- 博客(12)
- 收藏
- 关注
RSS订阅原创 yolov8＋deepsort实现多目标跟踪
在训练yolov8权重的时候一定要注意将类别信息改成自己的信息。把类比什么的改成自己的数据集，数据集的路径也要替换自己的路径。就可以训练自己的数据集了，训练完之后得到自己的权重文件。自己创建一个.yaml文件用于自己数据集的路径选择。工具标注自己的数据集，一定要分清楚自己的类别信息。使用以下代码可以按照比例划分自己的数据集。之后打开命令框输入以下命令进入标注页面。只需要输入好自己数据集的路径就可以开始。将代码里面的nc改成自己的真实类别。修改完之后，运行train.py。然后标注自己的数据集就行。
2025-02-23 09:53:59
791
6
原创 yolov8＋bytetrack实现多目标跟踪
在训练yolov8权重的时候一定要注意将类别信息改成自己的信息。把类比什么的改成自己的数据集，数据集的路径也要替换自己的路径。就可以训练自己的数据集了，训练完之后得到自己的权重文件。自己创建一个.yaml文件用于自己数据集的路径选择。工具标注自己的数据集，一定要分清楚自己的类别信息。使用以下代码可以按照比例划分自己的数据集。之后打开命令框输入以下命令进入标注页面。只需要输入好自己数据集的路径就可以开始。将代码里面的nc改成自己的真实类别。修改完之后，运行train.py。然后标注自己的数据集就行。
2025-02-21 10:05:59
856
6
原创 yolov10＋bytetrack实现多目标跟踪
在训练yolov10权重的时候一定要注意将类别信息改成自己的信息。把类比什么的改成自己的数据集，数据集的路径也要替换自己的路径。就可以训练自己的数据集了，训练完之后得到自己的权重文件。自己创建一个.yaml文件用于自己数据集的路径选择。工具标注自己的数据集，一定要分清楚自己的类别信息。使用以下代码可以按照比例划分自己的数据集。之后打开命令框输入以下命令进入标注页面。只需要输入好自己数据集的路径就可以开始。将代码里面的nc改成自己的真实类别。修改完之后，运行train.py。然后标注自己的数据集就行。
2025-02-18 18:46:14
814
原创 yolov10＋deepsort实现多目标跟踪
在训练yolov10权重的时候一定要注意将类别信息改成自己的信息。把类比什么的改成自己的数据集，数据集的路径也要替换自己的路径。就可以训练自己的数据集了，训练完之后得到自己的权重文件。自己创建一个.yaml文件用于自己数据集的路径选择。工具标注自己的数据集，一定要分清楚自己的类别信息。使用以下代码可以按照比例划分自己的数据集。之后打开命令框输入以下命令进入标注页面。只需要输入好自己数据集的路径就可以开始。将代码里面的nc改成自己的真实类别。修改完之后，运行train.py。然后标注自己的数据集就行。
2025-02-14 11:30:18
543
2
原创 yolov10＋strongsort实现多目标跟踪
在训练yolov10权重的时候一定要注意将类别信息改成自己的信息。把类比什么的改成自己的数据集，数据集的路径也要替换自己的路径。就可以训练自己的数据集了，训练完之后得到自己的权重文件。自己创建一个.yaml文件用于自己数据集的路径选择。工具标注自己的数据集，一定要分清楚自己的类别信息。使用以下代码可以按照比例划分自己的数据集。之后打开命令框输入以下命令进入标注页面。只需要输入好自己数据集的路径就可以开始。将代码里面的nc改成自己的真实类别。修改完之后，运行train.py。然后标注自己的数据集就行。
2025-02-13 15:08:49
640
原创 yolov8＋bytetrack实现多目标跟踪
在训练yolov8权重的时候一定要注意将类别信息改成自己的信息。把类比什么的改成自己的数据集，数据集的路径也要替换自己的路径。就可以训练自己的数据集了，训练完之后得到自己的权重文件。自己创建一个.yaml文件用于自己数据集的路径选择。工具标注自己的数据集，一定要分清楚自己的类别信息。使用以下代码可以按照比例划分自己的数据集。之后打开命令框输入以下命令进入标注页面。只需要输入好自己数据集的路径就可以开始。将代码里面的nc改成自己的真实类别。修改完之后，运行train.py。然后标注自己的数据集就行。
2025-02-12 10:06:13
1105
9
原创 yolov10改进之轻量化的动态上采样算子DySample
DySample（Dynamic Sampling for Efficient Upsampling）是一种轻量化的动态上采样算子，它用于图像处理、计算机视觉及深度学习领域，尤其是在图像生成、超分辨率重建、图像分割等任务中，旨在提高上采样操作的效率，同时减少计算量和内存占用。DySample的主要创新点在于其通过动态地选择和调整上采样的方式，避免了传统上采样方法中固定模式的局限性，从而实现了更灵活、更加高效的图像上采样操作。DySample被设计为计算量较小、参数少的上采样算子，适用于资源受限的环境。
2025-02-12 10:03:10
432
原创 yolov10改进之添加注意力机制LSKA
LSKA提出的关键创新在于使用了可学习的缩放核来对注意力分配进行加权，这与传统的注意力机制不同。传统的自注意力机制通常使用固定的权重矩阵来计算注意力，而LSKA使用缩放核，这些核的参数是可以通过训练数据自动学习到的。： 传统的自注意力机制计算量大，尤其是在处理长序列时，计算复杂度为O(n²)，其中n是序列长度。缩放核使得模型能够在不同的上下文之间找到更合适的关联，提升了模型的性能。： 由于核是可学习的，LSKA能够根据不同任务的需求灵活调整注意力的方式。二、LSKA的yaml文件。
2025-02-11 20:08:32
469
原创 ResNet50重识别网络训练
ResNet-50（Residual Networks）是一种深度卷积神经网络，它是 ResNet 系列中的一个变种，采用了 50 层的网络结构。ResNet 系列的设计理念在于引入残差连接（Residual Connection），解决了传统深度神经网络在加深网络层数时容易出现的梯度消失或梯度爆炸问题，从而使得网络能够训练得更深且效果更好。
2025-01-23 18:30:36
640
原创 yolov10改进之DWRSeg
一、本次改进是在yolov10的基础上修改网络结构，使用DWRSeg模块DWRSeg（Depth-wise Residual Segmentation）模块是一种用于图像分割任务的深度学习模块，它结合了深度可分离卷积（Depth-wise Convolution）和残差学习（Residual Learning）机制，以提升分割任务的精度和效率。DWRSeg主要用于处理复杂的图像分割问题，尤其是在实时性要求高或者计算资源有限的环境下。
2025-01-22 09:39:26
570
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人