YOLOv8/v10项目实战
分享
文章平均质量分 95
YOLOv8/v10项目实战 提供从环境搭建到模型优化到项目实战全面流程。涵盖剪枝轻量化、增加注意力机制、替换Loss损失函数等模型优化方案，并附有车牌检测+OCR车牌号识别、轨迹跟踪+目标计数等主流项目实战，以及PyQt可视化界面搭建，助各位轻松上手YOLOv10。
超级会员免费看
[空--白]
接计图像方向的各种需求 不限于毕设和论文实验指导 有需要的同学可以联系~
卫星：w18813056331
企鹅：3541547758
展开
-
YOLOv8 极简分割代码并输出各类别像素占比
1. 选择需要分割的图像的文件夹2. 加载 YOLOv8 模型并进行目标分割3. 计算各类别像素占比4. 可视化分割结果原创 2024-06-09 15:41:17 · 1944 阅读 · 0 评论 -
YOLOv10改进实战|基于L1正则化的结构化通道剪枝
在深度学习模型压缩和加速的过程中，剪枝是一种非常重要的技术。本文将详细介绍如何对YOLOv10模型进行通道剪枝，并解读每个参数和模块的作用，使各位可以更好的掌握模型剪枝的实际操作。原创 2024-05-30 23:47:18 · 2076 阅读 · 9 评论 -
YOLOv10改进实战|增加NWDLoss提升小目标检测能力
本篇博客我们将详细介绍如何在 YOLOv10 项目中增加 NWDLoss。包括如何修改配置文件、增加新的损失函数、调整现有的损失计算模块，以及增加训练代码来使用新的损失函数。相信通过这篇博文会使大家会更佳熟悉YOLOv10项目的整体结构。原创 2024-05-30 20:24:41 · 2269 阅读 · 6 评论 -
YOLOv10结合DeepSORT实现目标检测与轨迹跟踪
本文将介绍如何结合YOLOv10和DeepSORT来实现目标检测与轨迹跟踪，并详细讲解代码中的每个参数和函数的作用。原创 2024-05-30 18:56:14 · 2383 阅读 · 0 评论 -
YOLOv10结合ByteTrack/BotSort进行目标跟踪并可视化跟踪轨迹
在计算机视觉领域,多目标跟踪是一个重要的研究方向,它能帮助我们监测和分析场景中的目标物体,对于视频分析、智能监控等应用都具有重要意义。本文将介绍如何利用YOLOv10算法,调用其内部的两种多目标跟踪算法(ByteTrack和BotSort)来实现目标跟踪以及轨迹的可视化。原创 2024-05-30 16:31:58 · 3000 阅读 · 3 评论 -
使用YOLOv10和LabelImg实现半自动标注
在视觉任务任务重中，数据标注是一个非常重要且耗时的过程。为了提高标注效率，我们可以结合目标检测模型（如YOLOv10）和标注工具（如LabelImg）实现半自动化标注。本文将详细介绍如何实现这一目标，并提供相应的代码。原创 2024-05-30 14:09:07 · 2327 阅读 · 2 评论