- 博客(6)
- 收藏
- 关注
RSS订阅原创 Yolo模型改进与微调实战经验
YOLO模型改进与微调实战总结 本文介绍了提升YOLO模型性能的实用方法：（1）数据集优化：强调数据与实际场景匹配的重要性，推荐使用Albumentations进行数据增强，并提供了自动分割数据集的Python脚本。（2）超参数调优：详细说明了学习率、训练轮次等关键参数设置技巧，以及损失函数权重的调整方法。（3）模型架构改进：提出融合动态特征金字塔、坐标注意力机制和多任务学习的思路。实验结果表明，通过数据增强和参数优化，模型mAP显著提升，但关键点检测仍需改进。文章还推荐了自动标注工具和WandB训练监控等
2025-07-30 15:55:16
1010
原创 Yolo11训练自己的模型，实现指针表示数的自动识别
本文介绍了使用YOLOv11_pose模型实现指针式仪表指针示数自动化读取的具体实现思路。首先，利用YOLOv11_pose模型识别仪表图像中的关键点，包括起始位置、终止位置、中心点及指针点。实现流程包括数据集标注、标签转换和数据增强。数据集标注使用labelme工具，标注时需注意保存路径和快捷键设置。标签转换将标注的json格式转换为txt格式，并进行标签校验。数据增强采用滤波、噪声、翻转等方法，并划分数据集为训练集、验证集和测试集。
2025-05-19 11:11:16
868
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