《芒果书》剑指系列YOLO改进专栏目录 （内容持续更新中）

最新推荐文章于 2025-05-01 18:19:05 发布
最新推荐文章于 2025-05-01 18:19:05 发布
阅读量1.1k 收藏 5
点赞数
文章标签： YOLO 深度学习 目标检测
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_38668236/article/details/132113407
版权

《芒果书》剑指系列专栏 是以Baseline模型划分

比如 《🔗剑指YOLOv8原创改进》 只会更新 YOLOv8 模型改进相关的内容

比如 《🔗剑指YOLOv7原创改进》 只会更新 YOLOv7 模型改进相关的内容

比如 《🔗剑指YOLOv5原创改进》 只会更新 YOLOv5 模型改进相关的内容

还在持续更新中
包括《网络结构原创改进、损失函数改进、标签分配策略… 写作技巧改进等等》

🥭：如果是改进YOLOv5、YOLOv7、YOLOv8 等模型的其中之一的话，可以订阅对应的其中一个。

文章目录

剑指YOLO改进专栏 目录(持续更新中)

一、剑指YOLOv8原创改进

专栏地址：独家全网首发专栏《剑指YOLOv8原创改进》

专栏内容目录一览

🏆模型🚀改进内容🎈创新点改进类型
YOLO系列👉独家全网首发专栏《剑指YOLOv8原创改进》专栏目录🥭📖
YOLOv8👉改进FocalLoss损失函数损失函数
YOLOv8👉改进QualityFocal损失函数损失函数
YOLOv8👉改进VariFocalNet损失函数损失函数
YOLOv8👉改进PolyLoss损失函数损失函数
YOLOv8👉即插即用｜原创改进ShareSepHead新颖检测头升级版检测头
YOLOv8👉NanoDet动态标签分配策略标签分配策略
YOLOv8👉改进最新MPDIoU损失函数损失函数
YOLOv8👉改进ATSS标签分配策略标签分配策略
YOLOv8👉改进主干EfficientNet模型主干网络
YOLOv8👉改进主干EfficientNetV2升级版改进主干网络
YOLOv8👉改进最新EMO结构改进主干网络
YOLOv8👉最新ICCV2023顶会LSKNet改进主干网络
YOLOv8👉更新中
二、剑指YOLOv7原创改进

专栏地址：独家全网首发专栏《剑指YOLOv7原创改进》

专栏内容目录一览

🏆模型🚀改进内容🎈创新点改进类型
YOLO系列👉独家全网首发专栏《剑指YOLOv7原创改进》专栏目录🥭📖
YOLOv7👉改进主干EfficientNet模型主干网络
YOLOv7👉改进主干EfficientNetV2升级版主干网络
YOLOv7👉使用NanoDet动态标签分配策略标签分配策略
YOLOv7👉原创改进EMO主干网络
YOLOv7👉最新ICCV2023顶会LSKNet主干网络
YOLOv7👉改进最新MPDIoU损失函数损失函数
YOLOv7👉改进ATSS标签分配策略v1标签分配策略
YOLOv7👉更新中
三、剑指YOLOv5原创改进

专栏地址：独家全网首发专栏《剑指YOLOv5原创改进》

专栏内容目录一览

🏆模型🚀改进内容🎈创新点改进类型
YOLO系列👉独家全网首发专栏《剑指YOLOv5原创改进》专栏目录🥭📖
YOLOv5👉改进主干EfficientNet模型主干网络
YOLOv5👉改进主干EfficientNetV2升级版主干网络
YOLOv5👉原创改进EMO主干网络
YOLOv5👉最新ICCV2023顶会LSKNet主干网络
YOLOv5👉改进最新MPDIoU损失函数损失函数
YOLOv5👉改进ATSS标签分配策略v1标签分配策略
YOLOv5👉更新中

其他专栏目录

一、芒果改进YOLO高阶指南

专栏地址：独家全网首发专栏《芒果改进YOLO高阶指南》

专栏内容目录一览

🏆模型🚀改进内容🎈创新点改进类型
YOLOv8👉改进用于目标检测的渐近特征金字塔网络AsymptoticFPNFPN特征融合
YOLOv8👉最新原创XIoU_NMS改进点, 改进有效可以直接当做自己的原创改进点来写主干网络、Neck
YOLOv8👉全网独家改进遮挡损失函数Repulsion Loss损失函数
YOLOv8👉即插即用｜新颖轻量化非对称多级压缩LADH检测头，原创改进适配YOLOv8高效检测头检测头
YOLOv8👉新颖的GhostSlimFPN范式网络结构FPN结构
YOLOv8👉高效 GhostNet 网络主干网络
YOLOv8👉CFNet：即插即用｜原创改进结构显著提升检测性能，小目标检测涨点必备改进 原创
YOLOv8👉独家原创改进最新PWConv核心结构｜CVPR2023改进 原创
YOLOv8👉独家首发最新原创 EfficiCLNMS 改进点改进 NMS
YOLOv8👉首发独家原创结构FasterNeXt｜CVPR2023原创 结构
YOLOv8👉原创改进最新结构CBiF、BiFB 小目标检测涨点原创 网络
YOLOv8👉主干系列BiFormer主干网络
YOLOv8👉特征融合网络 BiFPN 结构FPN 网络
YOLOv8👉增加小检测头、Transformer检测头检测头
YOLOv8👉首发全新改进RepFPN结构FPN 结构
YOLOv8👉首发原创全新 XIoU 损失函数损失函数
YOLOv8👉全新 EfficiCLoss 损失函数损失函数
YOLOv8👉最新结构 InceptionNeXt主干网络
YOLOv8👉芒果YOLO改进｜YOLOv8改进代码原创大全集，全方位角度对YOLOv8模型进行改进，推荐🌟全新版本
YOLOv8👉SCI期刊写作必备-生成YOLOv8等主流模型同款图表图表
🏆模型🚀改进内容🎈创新点改进类型
YOLOv5 / YOLOv7👉YOLO改进超过50种注意力机制，全篇共计30万字注意力机制
YOLOv5 / YOLOv7👉最新结构 InceptionNeXt主干网络
YOLOv5 / YOLOv7👉首发最新PWConv核心结构原创核心结构
YOLOv5👉改进AFPN渐近特征金字塔网络主干网络
YOLOv5👉独家首发最新原创XIoU_NMS改进改进 NMS
YOLOv5👉原创改进损失函数 Repulsion损失函数
YOLOv5 / YOLOv7👉即插即用｜新颖原创｜轻量化非对称多级压缩LADH检测头检测头
YOLOv5 / YOLOv7👉CFNet：即插即用｜原创改进结构显著提升检测性能，小目标检测涨点必备原创
YOLOv5 / YOLOv7👉独家首发最新EfficiCLNMS改进点改进 NMS
YOLOv5 / YOLOv7👉原创全新 XIoU 损失函数损失函数
YOLOv5 / YOLOv7👉改进最新结构CBiF、BiFB原创核心结构
YOLOv5 / YOLOv7👉最新主干系列BiFormer主干网络
YOLOv5 / YOLOv7👉即插即用｜最新检测头改进集合｜首发最新更新超多种高精度&轻量化解耦检测头主干网络
YOLOv7👉AFPN目标检测的渐近特征金字塔网络FPN结构
YOLOv7👉原创改进损失函数 Repulsion损失函数
YOLOv7👉最新主干FasterNet系列主干网络
YOLOv7👉原创独家改进｜损失函数EfficiCIoU-Loss损失函数
YOLOv5 / YOLOv7👉新颖特定任务检测头TSCODE检测头
YOLOv5👉最新主干FasterNet系列主干网络
🏆模型🚀改进内容🎈创新点改进类型
YOLO系列👉数据集可视化｜改进模型的实验数据更丰富优化 写作内容
YOLOv5 / YOLOv7👉改进之实验结果新增mAP75的值(一)：新增打印mAP75的值，便于YOLOv5系列模型对比实验获取更多精度数据，丰富实验数据优化 写作内容
YOLOv5 / YOLOv7👉改进之实验结果打印F1 Score的值(二)：新增打印F1 Score的值，便于YOLOv5系列模型对比实验获取更多精度数据，丰富实验数据优化 写作内容
YOLOv5 / YOLOv7👉训练结果完善results.png、results.csv打印的数据(三)｜全网首发原创制作，新增打印mAP75和F1的值，修改原始风格，丰富实验数据优化 写作内容
YOLOv5 / YOLOv7👉打印热力图可视化：适用于自定义模型，丰富实验数据优化 写作内容
YOLOv5 / YOLOv7👉输出COCO指标：输出自定义数据集中small、medium、large大中小目标的mAP值，适用于自定义数据集，精度基本对齐，丰富实验数据，便于对比优化 写作内容
YOLOv5 / YOLOv7👉全网独家首发｜YOLOv7改进方式提升(代码二)，使得改进难度下降，将网络配置层数从104层极致压缩到24层，更清晰更方便更快的改进YOLOv7，完全对齐官方YOLOv7网络模型数据改进
YOLOv5 / YOLOv7👉SCI期刊写作必备｜手把手绘制目标检测领域YOLO论文常见的性能对比折线图，一键生成YOLOv7等主流论文同款图表，包含多种不同功能风格对比图表优化 写作内容
YOLOv5 / YOLOv7👉原创最新｜SCI写作必备（一）绘制YOLOv7论文同款性能对比图-Python：包含多种不同功能风格图表｜包括mAP、Params、FPS等对比图表（YOLOv6/YOLOv7同款）优化 写作内容
改进👉更新中改进
二、芒果改进YOLO进阶指南

专栏地址：独家全网首发专栏《芒果改进YOLO进阶指南》

专栏内容目录一览

🏆模型🚀改进内容🎈创新点改进类型
YOLOv8👉设计 EffQAFPN 结构原创FPN结构
YOLOv8👉改进EfficientRep结构原创主干结构
YOLOv8👉改进CReToNeXt 结构改进结构
YOLOv8👉全网首发最新 MobileViTv3 系列最强改进版本改进核心结构
YOLOv8👉全网首发最新苹果续作加强版 MobileViTv2结构改进核心结构
YOLOv8👉最新原创 ConvNeXtv2 升级版改进核心结构
YOLOv8👉原创结合Conv2Formers改进结构改进核心结构
YOLOv8👉FocalLoss结合变种IoU套装：包含Focal-EIoU｜Focal-SIoU｜Focal-CIoU、GIoU等损失函数
YOLOv8👉改进损失函数Wise-IoU损失函数
YOLOv8👉最新原创提出改进 QARepNeXt 结构原创核心结构
YOLOv8👉首发结合 RepLKNet 构建 最新 RepLKDeXt 结构原创核心结构
YOLOv8👉芒果YOLO专栏的YOLOv8的Baseline改进：打造更方便版本NEW YOLOv8Baseline改进
YOLOv8👉改进损失函数WDLoss损失函数
YOLOv5 / YOLOv7👉全网首发Dense设计核心最新提出DenseOne密集网络原创 核心 结构
YOLOv5 / YOLOv7👉手把手最新结合多种类Loss，包括PolyLoss / VarifocalLoss / GeneralizedFLoss / QualityFLoss / DFL等原创 核心 改进
YOLOv5 / YOLOv7👉手把手最新结合多种类Loss，包括PolyLoss / VarifocalLoss / GeneralizedFLoss / QualityFLoss / DFL等原创 核心 改进
YOLOv5 / YOLOv7👉首发最新改进一种强大性能的全新架构(顶会2022), 该架构精度超越TPH-YOLOv5原创核心结构
YOLOv7👉首发改进结合BiFPN结构的特征融合网络改进FPN网络
YOLOv7👉SIoU等结合FocalLoss应用：组成Focal-EIoU｜Focal-SIoU｜Focal-CIoU｜Focal-GIoU、DIoU等改进点损失函数
YOLOv7👉改进用于小目标检测的归一化高斯 Wasserstein Distance Loss损失函数
YOLOv7👉原创高效 RepFPN 结构原创 核心网络结构
YOLOv7👉原创结合 Conv2Former 改进结构改进主干网络
YOLOv7👉全网首发最新基于TOOD标签分配策略改进标签分配改进
YOLOv7👉最新Wise-IoU损失函数损失函数
YOLOv7👉最新提出改进 CReToNeXt 结构原创核心结构
YOLOv7👉最新原创RepGhostNeXt结构改进主干网络
YOLOv7👉首发最新原创 ConXBv2 升级版结构改进主干网络
YOLOv7👉首发结合最新 QARepVGG 升级Rep结构原创核心结构
YOLOv7👉GhostNetV2 架构改进主干网络
YOLOv7👉首发改进特征融合网络BiFPN结构改进FPN网络
YOLOv5👉FocalLoss结合变种IoU套装：包含Focal-EIoU｜Focal-SIoU｜Focal-CIoU｜Focal-GIoU、DIoU等损失函数
YOLOv5👉用于微小目标检测的Normalized Gaussian Wasserstein Distance，小目标高效涨点损失函数
YOLOv5👉原创改进 EfficientRep 结构核心网络结构
YOLOv5👉最新Wise-IoU损失函数损失函数
YOLOv5👉首发最新改进广义焦点损失Generalized Focal Loss改进
YOLOv5👉最新原创改进提出 v5-CReToNeXt 结构核心网络结构
YOLOv5👉原创结合 Conv2Formers 改进结构改进主干网络
YOLOv5👉首发最新基于GFL损失函数损失函数
YOLOv5👉最新原创提出改进 QARepNeXt 结构原创核心结构
YOLOv5👉全网最新原创 ConXBv2 升级版模型改进
YOLOv5👉GhostNetV2 架构改进主干网络
YOLOv5👉最新原创打造RepGhostNeXt结构原创核心结构
YOLOv5👉全网首发最新 MobileViTv3 系列最强版本（三）原创核心网络
YOLOv5👉全网首发最新苹果续作加强版 MobileViTv2 结构原创核心网络
YOLOv5👉最新结合 ICLR2022 顶会 轻量通用的 MobileViT原创核心网络
YOLOv7👉全网首发最新 MobileViTv3 系列最强版本原创核心结构
YOLOv7👉全网首发最新苹果续作加强版 MobileViTv2 结构原创核心结构
YOLOv7👉首发最新结合 ICLR2022 顶会轻量通用的 MobileViT 结构原创核心结构
YOLOv7👉首发最新改进一种强大性能的全新架构(顶会2022)原创核心结构
改进👉更新中改进
三、目标检测YOLO改进指南

专栏地址：独家全网首发专栏《目标检测YOLO改进指南》

专栏内容目录一览

🏆模型🚀改进内容🎈创新点改进类型
YOLOv7👉CSDN独家全网首发专栏《目标检测YOLO改进指南》专栏目录🥭📖
YOLOv7👉最新结合即插即用CA(Coordinate attention) 注意力机制注意力机制(试读)
YOLOv7👉首发最新结合Global Context Modeling结构改进核心结构
YOLOv7👉首发最新结合多种X-Transformer结构新增小目标检测层检测头
YOLOv7👉结合Adaptively Spatial Feature Fusion自适应空间特征融合结构改进FPN结构
YOLOv7👉首发结合最新CSPNeXt主干结构改进原创结构
YOLOv7👉最新结合DO-DConv卷积、Slim范式提高性能涨点改进基础结构
YOLOv7👉最新即插即用的动态卷积ODConv改进基础结构
YOLOv7👉首发结合最新Centralized Feature Pyramid集中特征金字塔改进核心结构
YOLOv7👉首发结合 RepLKNet 构建 最新 RepLKDeXt 结构改进原创结构
YOLOv7👉最新HorNet结合YOLOv7应用！新增 HorBc结构改进原创结构
YOLOv7👉ConvNeXt结合YOLOv7基于ConvNeXt结构 构建 CNeB 模块原创核心网络
YOLOv5👉首发结合最新Extended efficient Layer Aggregation Networks结构改进核心结构
YOLOv5👉最新MobileOne结构改进核心结构
YOLOv5👉ACmix结构,自注意力和卷积集成改进核心结构
YOLOv5👉最新HorNet结合YOLO应用首发改进 核心结构
改进👉最新结合用于小目标的新CNN卷积构建块改进 核心结构
改进👉增加Swin-Transformer小目标检测头检测头
改进👉最新HorNet结合YOLOv7应用改进 核心结构
改进👉更新中改进
四、芒果YOLO轻量化网络改进

专栏地址：独家全网首发专栏《芒果YOLO轻量化网络改进》

专栏内容目录一览

🏆模型🚀改进内容🎈创新点改进类型
YOLO系列👉独家全网首发专栏《芒果YOLO轻量化网络改进》专栏目录🥭📖
YOLOv7、v7Tiny👉MobileNetV3结构改进主干网络
YOLOv7、v7Tiny👉ShuffleNet V2主干改进主干网络
YOLOv7、v7Tiny👉GhostNet主干改进主干网络
YOLOv7-Tiny👉轻量级PP-LCNet主干改进主干网络
YOLOv7、v7Tiny👉PicoDet 主干改进主干网络
YOLOv7👉测试改进主干网络
YOLOv5👉改进PicoDet主干系列改进主干网络
YOLOv5👉MobileNetV3结构改进主干网络
YOLOv5👉测试改进
YOLOv8👉MobileNetV3主干改进主干网络
YOLOv8👉改进ShuffleNet V2主干系列改进主干网络
YOLOv8👉轻量级PP-LCNet主干改进主干网络
YOLOv8👉改进 PicoDet 主干系列改进主干网络
YOLOv5、YOLOv7👉原创改进Soft-NMS,Soft-CIoUNMS,Soft-SIoUNMS,Soft-DIoUNMS,Soft-EIoUNMS,Soft-GIoUNMS改进NMS
YOLOv5、YOLOv7👉原创改进创新点 DIoU-NMS,SIoU-NMS,EIoU-NMS,CIoU-NMS,GIoU-NMS改进NMS
改进👉更新中改进
[YOLO专题-6]：YOLO V3 - 网络结构、原理、改进的全新、全面、通俗、结构化讲解
文火冰糖（王文兵）的博客
12-30 1万+
作者主页(文火冰糖的硅基工坊)：文火冰糖（王文兵）的博客_文火冰糖的硅基工坊_CSDN博客 本文网址：https://blog.csdn.net/HiWangWenBing/article/details/122226224 目录 前言： 第1章 YOLO V3应运而生 1.1 YOLO V2的不足 1.2YOLO V3的出现 1.3YOLO V3的改进 1.4YOLO总体的网络结构 1.5YOLO V3的总体网络架构：Darknet-56 第2章 YOLO V3网络的图片输入...
《YOLOv5/v7改进实战专栏》专栏介绍 & 专栏目录 《提供 YOLOv5-Magic 私域代码框架》
YOLOv8项目贡献者
05-19 2万+
全网最经典的教程🚀🚀🚀
《YOLOv10改进实战专栏》专栏介绍 & 专栏目录《提供 YOLOv10-Magic 私域代码框架/本人7次贡献过YOLOv8官方项目》
YOLOv8项目贡献者
07-16 4339
《YOLOv10改进实战专栏》专栏介绍 & 专栏目录
《YOLOv8魔术师》专栏介绍 & CSDN独家改进创新实战&专栏目录
07-03 1万+
Yolov8魔术师，独家首发创新（原创），持续更新，适用于Yolov5、Yolov7、Yolov8等各个Yolo系列，专栏文章提供每一步步骤和源码，轻松带你上手魔改网络
《YOLO系列创新涨点超专栏》年度创作历程回顾：个人成长与技术突破
步入烟尘的博客
01-22 1213
随着专栏内容的逐渐增多，我也遇到了不少挑战。然而，随着读者群体的不断扩大和技术问题的深入，我开始意识到，单纯的技术总结已经无法满足读者日益增长的需求。这一阶段的创作对于我来说是一次技术积累的过程，我深入研究了YOLO算法的每一个细节，探讨它在不同版本中的变化与突破，结合最新的AIGC技术不断完善内容。通过持续的技术研究与写作，我不仅深化了对YOLO技术的理解，还培养了自己在技术写作方面的能力。这些生活中的点滴都为我的创作提供了源源不断的灵感，也让我能够保持清晰的思维，始终保持对技术的热情和对创作的动力。
【YOLO改进芒果书系列】独家原创｜YOLO改进｜全系列目录一览 | 人工智能专家老师联袂推荐
包括YOLOv5、YOLOv7、YOLOv8等模型改进
11-12 2万+
芒果YOLO改进全专栏系列目录（推荐🌟）
芒果YOLOv7改进79：主干篇：顶会ICCV2023｜原创改进EMO 结合 Attention 重新思考移动端小模型中的基本模块，YOLO系列高效涨点
包括YOLOv5、YOLOv7、YOLOv8等模型改进
07-22 1050
YOLOv7改进代码实践｜EMO：顶会ICCV2023｜iRMB结合 Attention 🍊
芒果YOLOv12改进53：主干Backbone篇EfficientNet：重新思考卷积神经网络的模型扩展，YOLO系列高效涨点
包括YOLOv5、YOLOv7、YOLOv8等模型改进
04-11 11
芒果YOLOv12改进53：主干Backbone篇EfficientNet：重新思考卷积神经网络的模型扩展，YOLO系列高效涨点
芒果YOLO11改进91：动态标签分配策略篇之Nanodet：同时集成VFL全新损失，来打造新颖YOLO11检测器
包括YOLOv5、YOLOv7、YOLOv8等模型改进
11-12 92
动态标签分配策略篇之Nanodet：同时集成VFL全新损失，来打造新颖YOLO11检测器
YOLOV5/YOLOV7/YOLOV8改进专栏
AIcurator的博客
07-04 2054
手把手教你YOLOV5/YOLOV7/YOLOV8的各种改进方式，订阅可以直接给改进好的源代码。
Yolov5/Yolov7改进：小目标到大目标一网打尽，轻骨干重Neck的轻量级目标检测器GiraffeDet
05-11 2537
小目标到大目标一网打尽！阿里提出首个轻骨干重Neck的轻量级目标检测器GiraffeDet。将GFPN引入到yolov5。在NEU-DET钢材表面缺陷任务中map从原始的0.742提升到0.765
YOLO
郭云飞的专栏
12-08 2万+
一、背景介绍 YOLO（You Only Look Once: Unified, Real-Time Object Detection），论文地址。YOLO是Joseph Redmon和Ali Farhadi等人于2015年提出的基于单个神经网络的目标检测系统。在2017年CVPR上，Joseph Redmon和Ali Farhadi又发表的YOLO 2，进一步提高了检测的精度和速度。本博仅学习
YOLO_原理详述
热门推荐
陈工一的博客
04-27 3万+
问题背景：“end-to-end方法的典型代表就是有名的yolo。前面的方法中，CNN本质的作用还是用来分类，定位的功能其并没有做到。而yolo这种方法就是只通过CNN网络，就能够实现目标的定位和识别。” 这是在知乎上看到的一句话。我突然像看看YOLO的厉害之处在哪？所以写这篇博文。 本文参考链接： https://zhuanlan.zhihu.com/p/25236464 文中标蓝部分...
YOLO v3解读
yanzi6969的专栏
05-30 2万+
转自：https://xmfbit.github.io/2018/04/01/paper-yolov3/YOLO的作者又放出了V3版本，在之前的版本上做出了一些改进，达到了更好的性能。这篇博客介绍这篇论文：YOLOv3: An Incremental Improvement。下面这张图是YOLO V3与RetinaNet的比较。可以使用搜索功能，在本博客内搜索YOLO前作的论文阅读和代码。YOLO...
计算机视觉——基于树莓派的YOLO11模型优化与实时目标检测、跟踪及计数的实践
最新发布
知来者逆的博客
05-01 1808
YOLO11模型是专门为边缘设备优化的目标检测模型，与YOLOv8相比，它在显著降低模型复杂度（最多降低37%）的同时，仍保持了较高的检测精度（约85%的平均精度均值）。这种优化使得YOLO11能够在资源受限的树莓派上实现高效的实时目标检测，为边缘设备上的复杂计算机视觉任务提供了可能。其轻量级的模型结构和高效的推理性能，使其成为在树莓派上部署目标检测应用的首选模型之一。
yolov5 源码 +jupyter notebook 笔记 kaggle
njsgcs的博客
04-28 493
直接用的githuab的源码，git clone 后output才有文件直接gitclone他的源码用Vscode看好久没见过16g了怎么这么便宜函数输入有一页。
计算机视觉进化论：YOLOv12、YOLOv11与Darknet系YOLOv7的微调实战对比
lgf228的专栏
04-29 1398
YOLO系列作为实时目标检测领域的重要里程碑，持续引领速度与精度的平衡发展。本文围绕YOLOv7（基于Darknet框架）、YOLOv11及YOLOv12，系统、深入地对比了三款模型的架构创新、微调策略、核心技术及应用场景。我们详细解析了三者骨干网络设计（如Darknet-53、E-ELAN、C3k2模块）、注意力机制（如YOLOv12的Area Attention）以及参数优化策略（动态数据增强、量化剪枝），并结合工业检测、医疗影像、自动驾驶等多样化应用展开实战案例。
基于YOLO的瓷砖缺陷检测系统设计与实现（附数据集+源码）
qq_36224726的博客
04-29 930
本文实现的系统展示了深度学习与传统工业检测结合的强大潜力。通过YOLO算法的高精度检测能力，配合精心设计的GUI界面，为制造业质量管控提供了可靠的技术工具。
基于OpenMV+STM32+OLED与YOLOv11+PaddleOCR的嵌入式车牌识别系统开发笔记
weixin_46221106的博客
04-26 2588
本文融入了实际开发中获得的宝贵经验，特别是针对嵌入式设备与云端协同AI系统的优化策略。主要是通过OpenMV端收集得到图像，通过wifi模块将数据传递给PyTorch进行数据处理，得到返回的数据后再OLED上进行显示，实物如下图所示。：在本地做智能预筛选（如车牌定位），云端执行复杂OCR，实现精度与延迟的最佳平衡。：通过C++扩展实现OpenMV的NEON指令加速，使图像预处理速度提升3倍。：采用向前兼容的二进制协议，通过version字段实现无缝升级。WebSocket推送结果。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

芒果学AI

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值