目标检测_人工智能博客-专业IT技术发表平台

推荐付费专栏 VIP文章

YOLOv11改进 | 主干/Backbone篇 | 2024最新目标检测网络MobileNetV4改进YOLOv11（支持根据yolov11版本nsmlx进行自由放缩通道数）本文给大家带来的改进机制是，其发布时间是2024.5月。MobileNetV4是一种高度优化的神经网络架构，专为移动设备设计。它最新的改动总结主要有两点采用了通用反向瓶颈（UIB）和针对移动加速器优化的Mobile MQA注意力模块（一种全新的注意力机制）。这些创新有助于在不牺牲准确性的情况下，显著提高推理速度和计算效率。MobileNetV4作为一种移动端的网络，其实它的论文中主要是配合蒸馏技术进行改进，大家可以搭配本专栏的蒸馏进行二次创新涨点。欢迎大家订阅我的专栏一起学习YOLO！

阅读 3.3k

20赞

图解YOLO（You Only Look Once）目标检测（v1-v5） YOLO属于深度学习经典检测方法中的单阶段（one - stage）类型，与两阶段（two - stage，如Faster - rcnn、Mask - Rcnn系列）方法相对。

阅读 2.9k

39赞

小小小小祥

【YOLOV8】目标检测任务中应该如何选择YOLOV8n/s/m/l/x模型及输入尺寸大小问题描述：YOLOV8作为目前主流的深度学习网络，支持图像分类、目标检测、实例分割、姿态检测、旋转目标检测等功能。对于任务官方提供了n/s/m/l/x五个模型，我们在使用YOLOV8模型进行自己任务训练时，应该如何选择YOLOV8的模型以及输入尺寸大小呢？

阅读 6.1k

17赞

笑脸惹桃花

超详细目标检测：YOLOv11(ultralytics)训练自己的数据集，新手小白也能学会训练模型，手把手教学一看就会对电脑小白也很简单的yolov11教程！训练自己的数据集分为4部分，先配置环境，再获取制作自己的数据集，然后修改配置训练，最后验证训练结果，附带可视化界面。YOLOv11为Ultralytics公司YOLO系列实时目标检测器的最新迭代版本，训练流程与YOLOv8基本一致，仅替换了新的网络结构与预训练权重，如果有其他目标检测的数据集可以直接拿来用，从第3训练模型开始看，新手小白0基础建议一步一步跟着来，哪里看不懂的或者遇到哪有问题可以发到评论区交流~

阅读 4.8w

289赞

算法论文/目标检测4——介绍DETR家族到DINO的发展史 2023DETR综述：Object Detection with Transformers: A Review

阅读 1.8k

29赞

【目标检测】2024最新-用YOLOv8训练自己的数据集（保姆级教学）本文章主要方便大家学会如何使用yolov8训练自己数据集得到识别模型，跟着步骤一步一步来基本没有问题，我用的IDE是Pycharm2024.1，包含如何加载conda环境

阅读 5.2w

230赞

weixin_51302377

红外图像与可见光图像在目标检测时的区别在计算机视觉领域的目标检测中，红外图像与可见光图像在处理上存在多方面区别，具体如下：图像特性预处理特征提取后处理。

阅读 1.1k

7赞

向阳而生O.o

YOLOv8目标检测——详细记录使用ONNX Runtime进行推理部署C++/Python实现在之前博客中有介绍YOLOv8从环境安装到训练的完整过程，本节主要介绍ONNX Runtime的原理以及使用其进行推理加速，使用Python、C++两种编程语言来实现。

阅读 9.7k

135赞

雨秒的對望

YOLOv5入门（六）目标检测性能评价指标与结果分析本篇博客主要讲解训练yolov5的train.py生成的结果文件各个图片和其中指标的含义，以及在评估模型和发表论文时主要用到的参数

阅读 3.0w

111赞

笑脸惹桃花

目标检测：YOLOv11(Ultralytics)环境配置，适合0基础纯小白，超详细深度学习目标检测YOLOv11小白教程环境搭建，超级简单的教程，纯新手方便理解，一看就会。

阅读 9.7w

367赞

吃鱼不卡次

YOLOv8的训练、验证、预测及导出[目标检测实践篇] 主要介绍如何使用YOLOv8训练自己的数据集，并进行验证、预测及导出，采用代码和指令的两种方式。

阅读 5.0w

93赞

YOLO--目标检测 YOLO（You Only Look Once）格式通常用于目标检测任务中的标注数据格式。YOLO的标注格式包括每个目标的类别和其在图像中的位置（bounding box）。YOLO格式的标注文件是一个文本文件，每一行表示一个目标，内容包括目标类别的编号和该目标在图像中的位置（相对于图像的比例）。yolo标签文件是纯文本文件（.txt），每张图片对应一个文本文件。

阅读 1.0k

15赞

迷人的小火锅

YOLOv8目标检测(五)_结果文件(run/detrct/train)详解 yolov8训练结果详解

阅读 8.0k

101赞

无人机目标跟踪结合目标检测YOLO与强化学习：项目的核心功能/场景无人机目标跟踪结合目标检测YOLO与强化学习：项目的核心功能/场景【下载地址】无人机目标跟踪结合目标检测YOLO与强化学习本项目提供了一种创新的无人机目标跟踪解决方案，结合了目标检测（YOLO）算法与强化学习的优势。通过YOLO算法快速定位目标，并利用强化学习不断优化跟踪策略，确保无人机在复杂环境中实现高效、精准的目...

阅读 824

19赞

2.目标检测与跟踪在交通场景中在交通场景中，目标检测与跟踪技术的优化对于提升监控系统的效率和准确性至关重要。本文探讨了优化YOLO模型以高效检测多尺度车辆、多目标跟踪算法（如卡尔曼滤波与DeepSORT）的区别及其在复杂路口场景中的鲁棒性提升策略。通过增加小目标检测头、使用CARAFE特征融合技术和引入NAM注意力机制，YOLO模型在多尺度车辆检测中的精度和实时性得到显著提升。此外，DeepSORT算法通过结合深度外观特征和卡尔曼滤波，在复杂场景中表现出更高的鲁棒性，而UKF和自适应创新协方差的应用进一步增强了跟踪的稳定性。这些技术为交

阅读 579

16赞

【保姆级教程】从YOLOv8目标检测coco128数据集和自己的数据集理解模型训练、验证与预测（pytorch+pychrm）本文详细介绍了使用yolov8对coco128数据集进行环境准备，训练、验证、预测的全过程，也以coco128为例，认识了数据集目录和yaml配置文件的过程，也介绍了如何通过输出结果判断训练模型的效果，以供大家学习。

阅读 5.6k

67赞

贾贾贾贾贾

目标检测：labelme标注的数据集转换为coco格式 classes.txt是这样的：建议将最后一行空行删除，光标到最后一个位置。

阅读 1.2k

12赞

YOLOv11改进 | Neck篇 | 给yolov11分别增加小目标检测层P2和大目标检测层P6 本文给大家带来的最新改机制是给YOLOv11增加分别增加小目标P2和大目标检测层P6（两个yaml文件），有的读者可能检测的目标是小目标，那么我们增加小目标检测层是非常容易涨点的，或者你的检测目标是图片占比很大的（很少有这样的）那么增加大目标检测层是非常好的选择，本文根据YOLOv8官方提供的P2和P6两个版本yaml文件，进行YOLOv11的参考性移植，大家可以选择P2或者P6作为自己的一个论文创新点.欢迎大家订阅我的专栏一起学习YOLO！

阅读 3.6k

20赞

Deformable DETR：Deformable Transformers for End-to-End Object Detection论文学习因为DETR本身的计算量大，收敛速度慢。其次是小目标检测效果差。主要原因是Deformable DETR注意力模块只关注一个query周围的少量关键采样点集，采样点的位置并非固定，而是可学习的。同时，受到deformable convolution（可变性卷积）的启发，认为Attention模块也可以关注更灵活的采样点，让每个位置不必和所有位置交互计算，只需要和部分（学习来的，重要的部分）进行交互即可，进而提出deformable attention模块。

阅读 1.3k

14赞

深度学习入门（C）：目标检测领域的挑战及解决方案（以YOLO为例） YOLO是一种流行的实时对象检测系统，其优势在于速度快且在多个尺度上效果良好，这使其非常适合需要实时处理的应用，如视频监控和自动驾驶。，大大加快了处理速度。

阅读 1.5k

31赞

作者推荐

blanokvaffy: 深度学习调参侠

关注

机器不学习我学习: CSDN人工智能领域优质创作者，CSDN博客专家，阿里云专家博主，阿里云技术博主，有机器学习、深度学习、OCR识别项目4年以上工作经验，【AIexplore】创始人，专注于人工智能技术领域。

关注

公众号：猫脸码客: 编程是一种艺术，也是一种科学

关注

弗兰随风小欢: 工科在读博士，研究方向计算机视觉、多模态目标检测；（交流请优先评论区，私信仅接收项目/论文合作及有偿咨询）

关注

东城山: 一名视频技术工程师的思考与心得

关注

吃鱼不卡次: 图像算法工程师，主要从事计算机视觉方向的算法研究和应用，希望2025年能更新50+篇高质量博客，希望2026年能够挤进百大千大博主，欢迎大家来看我的专栏，支持我的创作。

关注

多走几步_: 不做碌碌无为的人

关注

hero_hilog: 面向gayhub编程

关注

不会仰游的河马君: 主要致力于深度学习目标检测数据集，并有偿提供目标检测代标注服务（私信有惊喜）说明：项目内容以简介为准，若涉及代码，需要您有一定的基础能够看懂代码，能够自行调试修改代码并解决报错。本人工作较忙不常在线，不提供答疑服务，如需远程部署200米起包运行。

关注

深度学习lover: 深度学习爱好者，在学习过程中搜集了一些数据集，可以提供分享

关注