YOLO
文章平均质量分 95
本专栏有关于YOLO,详细记录从环境配置、自定义数据、模型训练到模型推理部署
到点就困告
这个作者很懒,什么都没留下…
展开
-
【YOLOv8系列】(五)毕设实战:YOLOv8+Pyqt5实现智能车牌检测与识别系统
智能车牌检测与识别系统结合了YOLOv8目标检测算法和PyQt5的图形用户界面,旨在实现对车辆图像中车牌的自动检测和识别。本文将详细介绍如何使用YOLOv8模型进行目标检测,并结合PyQt5实现用户友好的交互界面,搭建一个完整的智能车牌识别系统。本系列其他文章。原创 2024-07-14 12:20:54 · 1926 阅读 · 15 评论 -
【YOLOv8系列】(四)YOLOv8使用自己的数据集进行模型训练,成就感满满
通过爬虫程序批量下载网络上的图片数据集,或者使用相机或其他来源收集您需要的图片使用标注工具对图片中的目标进行标注。LabelImg:一个开源的图像标注工具,支持VOC和YOLO格式。可以从LabelImg官网下载。LabelMe:一个在线的图像标注工具,支持多种标注格式。可以从LabelMe官网使用。Roboflow:一个在线平台,提供数据集管理和标注工具。可以从Roboflow官网使用。原创 2024-07-13 19:11:43 · 2522 阅读 · 11 评论 -
【YOLOv8系列】(三)YOLOv8应用实践:从识别到分类再到分割的全方位视觉解决方案
YOLOv8 通过其高效、灵活的设计,在目标识别、分类、分割、姿态估计和 OBB 检测任务中表现出色,提供了全方位的视觉解决方案。在实际应用中,合理利用 YOLOv8 的各项功能,可以大大提升计算机视觉任务的效率和效果。原创 2024-07-13 19:07:29 · 1146 阅读 · 0 评论 -
【YOLOv8系列】(二)YOLOv8环境配置,手把手嘴对嘴保姆教学
YOLOv8 是 YOLO 系列最新的目标检测模型,具有高效性和高准确度。本文将详细介绍如何在本地环境中配置 YOLOv8,包括环境搭建、依赖安装、模型下载和基本使用示例。原创 2024-07-09 20:05:30 · 2044 阅读 · 11 评论 -
【YOLOv8系列】(一)YOLOv8介绍:实时目标检测的最新突破
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。原创 2024-07-09 20:02:42 · 1685 阅读 · 0 评论