- 博客(8)
- 收藏
- 关注
RSS订阅原创 论文写作原则
原则：PMRC原则P：purpose of the study 目的M：methodology 方法R：results 结果C：conclusion 结论与建议现在式：你肯定的结论和已经被大家公认的公理过去式：你的观点，和你不认同的观点读者对你的论文是否感兴趣，在于你如何引导，要牵着读者的鼻子走作用：研究的目的提供本研究足够的相关背景信息和目的a.为什么重要b.为什么必须研究c.目前知道多少让读者能理解和评价研究结果的意义。
2024-03-29 20:07:19
930
1
原创 一种新型的检测头
该方法将动态头，将尺度意识、空间意识和任务意识统一在一起。通过在尺度感知的特征层次之间、空间感知的空间位置之间以及任务感知的输出通道内连贯地组合多种自注意机制，显著提高了目标检测头部的表示能力，且不增加任何计算开销。
2024-03-05 12:21:31
969
原创 yolov8检测头
分别通过2个3x3的卷积和一个1x1的卷积来提取信息，最后分别结算Bbox.loss和CLs.loss。可以发现，3层卷积之后有一个for循环，来遍历所有的通道数（3通道），这也是大大加大计算量的原因。cv3: 一个 nn.ModuleList 对象，包含多个卷积层，用于预测每个锚点的类别信息；stride: 一个形状为(nl,）的张量，表示每个检测层的步长（stride）；yolov8中的检测头是yolov8中检测目标的关键，它几乎占了计算量的1/5。nl: 整数，表示检测模型中使用的检测层数；
2024-03-03 16:16:50
7601
3
原创 yolov8中得到侧重不同指标的最好配置文件
在yolov8中保存的最好的配置文件(best,py)是根据，P,R,MAP50,MAP50-95四个指标的比例进行保存，因此我们可以修改程序来保存侧重不同指标的最好配置文件。首先我们打开yolov8中的ultralytics/utils/metrics.py文件。例如可以改为【0，0，1，0】，这样最好的配置文件就只看MAP50了。其中的数值代表4个指标的占比，只要最后加起来是1就可以了。修改w[0.0，0.0，0.1，0.9]中的值。在大概743行的地方找到。
2024-02-29 10:56:57
1028
原创 yolov8的指标
检测精度检测速度前传耗时每秒帧数 FPS（Frames Per Sencond）P-R curve浮点运算量（FLOPS）AP、mAP。
2024-02-28 20:13:01
7395
4
原创 yolov8模型结构
输出通道数（ch_out），卷积核（kernel），步长（stride），padding（填充），groups（分组）]10，12，13，15，16，18，19，21层与backbone中层含义一样。第一层：[-1, 1, Conv, [64, 3, 2]] # 0-P1/2。args：为[64,3,2],[ch_out,kernel,stride]此部分为模型的参数，有n，s，m，l，x，5个不同的版本。[15,18,21]:15层，18层，21层，进行检测。以n模型下的，第一层和第三层为例，
2024-02-27 16:35:59
763
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人