![](https://img-blog.csdnimg.cn/direct/382aca1bc691460083a317793cacc57a.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
YOLOv8涨点改进专栏
文章平均质量分 62
一个想起来就更新的涨点改进专栏
今天炼丹了吗
AI炼丹师,偶尔更新炼丹前沿!
一个热心的CSDN博主,已经帮助多人解决深度学习上的问题。
展开
-
YOLOv8训练参数总结及翻译
等,或者根据型号配置自动选择。影响收敛速度和稳定性。原创 2024-06-29 22:51:34 · 905 阅读 · 0 评论 -
Yolov8可视化界面使用说明,含代码
⭐⭐⭐⭐。原创 2024-06-27 21:14:27 · 695 阅读 · 0 评论 -
YOLOv8改进教程|加入可改变核卷积AKConv模块,效果远超DSConv!
论文速览::AKConv是2023年11月发表的一种可变卷积核,赋予卷积核任意数量的参数和任意采样形状,以解决具有固定样本形状和正方形的卷积核不能很好地适应不断变化的目标的问题点可以为网络开销和性能之间的权衡提供更丰富的选择。AKConv的核心思想在于它为卷积核提供了任意数量的参数和任意采样形状,能够使用任意数量的参数(如1,2,3,4,5,6,7等)来提取姝征,这在标准卷积和可变形卷积中并未实现。AKConv能够根据硬件环境,使卷积参数的数星呈线性增减((非常适用于轻量化模型)。原创 2024-05-15 20:04:14 · 741 阅读 · 0 评论 -
YOLOv8改进教程|加入SCNet中的SCConv[CVPR2020]自校准卷积模块!
CNN的最新进展主要致力于设计更复杂的架构来增强其表示学习能力。在本文中,我们考虑在不调整模型架构的情况下改进CNN的基本卷积特征转换过程。为此,我们提出了一种新的自校准卷积,通过内部通信显式扩展每个卷积层的视场,从而丰富输出特征。特别是,与使用小核(例如3 × 3)融合空间和通道信息的标准卷积不同,我们的自校准卷积通过一种新的自校准操作,自适应地在每个空间位置周围构建远程空间和通道间依赖关系。因此,它可以通过显式地结合更丰富的信息来帮助CNN生成更具判别性的表示。原创 2024-05-14 22:14:58 · 1178 阅读 · 0 评论 -
YOLOv8项目使用说明
5. 运行即可。原创 2024-05-11 21:53:07 · 388 阅读 · 0 评论 -
YOLOv8-20240507周更说明|更新Inner-IoU、Focal-IoU、Focaler-IoU等数十种IoU计算方式
本项目持续更新 | 最新更新时间:2024年4月21日 |原创 2024-05-07 19:46:26 · 782 阅读 · 0 评论 -
YOLOv8从入门到入土使用教程!(三)验证模型
本文将演示如何使用YOLOv8进行训练预测及验证!模型训练、预测YOLOv8从入门到入土使用教程!(一)训练模型YOLOv8从入门到入土使用教程!(二)目标预测。原创 2024-03-05 20:18:25 · 477 阅读 · 0 评论 -
YOLOv8从入门到入土使用教程!(二)目标预测
本文将演示如何使用YOLOv8进行训练及预测!模型训练教程YOLOv8从入门到入土使用教程!(一)训练模型。原创 2024-03-05 19:47:27 · 678 阅读 · 0 评论 -
YOLOv8从入门到入土使用教程!(一)训练模型
本文将演示如何使用YOLOv8进行训练及预测!原创 2024-03-04 19:19:42 · 1584 阅读 · 0 评论