- 博客(302)
- 资源 (32)
- 收藏
- 关注
RSS订阅
原创 《YOLOv8：从入门到实战》专栏介绍 & 专栏目录
本专栏涵盖了丰富的YOLOv8算法从入门到实战系列教程，专为学习YOLOv8的同学而设计，堪称全网最详细的教程！🌈🌈🌈
2024-04-04 23:03:18
2394
5
原创 《YOLOv5：从入门到实战》专栏介绍 & 专栏目录
本专栏涵盖了丰富的YOLOv5算法从入门到实战系列教程，专为学习YOLOv5的同学而设计，堪称全网最详细的教程！🌈🌈🌈
2023-09-02 19:11:35
6542
3
原创 毕业/期刊论文发表必备：YOLOv5 / v7 / v8 /v10算法网络结构图【文末提供原型文件下载地址】
YOLOv5/v7/v8/v10算法网络结构图及原型文件下载地址。🌈
2024-07-21 22:13:45
34
原创 注意力机制篇 | YOLOv8改进之在C2f模块引入Global Context注意力模块 | 全局上下文注意力机制
GCNet的核心思想是在每个残差块之后添加一个全局上下文模块（即本文的Global Context注意力模块），该模块能够捕捉全局信息，并以此来改进局部特征的学习，从而提高模型的识别精度。🌈
2024-07-13 09:58:17
718
原创 论文发表作图必备：训练结果对比，多结果绘在一个图片【Precision】【Recall】【mAP0.5】【mAP0.5-0.95】【loss】
本文所介绍的作图教程适用于所有YOLO系列版本算法，接下来就以YOLOv8算法为例进行说明。🌈
2024-07-11 22:14:55
780
原创 干货：如何高效检索和阅读文献
高效检索和阅读文献是科研过程中非常重要的一环，它能够帮助我们快速找到所需的信息并进行深入的学习和理解。本文就说明一下如何高效检索和阅读文献。🌈
2024-07-11 20:52:55
774
原创 文学式开发工具 Jupyter Notebook
为什么说Jupyter Notebook是文学式开发工具？因为Jupyter Notebook将代码、说明文本、数学方程式、数据可视化图表内容全部组合到一起并显示在一个共享的文档中，可以实现一边写代码一边记录的效果。🌈
2024-07-11 18:12:33
934
原创 特征融合篇 | YOLOv10改进之在Neck网络中添加加权双向特征金字塔BiFPN
在计算机视觉任务中，特征金字塔网络（FPN）是一种常用的方法，它通过构建不同尺度的特征图来捕获不同尺度的目标。然而，传统的FPN存在一些缺点，如特征融合效率低、信息流通不充分等。BIFPN则通过引入双向的特征融合机制和加权的特征融合方法来克服这些问题。🌈
2024-07-10 21:43:49
919
1
原创 干货：高水平论文写作思路与方法
高水平论文的写作需要扎实的研究基础和严谨的思维方式。同时，良好的写作技巧和时间管理也是成功的关键。本篇文章转载自行业领域专家所写的一篇文章，希望大家阅读后可以能够有所收获。🌈
2024-07-09 22:55:38
159
原创 基于改进YOLOv8的遥感图像小目标检测 | 完美解决特征表示不足和背景混淆等挑战
小目标检测是计算机视觉领域中的一个研究方向，旨在从图像或视频中准确地检测和定位尺寸较小的目标物体。相比于常规目标检测任务，小目标检测更具挑战性，因为小目标通常具有低分辨率、低对比度和模糊等特点，容易被背景干扰或遮挡。本篇文章就给大家介绍如何解决遥感图像中的小目标检测问题。🌈
2024-07-08 23:08:34
632
原创 番外篇 | 手把手教你如何去更换YOLOv5的检测头为IDetect | 源于RCS-YOLO
凭借速度和准确性之间的出色平衡，YOLO框架已成为最有效的目标检测算法之一。然而，在脑肿瘤检测中很少研究使用YOLO网络的性能。对此本文提出了一种基于RCS-YOLO的重新参数化卷积的新型YOLO架构。与YOLOv7相比，RCS-YOLO的精度提高了2.6%，推理速度提高了60%。本文所做出的改进是将YOLOv5的检测头更换为IDetect。🌈
2024-07-06 09:20:26
358
原创 番外篇 | YOLOv8改进之即插即用全维度动态卷积ODConv + 更换Neck网络为GFPN
本文所做出的改进是在YOLOv8中引入即插即用全维度动态卷积ODConv和更换Neck网络为GFPN，希望大家学习之后能够有所收获~！🌈
2024-07-04 22:01:41
163
原创 干货：科技论文写作保姆级攻略
科技论文是报道自然科学研究或技术开发工作成果的论说文章。通常基于概念、判断、推理、证明或反驳等逻辑思维体系，使用实验调研或理论计算等研究手段，按照特定格式撰写完成。科技论文可以粗略分为期刊论文（快报、文章、综述）、学位论文等。🌈
2024-07-03 22:36:30
685
原创 番外篇 | 手把手教你如何去更换YOLOv5的检测头为ASFF_Detect
自适应空间特征融合（ASFF）的主要原理旨在解决单次检测器中不同尺度特征的不一致性问题。具体来说，ASFF通过动态调整来自不同尺度特征金字塔层的特征贡献，确保每个检测对象的特征表示是一致且最优的。本文所做出的改进是将YOLOv5的检测头更换为ASFF_Detect。🌈
2024-07-03 21:32:42
90
原创 番外篇 | 斯坦福提出即插即用二阶优化器Sophia ：相比Adam实现2倍加速，显著节省大语言模型训练成本
今天给大家分享的这篇文章是来自斯坦福的最新研究成果，他们提出了「一种叫Sophia的优化器，相比Adam，它在LLM上能够快2倍，可以大幅降低预训练成本」。🌈
2024-07-03 20:37:54
363
原创 基于改进YOLOv5s的跌倒行为检测 | 引入SKAttention注意机制 + 引入空间金字塔池化结构SPPFCSPC + 结合ASFF自适应空间融合
为了实现电厂人员跌倒行为的实时检测，防止跌倒昏迷而无法及时发现并救援的事件发生，针对跌倒行为检测实时性以及特征提取能力不足的问题，提出了一种改进YOLOv5s的跌倒行为检测算法网络。🌈
2024-07-03 20:36:29
960
原创 主干网络篇 | YOLOv8改进之引入YOLOv10的主干网络 | 全网最新改进
YOLOv10是由清华大学研究人员利用Ultralytics Python软件包开发的，它通过改进模型架构并消除非极大值抑制（NMS）提供了一种新颖的实时目标检测方法。这些优化使得模型在保持先进性能的同时，降低了计算需求。与以往的YOLO版本不同，YOLOv10的主干网络加入了其他不同模块，本节课就带领大家如何将YOLOv8的主干网络更换为YOLOv10的主干网络！~🌈
2024-07-02 20:32:30
128
原创 番外篇 | YOLOv8改进之利用轻量化卷积PConv引入全新的结构CSPPC来替换Neck网络中的C2f | 模型轻量化
本文使用轻量化卷积PConv替换Neck中C2f模块中Bottleneck里的传统卷积核得到CSPPC模块，使得模型更加轻量化。🌈
2024-06-26 22:46:42
293
原创 基于改进YOLOv8n航拍轻量化小目标检测算法：PECS-YOLO | 添加SE注意力机制 + 空间金字塔池化SPPELAN + 增加小目标检测层 + 引入新的结构CSPPC + 更换损失函数EIoU
在无人机航拍中，目标通常是密集分布、特征不明显的小目标，且物体尺度变化较大。因此，目标检测容易出现漏检和误检的问题。为了解决这些问题，文章提出了一种基于改进YOLOv8n航拍轻量化小目标检测算法：PECS-YOLO。🌈
2024-06-26 21:50:21
1308
原创 基于改进YOLOv5的安全帽检测算法 | 引入Ghost卷积 + 添加CA注意力机制 + 更换Neck网络之BiFPN + 更换损失函数之WIoU
为了解决建筑工地、隧道、煤矿等施工场景中现有安全帽检测算法对于小目标、密集目标以及复杂环境下的检测精度低的问题，设计实现了一种基于YOLOv5的改进目标检测算法，记为YOLOv5-GBCW。🌈
2024-06-25 23:22:12
911
原创 YOLOv9基础 | 实时目标检测新SOTA，手把手带你深度解析yolov9论文！
YOLOv9是Chien-Yao Wang等人提出的YOLO系列的最新版本之一（截止到目前，YOLOv10已发布），于2024年2月21日发布。它是 YOLOv7的改进版本，两者均由Chien-Yao Wang及其同事开发。本节课就以YOLOv9论文为基础带大家深入解析YOLOv9算法。🌈
2024-06-23 08:41:54
84
原创 番外篇 | YOLOv8算法解析和实战应用：车辆检测 + 车辆追踪 + 行驶速度计算
YOLOv8是ultralytics公司在2023年1月10号开源的，是YOLOv5的下一个重大更新版本，目前支持图像分类、物体检测和实例分割任务，在还没有开源时就收到了用户的广泛关注。它是一个SOTA模型，建立在以前YOLO版本的成功基础上，并引入了新的功能和改进，以进一步提升性能和灵活性。本文就对YOLOv8算法进行解析并以车辆检测及速度计算为案例进行应用。🌈
2024-06-21 22:52:06
678
原创 番外篇 | FFCA-YOLO复现：面向遥感图像的小目标检测最新方法 | 解决小目标检测特征表示不足和背景混淆等问题
在论文中，作者提出了FEM、SCAM和FFM，这三个模块都被引入到YOLO模型中，形成了一个特征增强、融合与上下文感知的YOLO网络，作者称其为FFCA-YOLO。🌈
2024-06-21 00:51:31
457
原创 番外篇 | 基于改进YOLOv5的安全帽佩戴检测 | 重参数化结构RepVGG + 空间对象注意力机制RCS-OSA模块
本文针对安全帽佩戴的检测就是基于RCS-YOLOv5结构，重点是采用重参数化结构RepVGG和空间对象注意力机制RCS-OSA模块相结合的方式对YOLOv5进行改进，从而实现对安全帽的正确检测。🌈
2024-06-20 22:19:43
234
原创 番外篇 | 基于YOLOv5-RCS的明火烟雾检测 | 源于RCS-YOLO
RCS-YOLO是一种目标检测算法，它是基于YOLOv3算法的改进版本。通过查看RCS-YOLO的整体架构可知，其中包括RCS-OSA模块。RCS-OSA模块在模型中用于堆叠RCS模块，以确保特征的复用并加强不同层之间的信息流动。本文就给大家详细介绍如何将RCS-YOLO算法中的RCS-OSA模块替换YOLOv5主干网络结构中的C3模块！~🌈
2024-06-20 17:46:16
337
原创 卷积篇 | YOLOv8改进之引入重新参数化再聚焦卷积RefConv | 即插即用
论文提出了重新参数化再聚焦卷积(RefConv)作为常规卷积层的替代品，它是一个即插即用模块，可以在没有任何推理成本的情况下提高性能。本文所做出的改进就是在YOLOv8中引入重新参数化再聚焦卷积RefConv，希望大家学习之后能够有所收获~！🌈
2024-06-20 17:41:37
173
原创 注意力机制篇 | YOLOv8改进之在C2f模块引入Triplet注意力模块 | 三重注意力机制
2021年WACV发表的一篇最新文献“Rotate to Attend: Convolutional Triplet Attention Module” 中提出一种三重注意力triplet attention。该网络结构通过旋转操作和残差变换建立维度间的依存关系，并以可忽略的计算开销对通道和空间信息进行编码。该方法既简单又有效，并且可以轻松地插入经典Backbone中。🌈
2024-06-19 21:38:49
109
原创 小目标检测篇 | 针对遥感图像的小目标检测 | 解决低分辨率、低对比度和模糊等问题
小目标检测是计算机视觉领域中的一个研究方向，旨在从图像或视频中准确地检测和定位尺寸较小的目标物体。相比于常规目标检测任务，小目标检测更具挑战性。🌈
2024-06-12 02:29:13
184
原创 注意力机制篇 | YOLOv8改进之在C2f模块引入SpatialGroupEnhance注意力模块
这篇文章介绍了一种轻量级的神经网络模块SGE，它可以调整卷积神经网络中每个子特征的重要性，从而提高图像识别任务的性能。SGE通过生成注意力因子来调整每个子特征的强度，有效抑制噪声。与流行的CNN主干网络集成时，SGE可以显著提高图像识别性能。🌈
2024-06-11 23:30:48
136
原创 注意力机制篇 | YOLOv8改进之在C2f模块引入全局多头自注意力MHSA
MHSA是一种基于自注意力机制的深度学习模型，最早是由Vaswani等人在2017年提出的。它在处理输入序列时能够自动捕捉序列之间的依赖关系，从而更好地理解上下文信息并提高模型性能。🌈
2024-06-11 22:38:18
124
原创 基于改进YOLOv5的小目标检测 | 添加CBAM注意机制 + 更换Neck网络之BiFPN + 增加高分辨率检测头
本文针对图像中小目标难以检测的问题，提出了一种基于YOLOv5的改进模型。在主干网络中，加入CBAM注意力模块增强网络特征提取能力；在颈部网络部分，使用BiFPN结构替换PANet结构，强化底层特征利用；在检测头部分，增加高分辨率检测头，改善对于微小目标的检测能力。本文算法在无人机数据集VisDrone2019数据集上进行了多次对比实验，结果表明本文算法可以有效地检测小目标。🌈
2024-06-10 10:28:41
1542
原创 番外篇 | 超越ReLU却鲜为人知，YOLOv5改进之崛起的最佳激活函数GELU！
作为决定神经网络是否传递信息的「开关」，激活函数对于神经网络而言至关重要。不过今天被人们普遍采用的ReLU真的是最高效的方法吗？最近在社交网络上，人们找到了一个看来更强大的激活函数：GELU。本文就教大家如何将YOLOv5卷积中的激活函数更换为GELU。🌈
2024-06-09 20:55:02
89
原创 番外篇 | 利用华为2023最新Gold-YOLO中的Gatherand-Distribute对特征融合模块进行改进
论文提出一种改进的信息融合机制Gather-and-Distribute (GD) ，通过全局融合多层特征并将全局信息注入高层，以提高YOLO系列模型的信息融合能力和检测性能。通过引入MAE-style预训练方法，进一步提高模型的准确性。🌈
2024-06-08 17:28:58
331
原创 模型训练篇 | yolov10来了！手把手教你如何用yolov10训练自己的数据集（含网络结构 + 模型训练 + 模型推理等）
YOLOv10推出的消息引发了AI界的关注，它被认为是计算机视觉领域的突破性框架，以实时的端到端目标检测能力而闻名，通过提供结合效率和准确性的强大解决方案，延续了YOLO系列的传统。新版本发布之后，很多人已经进行了部署测试，效果不错，本节课就带领大家如何基于YOLOv10训练模型并推理测试！~🌈
2024-06-04 20:31:12
10180
33
原创 番外篇 | YOLOv8改进之在C2f中引入FasterBlock模块（来源于FasterNet） | CVPR2023
针对CVPR2023新出的Fastemet主干网络，追求更快、参数量更少、精度更高的主干网络，本节课就利用该网络中的FasterBlock模块的特性，将其引入中YOLOv8网络中的C2f模块中！~🌈
2024-06-04 20:25:31
220
原创 注意力机制篇 | YOLOv8改进之引入STA（Super Token Attention）超级令牌注意力机制 | CVPR2023
超级令牌注意力机制是一种基于Transformer的模型，用于处理长文本序列的任务。它通过引入超级令牌（Super Token）来减少输入序列中的填充标记，从而提高计算效率和模型性能。🌈
2024-06-04 06:25:33
146
原创 番外篇 | YOLOv8改进之结合Drone-YOLO：一种有效的无人机图像目标检测
YOLOv8改进之结合Drone-YOLO：一种有效的无人机图像目标检测。🌈
2024-06-04 06:24:36
128
原创 番外篇 | YOLOv5改进之结合结构重参数化网络RepVGG：极简架构，SOTA性能，让VGG式模型再次伟大！
ResNet、DenseNet 等复杂的多分支网络可以增强模型的表征能力，使得训练效果更好，但是多分支的结构在推理的时候效率严重不足。看起来二则不可兼得。能否两全其美？RepVGG通过结构重参数化的方法，在训练的时候使用多分支结构，而在推理的时候多分支结构融合成单路结构，即保证了训练的效果，也提高了推理速度。🌈
2024-06-04 06:23:36
167
原创 损失函数篇 | YOLOv8更换损失函数之Inner-IoU | 通过辅助边界框计算IoU损失
在Inner-IoU中，作者引入了尺度因子比，可以控制辅助边界框的尺度大小。通过为不同数据集和检测器使用不同尺度的辅助边界框，可以克服现有方法在泛化能力方面的局限。本节课就重点说下Inner-IoU损失函数的更换！~🌈
2024-05-28 01:09:12
574
原创 小目标检测篇 | YOLOv8改进之更换Neck网络为BiFPN + 添加小目标检测层
本篇文章就给大家介绍如何在将YOLOv8的Neck网络更换为BiFPN之后如何去添加小目标检测层。🌈
2024-05-25 11:11:43
395
yolov10完整源码+权重文件
2024-07-03
《番外篇 - YOLOv8算法解析和实战应用：车辆检测 + 车辆追踪 + 行驶速度计算》
2024-06-21
《番外篇 - 利用YOLOv5实现视频划定区域目标统计计数》完整代码
2024-04-05
《主干网络篇 - YOLOv8更换主干网络之GhostNet》完整源码
2024-03-23
《主干网络篇 - YOLOv8更换主干网络之ShuffleNetV2（包括完整代码+添加步骤+网络结构图）》完整源码
2024-03-16
明火烟雾算法检测数据集
2024-03-05
《番外篇 - YOLOv5+DeepSort实现行人目标跟踪检测》完整代码
2024-02-24
yolov8完整源码+权重文件
2024-02-03
《YOLOv5改进 - 添加CA注意力机制 + 增加预测层 + 更换损失函数之GIoU》完整代码
2024-02-02
yolov7-v0.1（完整源码+环境配置+权重文件）-改进版
2024-01-14
yolov7-v0.1（完整源码+环境配置+权重文件）
2024-01-08
OpenCV基础知识（10）- 人脸识别项目完整代码
2023-09-05
非极大值抑制原理解析及实现流程
2023-08-18
YOLO算法发展历程及改进
2023-08-18
安全帽佩戴检测数据集（使用YOLOv5进行模型训练）
2023-08-14
智能监控系统软件设计.pptx
2023-07-30
元宇宙详细介绍.pptx
2023-03-10
产品经理必须学会的流程图总结
2023-03-07
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人