模型训练
文章平均质量分 96
Limiiiing
研究方向:计算机视觉;专注于计算机视觉模型改进与应用,图像处理,目标定位
展开
-
YOLOv10训练自己的数据集
在Windows10上配置CUDA环境教程YOLOv10是YOLO(You Only Look Once)系列的最新版本,由清华大学的研究人员在Ultralytics Python包的基础上开发完成,并于2024年5月发布。作为一种实时端到端目标检测器,YOLOv10在性能、效率和精度方面均取得了显著提升,是计算机视觉领域的一项重要进展。主要特点无NMS的一致双分配训练策略:YOLOv10引入了无NMS的一致双分配训练策略,结合了一对多和一对一分配策略的优势。原创 2024-07-30 16:42:11 · 932 阅读 · 0 评论 -
YOLOv8训练自己的数据集
在Windows10上配置CUDA环境教程YOLOv8模型是由Ultralytics公司在2023年1月10日开源的,是基于YOLOv5的重大更新版本。网络架构主干网络(Backbone):采用了一系列卷积和反卷积层来提取特征,同时也使用了残差连接和瓶颈结构来减小网络的大小和提高性能。YOLOv8中,C3模块被替换为C2f模块,实现了进一步的轻量化。原创 2024-07-29 10:07:27 · 801 阅读 · 0 评论 -
YOLOv9训练自己的数据集
在Windows10上配置CUDA环境教程YOLOv9网络于2024年2月21日发布,其通过广义高效层聚合网络(GELAN)、可编程梯度信息(PGI)和辅助可逆分支设计等改进点,使得其在目标检测领域取得了显著的性能提升。在MS COCO数据集上,YOLOv9的四种不同参数数量的模型(v9-T、v9-S、v9-M、v9-C、v9-E)均取得了较高的检测精度,其中最小的模型达到了38.3%的AP,而最大的模型则达到了55.6%的AP。论文摘要翻译。原创 2024-07-26 15:02:40 · 1007 阅读 · 0 评论