒性是有效的，缺点就是该方法目前仅适用于短时跟踪，可能无法解决目标短暂消失入镜重识别问题，实时性较差。

深度学习基础知识

利用Yolov8实现多个检测模型融合

Win10安装tensorrt和torch2trt

python处理数据集

pytracking目标跟踪程序运行方式。

五种参数优化器1 SGD（不含momentum的梯度下降算法）2 SGDM（含momentum的梯度下降算法，在SGD基础上增加一阶动量）3 Adagrad（在SGD基础上增加二阶动量）4 RMSProp（在SGD基础上增加二阶动量）5 Adam（同时结合SGDM一阶动量和RMSProp二阶动量）

准备数据集读入数据->随机打乱数据顺序->匹配x,y并打包成一小撮->设置相同的数据类型->设置输入参数w,b->设置超参数训练整体来说，需要确定训练数据集迭代的次数，并明确对于整个训练数据集而言，是分成了一小撮一小撮进行执行的，因此，需要有两个循环；考虑到训练数据集的最终目的是为了优化参数w,b，且tensorflow2.0版本已经给出了自动求导的方法，可以在tf.GradientTape() 中执行，通过原有的线性模型和激活函数得到预测值y，与真实值y_进行对比，得.