计算机视觉中的目标检测描述了首先找出，即回归，一个边界框，然后对场景中的物体进行分类的第一个步骤。早期的解决这个问题的问题的方法使用一个滑动窗口，在图像上 evenly 地点对地查看 [4] 或者像区域CNNs（R-CNNs） [5] 那样...
<font color=Red size=5>涨点效果：在我自己的数据集上，mAP50 由0.986涨到了0.99，mAP50-95由0.737涨到0.753，涨点明显！</font>
YOLO系列是目标检测领域的主流方法，为各种应用场景提供了多种优势。YOLO的架构包括两个主要部分：backbone 和 neck 。尽管backbone主要用于特征提取，但已经取得了广泛的研究成果，而neck负责多尺度特征的融合，为各种大小的...
本文使用香橙派AIpro开发板，实现Yolov5的框架部署，并使用预训练模型进行图像识别。OrangePi AIpro 是2023.12月初，香橙派联合华为发布了基于昇腾的Orange Pi AIpro开发板，提供8/20TOPS澎湃算力，支持复杂的计算任务，适用于AI...
植物表型分析对于作物改良[1]、产量优化[2]和可持续实践[3]至关重要。人工智能（AI），特别是目标检测算法，已经改变了植物表型分析，提高了效率和性能[4]。You Only Look Once（YOLO）已经在各种农业应用中有效地使用，例如害虫检测...
YOLO（You Only Look Once）是一个标志性的目标检测模型，可以快速分类并定位图像中的多个对象。本文总结了YOLO模型中所有关键的数学操作。
本文主要分成两个部分。首先，我们将深入研究RT-DETR和YOLO-WORLD模型。然后，我们将继续讨论基于补丁的技术，如SAHI和其他类似方法。最后，我将总结一下检测效果。...
我们都知道，yolo这些深度学习检测算法都是在python下用pytorch或tf框架这些训练的，训练得到的是pt或者weight权重文件，这些是算法开发人员做的事情，如何让算法的检测精度更高、速度更快。...
在计算机视觉领域，目标检测是至关重要的任务之一，它涉及识别图像或视频中的对象，并将其分类和定位。近年来，**YOLO（You Only Look Once）**算法因其速度与精度的平衡而变得非常流行。在这篇博文中，我们将详细介绍如何快速在Wi...
数据集质量：确保你的训练数据集质量良好，包含足够多的代表性样本，并且标注准确无误。低质量的训练数据集可能导致模型学习到错误的特征，从而产生误报。...
