[深度学习]官方yolov8-obb旋转框检测模型的15个类别名称

最新推荐文章于 2024-07-19 08:04:17 发布

熬夜写代码的平头哥

最新推荐文章于 2024-07-19 08:04:17 发布

阅读量151

点赞数

文章标签： YOLO

原文链接：https://blog.csdn.net/FL1623863129/article/details/135641123?spm=1001.2014.3001.5502

版权

本文详细介绍了官方yolov8-obb旋转框检测模型中涉及的15个对象类别，包括飞机、船、储油罐等，帮助读者理解在深度学习领域中这些类别在实际应用中的重要性。

摘要由CSDN通过智能技术生成

[深度学习]官方yolov8-obb旋转框检测模型的15个类别名称

plane
ship
storage tank
baseball diamond
tennis court
basketball court
ground track field
harbor
bridge
large vehicle
small vehicle
helicopter
roundabout
soccer ball field
swimming pool

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

熬夜写代码的平头哥

关注关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
[深度学习]官方yolov8-obb旋转框检测模型的15个类别名称

深度学习]官方yolov8-obb旋转框检测模型的15个类别名称。
复制链接

扫一扫

【保姆级教程】YOLOv8_OBB旋转目标检测：训练自己的数据集

m0_51579041的博客

03-10

1万+

【保姆级教程】YOLOv8_OBB旋转目标检测：训练自己的数据集

全网首发！Yolov8_obb旋转框训练、测试、推理手把手教学（DOTA1.0数据集map50已达80%）

小嘤熊的博客

01-11

1万+

其中，images/train和images/val放置原始图片文件，labels/train_original和labels/val_original分别放置原始的标签文件，labels/train和labels/val为空，然后运行步骤(3)的代码，运行结束转换后的标签会保存在labels/train和labels/val中，格式如下。（4）新建yolov8-obb.yaml，修改nc和scales，我使用的是yolov8n.（2）构建数据集，安装下面目录格式，其他test可为空，一定要对应。

参与评论您还未登录，请先登录后发表或查看评论

YOLOv8-OBB推理详解及部署实现

周同学的博客

01-21

1万+

YOLOv8-OBB推理详解及部署实现

【YOLOv8系列】（一）YOLOv8介绍：实时目标检测的最新突破

weixin_44765053的博客

07-09

1627

随着版本的迭代，YOLO模型不断引入新的技术和改进，如YOLOv2的Batch Normalization、YOLOv3的多尺度预测、YOLOv4的CSPDarknet53架构，以及YOLOv5的轻量化设计。YOLOv8作为YOLO系列的最新版本，在保持高效、快速的同时，进一步提升了检测精度和鲁棒性。未来，随着技术的不断进步，YOLOv8将会在更多领域发挥重要作用。YOLOv8在此基础上进行了进一步优化，不仅改进了模型架构，还采用了更高效的训练策略和优化方法，使其在检测精度和速度上均有显著提升。

Yolov8_obb旋转框检测，模型剪枝压缩

qq_39128381的博客

08-15

3635

Yolov8_obb旋转框检测，模型剪枝压缩

Yolov8_obb（prob loss) 基于anchor_free的旋转框目标检测，剪枝，跟踪（ByteTracker）

最新发布

爱编程的鱼的博客

07-19

881

其标注方式为四点确定的任意形状和方向的四边形（区别于传统的对边平行bbox）。类别分别为：plane, ship, storage tank, baseball dia- mond, tennis court, swimming pool, ground track field, har- bor, bridge, large vehicle, small vehicle, helicopter, round- about, soccer ball field , basketball court。

Yolov8obb_kpt，旋转框+关键点检测，有向目标检测踩坑记录

zzgiack的博客

05-08

584

半小白yolov8有向框踩坑报错，花费了很久才跑通，希望对后者有所帮助

C# Onnx Yolov8-OBB 旋转目标检测源码

02-26

在本项目中，"C# Onnx Yolov8-OBB 旋转目标检测源码" 提供了一个使用C#编程语言实现的目标检测解决方案，它利用ONNX（Open Neural Network Exchange）框架来运行Yolov8-OBB模型，这是一种针对旋转物体检测优化的...

YOLOv8-OBB旋转目标检测，使用自己的数据集

03-10

YOLOv8-OBB是一种基于YOLO（You Only Look Once）系列的深度学习模型，专门用于执行旋转目标检测。在传统的目标检测任务中，模型通常假设边界框是矩形，但在许多实际应用中，如遥感图像分析、车牌识别或倾斜建筑物...

算法部署-使用ONNX部署YOLOv8-obb旋转目标检测算法-附推理代码+效果展示-优质项目实战.zip

06-25

在本项目中，我们将深入探讨如何使用ONNX（Open Neural Network Exchange）来部署YOLOv8-obb旋转目标检测算法。这是一个高质量的实战项目，它不仅提供了详细的部署步骤，还附带了推理代码和实际效果展示，对于学习和...

YOLOV7-OBB：You Only Look Once OBB旋转目标检测模型在pytorch当中的实现

11-16

YOLOV7-OBB是基于YOLO（You Only Look Once）系列的深度学习目标检测模型，专门用于处理具有任意形状的旋转目标。该模型在原YOLO架构的基础上进行了改进，以适应物体的四边形边界框（Oriented Bounding Box, OBB），...

C# OpenVINO Yolov8-OBB 旋转目标检测源码

02-27

【C# OpenVINO Yolov8-OBB 旋转目标检测源码】是一个基于C#编程语言的项目，利用Intel的OpenVINO工具包实现了Yolov8的优化版——Yolov8-OBB（Oriented Bound Box，即带有角度信息的边界框）的目标检测算法。...

[C#]winform部署官方yolov8-obb旋转框检测的onnx模型

FL1623863129的博客

01-16

1246

Yolov8-obb（You Only Look Once version 8 with Oriented Bounding Boxes）是一种先进的对象检测算法，它在传统的Yolov3和Yolov4基础上进行了优化，加入了OBB（Oriented Bounding Box）旋转框检测，能够更精确地检测并定位出目标物体的位置。在传统的目标检测算法中，通常使用的是固定方向的边界框（Bounding Box），它假设所有物体在图像中的位置都是相对于图像中心来计算的。

YOLOv8-obb训练DOTAv2数据集（官网代码/数据集转换/2024.1.2）

cc514981717的博客

01-03

3137

由于项目里面需要用到机载的旋转目标检测（Oriented Bounding Box, OBB）,本来想在yolov8上面直接加obb检测相关的模块，没想到官方更新了DOTAv2数据的yaml文件，意味着v8已经支持了obb检测，但是现在版本还不是很完善，遂记录一下在这里面的一些坑。有一个该看但是我还没看的地方是关于DOTA数据集里图像裁切的问题，我看DOTA数据集提供的toolkit里面自带了这个功能，但是v8有没有集成暂时还没有去细究。obb检测方法里面旋转框的表示方法有好几种，v8这里使用的是。

YOLOv8重磅升级！新增旋转目标检测功能

聚焦底层视觉处理，对相关基础AI技术持续学习

02-25

736

YOLOv8重磅升级！新增旋转目标检测功能，基于DOTA数据集，支持15个类别目标航拍图像检测，模型&代码均已开源~

YOLOv8_obb训练流程-原理解析[旋转目标检测理论篇]

ice

06-02

1340

本文主要介绍了YOLOv8旋转目标检测的流程，介绍了标签的解码、预测结果的解码，以及如何理解旋转角度等内容，还介绍旋转目标检测框的正样本选取及Loss计算。

YOLOv8n-obb、YOLOv8s-obb、 YOLOv8m-obb、YOLOv8l-obb 、YOLOv8x-obb有什么区别

05-22

YOLOv8系列是基于目标检测领域的深度学习模型，其中的“obb”表示其支持旋转矩形框检测。在YOLOv8系列中，n、s、m、l、x分别代表着网络模型大小的不同，具体的区别如下： 1. YOLOv8n-obb: n代表着模型相对较小，适合于移动端或者嵌入式设备上运行。其模型大小较小，但是检测精度相对较低。 2. YOLOv8s-obb: s代表着模型大小适中，可以在一定程度上兼顾模型大小和检测精度。同时也可以在一些较为轻量化的设备上运行。 3. YOLOv8m-obb: m代表着模型相对较大，其检测精度相对较高。但是相应的模型大小也相对较大，需要更大的计算资源来支持运行。 4. YOLOv8l-obb: l代表着模型更大，相比于前三个模型，其模型大小和检测精度都有了更进一步的提升。但是同样需要更大的计算资源来支持运行。 5. YOLOv8x-obb: x代表着模型最大，是YOLOv8系列中最大的一个模型。相比于其他四个模型，其模型大小和检测精度都有了更进一步的提升。但是同样需要更大的计算资源来支持运行。