YOLO-day3-YOLO8＆11

原创 已于 2025-02-17 18:47:53 修改 · 266 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#YOLO

于 2025-02-08 16:32:21 首次发布

day3-yolo11

一、YOLO11

官方文档：GitHub - ultralytics/ultralytics: Ultralytics YOLO11 🚀

开发文档：Home - Ultralytics YOLO Docs

1 YOLOV11简介

速度和精度的优化

采用更先进的网络结构和训练技巧，支持多种检测任务，包括目标检测和跟踪、实例分割、图像分类和姿态估计等。

优化了推理速度，使其在实时应用中表现更佳。

pip install ultralytics

源码下载： Releases · ultralytics/ultralytics · GitHub

分支对比：

master： 项目的主线，通常代表最新的稳定代码。

releases： 指定版本的稳定发布版本，例如 v1.0，v2.0 等，用于长期维护，BUG较少。

2 YOLOV11使用

2.1 目标检测

yolo predict model=yolo11n.pt source='./bus.jpg'

2.2 语义分割

最低0.47元/天 解锁文章
Day11 - YOLO实例：手势识别
CSBLOG的博客
11-20 431
【代码】Day11 - YOLO实例：手势识别。
小白成长之路----Opencv and YOLO（day2
paperccc的博客
04-26 1005
每天一遍：立志成为技术大佬，迎娶白富美，从此走上人生巅峰（dog经过昨天的学习，我已经成功配置好了使用环境，那么今天我打算从P4-P8开始正式进行学习，望在下个月之前争取学完所有内容，加油！！！（此篇基于进行学习分享，侵权请联系我删除）
YOLOv8 目标检测程序的输出 (1, 84, 8400)的解释
热门推荐
二分掌柜的
06-24 1万+
flyfish
YOLOv8、YOLOv11获取输出结果（目标检测、关键点检测、语义分割）
qq_49110168的博客
12-23 7968
在计算机视觉领域，YOLO（You Only Look Once）是一种流行的目标检测算法，以其速度快和准确性高而闻名。YOLOv8、YOLOv11不仅继承了前代算法的优点，还引入了新的技术来进一步提升性能。获取Y的输出结果对于多个应用场景至关重要。获取YOLOv8、YOLOv11的输出结果，意味着我们能够从算法中获得这些关键信息，进而为后续的决策和分析提供数据支持。因此，了解如何从YOLOv8、YOLOv11获取这些输出结果，对于开发人员、研究人员以及任何希望利用这些技术的人来说，都是一个重要的课题。
YOLO-day1-YOLO1-4
keep_keeprogress的博客
02-08 247
更快更简单：45fps，远高于Faster R-CNN，满足视频目标检测避免产生背景错误：整张图进行输入，充分利用上下文，不易出现错误背景信息IOU损失定义如下：交集越大，损失越小，解决了大目标对小目标的影响$$$$
YOLO-day2-yolo5
keep_keeprogress的博客
02-08 199
day2-yolo5。
姿态估计进阶：从 YOLO-NAS Pose 到 YOLOv8 Pose的技术探索与实践
知来者逆的博客
08-19 979
摘要： YOLO-NAS Pose是Deci AI基于神经架构搜索（NAS）技术开发的新一代姿态估计模型，通过AutoNAC引擎优化架构，在精度与效率上超越YOLOv8 Pose。该模型提供四种尺寸变体，适配不同硬件需求，支持图像、视频等多源数据输入。实验显示其在直立人形检测中表现优异，但在水平姿态场景下略逊于YOLOv8。此外，文章还探讨了基于YOLOv8 Pose的瑜伽姿势分类实践，包括数据集准备与训练流程。YOLO-NAS Pose为实时姿态估计设定了新标杆，但在特定场景仍有优化空间。
YOLO-day4-综合项目
keep_keeprogress的博客
02-08 135
4。
YOLO-day5-项目及思考
keep_keeprogress的博客
02-08 159
5。
Day 18 - 深入讨论 YOLO 相关设定
m0_50614038的博客
10-30 1159
Day 18 - 深入讨论 YOLO 相关设定 今天来分析 Joseph Redmon 所设计的 YOLOV3 的设定档，里面会看到他是如何设计整个卷积网路结构，下图是 github 中 cfg 文件夹的 YOLO 结构的档案，看 yolov1.cfg, yolov2.cfg, yolov3.cfg 等档名后面带着-xxx，例如: yolov2-voc.cfg, yolov3-voc.cfg。这是指针对不同的数据集 (datasets) 训练时的网路结构组态档案，没有带 -xxx 的组态档，基本上的数据集就
CV——day72：从零开始学YOLO——YOLO-v3（可以在我的资源里下载完整的v1到v3的笔记啦！）
想太多的学习日志
01-31 451
tips：作者本人因为美军广泛运用于军事领域，所以决定不再继续开发YOLO系列。但是其他人还是继续往后做了~v8都有了
小白成长之路----Opencv and YOLO（day1
paperccc的博客
04-25 843
作为一名垃圾学校的机械专业的学牲，自从上次蓝某杯之后，便沉迷于敲代码无法自拔，最近，新的工科比赛起重机要开始了，所以，我便加入了某团队，想大展身手一番。结果，由于比赛的难度逐年上升，尤其是需要对物块的精准抓取，以及物块摆放位置的随机性，先前的种种方案便被舍弃。于是心中便萌发出了一个想法，利用深度相机，机器学习，路径规划等智能的解决该问题。但是由于本人先前并无基础，所以此篇blog便作为记录以及分享，希望与大佬们能够多多进行交流。（此篇基于。
机械紧固件智能识别系统 _ 基于YOLOv10n的螺栓螺母螺丝垫圈自动检测与分类
OOOaaa123123的博客
12-20 579
摘要：本文提出基于YOLOv10n的机械紧固件智能识别系统，实现螺栓、螺母、螺丝、垫圈等工业零件的自动检测与分类。系统采用两阶段训练策略，在自建5000张图像的数据集上达到94.5%的mAP@0.5精度，推理速度8.2ms/帧。通过优化图像采集、数据增强和模型轻量化设计，解决了工业场景中小目标检测难题。系统包含图像采集、实时检测、结果可视化等功能模块，支持30fps实时处理，模型体积仅5.4MB，适用于嵌入式部署，显著提升了制造业质检效率和准确性。（149字）
YOLOv8-BiFPN-SDI实现脑部CT影像中颅内病变自动检测与定位_出血梗死异常病灶识别详解
Faker66363aaa的博客
12-21 849
YOLOv8-BiFPN-SDI模型主要由三部分组成：YOLOv8骨干网络、BiFPN特征融合模块和SDI病灶定位模块。这种组合设计使得模型能够从不同尺度提取脑部CT特征，并通过双向特征金字塔网络有效融合这些特征，最后通过空间分布信息(SDI)模块精确定位病灶位置。YOLOv8作为当前最先进的目标检测框架之一，相比之前的YOLO版本在速度和精度上都有显著提升。它的CSP-Darknet53骨干网络能够高效提取多尺度特征，非常适合医学影像分析任务。🚀。
yolov8+paddleocr的车牌识别
2301_81438646的博客
12-18 713
yolov8+ocr的车牌识别
YOLO11-CGAFusion融合方法在轮胎缺陷检测中的应用与实践详解
最新发布
Aninier96933t的博客
12-22 551
本文提出了一种基于YOLO11-CGAFusion融合方法的轮胎缺陷检测技术，通过结合YOLOv11和跨模态注意力机制，有效提升了检测精度。实验表明，该方法在测试集上达到93.8%的mAP，相比基线模型提高了2.3个百分点，同时保持38FPS的实时检测速度。消融实验验证了CGA模块在特征融合中的有效性。该技术已成功部署到工业生产线，通过模型量化等优化策略，在边缘设备上实现了高效检测，为轮胎质量检测提供了可靠的解决方案。
城市交通多目标检测系统：YOLO11-MAN-FasterCGLU算法优化与实战应用_3
Dingdangcat86的博客
12-18 777
本文提出了一种基于YOLO11优化的城市交通多目标检测系统YOLO11-MAN-FasterCGLU，通过多尺度特征融合技术和MAN注意力机制提升检测性能。该方法采用自适应特征选择机制动态调整不同尺度特征的权重，并引入并行注意力分支增强小目标检测。实验表明，相比原始YOLOv11，mAP提升4.2%至86.5%，同时保持40FPS的实时性能。系统已成功部署于城市交通监控，结合边缘计算架构实现高效处理。未来计划引入多模态数据融合和半监督学习进一步优化系统性能。
基于YOLOv12课堂行为检测系统1：课堂行为检测数据集说明(含下载链接)
修行之路
12-20 246
基于YOLOv12课堂行为检测系统1：课堂行为检测数据集说明(含下载链接)
智慧交通道路路面玻璃碴子检测数据集VOC+YOLO格式1276张1类别
FL1623863129的博客
12-20 160
数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件)图片分辨率：1920x1920共1000张和640x640共有276张。特别声明：本数据集不对训练的模型或者权重文件精度作任何保证。标注类别名称:["broken_glass"]图片数量(jpg文件个数)：1276。标注数量(xml文件个数)：1276。标注数量(txt文件个数)：1276。使用标注工具：labelImg。标注规则：对类别进行画矩形框。
yolo11 夜间
04-03
根据现有的知识，YOLOv11作为YOLO系列的新版本，可能继承了之前版本的一些特性，但没有直接提到夜间模式。不过，用户可以通过一些通用的图像处理技术和模型优化方法来增强夜间检测能力。 接下来，我应该考虑几个...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值