目标检测_人工智能博客-专业IT技术发表平台

推荐付费专栏 VIP文章

YOLO11 目标检测 | 导出ONNX模型 | ONNX模型推理本文分享YOLO11中，从xxx.pt权重文件转为.onnx文件，然后使用.onnx文件，进行任务的。用，便于算法到开发板或芯片的部署。备注：本文是使用Python，编写ONNX模型推理代码的。

阅读 1.1w

62赞

哥兜兜有糖

一文搞懂YOLO系列目标检测！万字长文（附YOLOv8实操教程）本文介绍目标检测基础概念，算法发展历史，YOLOV8环境配置，数据集标注，模型评估指标，改进策略。

阅读 3.5w

179赞

超详细YOLOv8目标检测全程概述：环境、训练、验证与预测详解这篇博文提供了一个关于使用YOLOv8进行目标检测的全面指南，包括环境搭建、模型训练、验证和预测的详细步骤，以及如何解释训练过程中生成的各种图表和数据。整篇文章为读者提供了一个关于如何利用YOLOv8进行目标检测的实践指南，从环境搭建到模型部署，再到结果分析，每一部分都给出了详细的步骤和解释。此外，还有对于模型输出的解释，帮助读者更好地理解和使用YOLOv8模型。

阅读 8.5w

176赞

浩瀚之水_csdn

深入浅出之FPN （Feature Pyramid Networks for Object Detection）网络 FPN网络是在2017年的CVPR会议上提出的，主要目的是通过特征融合的方式，在不显著增加计算量的情况下，提升多尺度目标的检测性能，尤其是对小目标的检测能力。它通过构建多尺度特征金字塔，将高层特征图的语义信息与低层特征图的空间信息进行融合，生成具有丰富多尺度信息的特征表示。

阅读 1.2w

55赞

Coovally AI模型快速验证

YOLO11全解析：从原理到实战，全流程体验下一代目标检测 YOLO11作为这YOLO系列的最新力作，无疑将目标检测算法推向了一个新的高度。YOLO11在2024年9月30日的YOLOVision活动中正式发布了，这一新版本不仅在性能上有了显著提升，还在功能多样性上迈出了重要一步。YOLO11是由Ultralytics团队于2024年9月30日发布的，它是YOLO（You Only Look Once）系列中的最新成员。YOLO11在之前版本的YOLO基础上引入了新功能和改进，以进一步提高性能和灵活性。

阅读 7.8k

36赞

乐平要加油啊

YOLOv8、YOLOv11获取输出结果（目标检测、关键点检测、语义分割）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。

阅读 4.1k

18赞

基于yolov5+deepsort目标检测与跟踪系统(教程+代码） YOLOv5 和 DeepSort 是两种非常强大的技术，分别用于目标检测和多目标跟踪。将它们结合起来，可以在智慧工地等场景中实现高效的目标检测与跟踪。以下是如何结合 YOLOv5 和 DeepSort 的具体步骤和应用场景：### 1. YOLOv5 目标检测YOLOv5 是 YOLO 系列的最新版本，具有高性能、实时性和高精度的特点。它能够从视频流或图像中检测出多种目标。#### 步骤：1. **数据准备**：收集并标注训练数据，确保数据集包含工地上的各种目标，如工程车辆、工人、建筑材料等。

阅读 1.2k

11赞

发呆小天才O.o

YOLOv8目标检测——详细记录使用ONNX Runtime进行推理部署C++/Python实现在之前博客中有介绍YOLOv8从环境安装到训练的完整过程，本节主要介绍ONNX Runtime的原理以及使用其进行推理加速，使用Python、C++两种编程语言来实现。

阅读 7.2k

130赞

笑脸惹桃花

目标检测：YOLOv11(Ultralytics)环境配置，适合0基础纯小白，超详细深度学习目标检测YOLOv11小白教程环境搭建，超级简单的教程，纯新手方便理解，一看就会。

阅读 6.3w

240赞

PyTorch深度学习实战（20）——从零开始实现Fast R-CNN目标检测 Fast R-CNN 改进了 R-CNN，引入 RoI (Region of Interest) 池化层极大地提高了检测速度和准确性。Fast R-CNN 极大地推动了目标检测领域的发展，为后续的一系列算法奠定了基础，在准确性和速度之间取得了良好的平衡，成为了目标检测算法的重要里程碑。在本节中，我们将介绍 Fast R-CNN 的工作原理，然后在自定义数据集上训练 Fast R-CNN 目标检测模型。

阅读 4.7k

74赞

笑脸惹桃花

超详细目标检测：YOLOv11(ultralytics)训练自己的数据集，新手小白也能学会训练模型，手把手教学一看就会对电脑小白也很简单的yolov11教程！训练自己的数据集分为4部分，先配置环境，再获取制作自己的数据集，然后修改配置训练，最后验证训练结果，附带可视化界面。YOLOv11为Ultralytics公司YOLO系列实时目标检测器的最新迭代版本，训练流程与YOLOv8基本一致，仅替换了新的网络结构与预训练权重，如果有其他目标检测的数据集可以直接拿来用，从第3训练模型开始看，新手小白0基础建议一步一步跟着来，哪里看不懂的或者遇到哪有问题可以发到评论区交流~

阅读 3.0w

183赞

Yolo11环境配置win+Python+Anaconda--小白目标检测学习专用（超详细）根据你的需求选择，如果有英伟达的GPU（显卡，比如RTX3060）那就选CUDA最新的版本，然后你还要把你的英伟达驱动更新到最新版本。直接点yolo旁边的【绿按钮】，再点击弹出来的【Open Terminal】就会打开环境终端了，接下来的操作都在这个黑框框里进行。如果下载失败或者非常慢，pytorch的包预计一分钟内下完，如果确定你的网络没问题的话，就看下一步配置清华大学镜像源。最后复制【Run this Command】的代码到你的环境终端（就那个黑框框）回车运行就开始下载安装了。

阅读 1.8w

63赞

神秘泣男子

开放词汇航拍目标检测：OVA-DETR的高效应用 OVA-DETR是一种用于航空目标检测的高效率开放词汇检测器，它利用图像-文本对齐和融合技术。具体来说，为了打破传统检测器中预定义类别的限制，将类别语义整合到检测器中，并构建了一个区域-文本对比损失，以对齐图像和文本特征。进一步引入了一种双向视觉-语言融合方法，包括双注意力融合编码器和多级文本引导融合解码器，它们共同构成了一个文本引导的编码器-解码器结构。双注意力融合编码器旨在增强前景特征提取，而多级文本引导融合解码器旨在提取与类别相关的图像特征，并专注于低级特征以提高小目标检测性能。

阅读 1.4k

122赞

SSD深度学习目标检测模型教程 SSD深度学习目标检测模型教程 SSDHigh quality, fast, modular reference implementation of SSD in PyTorch项目地址:https://gitcode.com/gh_mirrors/ss/SSD 1. 项目介绍SSD（Single Shot MultiBox Detector）是一个基于PyTorch实现的目标检测框架，由lu...

阅读 810

15赞

极验3图标（2）目标检测+分类模型训练（手把手教学包会）在这里要注意：这里的 class =[‘target’,‘char’] 代表数据集需要标注的类别，单引号的内容需要根据你的数据集确定，有几类就写几类。这里修改了yolov5s.yaml（需要下载权重文件yolo5s.pt），只需要将nc的类别修改为自己需要的即可。这里的yaml和以往的cfg文件是差不多的，但需要配置一份属于自己数据集的yaml文件。由于上次写的图标识别文章不够详细，这次换了一种图标，详细的记录下整个训练过程吧~这里需要对train.py文件内的参数进行修改，按照我们的需求需改即可。

阅读 3.5k

70赞

目标检测：SSD SSD（Single Shot MultiBox Detector）是一种用于目标检测的深度学习模型，特点是能够在单次前向传递中同时预测多个边界框及其类概率，因此具备优良的速度和精度。SSD 把目标检测视为一个回归问题，通过在不同尺度下的特征图上进行预测来实现多尺度检测。

阅读 794

9赞

YOLOv8目标检测——迁移学习使用yolov8x.yaml的模型配置作为教师模型，学生模型采用yolov8n.yaml。先使用较大的教师模型在数据集上面进行训练，之后再用学生模型的网络将教师模型训练成为学生模型。参数数量：68125494 parameters。参数数量：1336652 parameters。计算性能：257.4 GFLOPs。计算性能：13.2 GFLOPs。模型结构：268 layers。模型结构：400 layers。

阅读 1.4k

3赞

【MOS】《A comprehensive survey of LIDAR-based 3D object detection methods with deep learning for 有一个之前大佬写的详解，附上网址，下文主要是一些盲区和自己觉得需要注意的地方。

阅读 817

22赞

旅途中的宽~

【计算机视觉 | 目标检测】arxiv 计算机视觉关于目标检测的学术速递（11 月 27 日论文合集）【计算机视觉 | 目标检测】arxiv 计算机视觉关于目标检测的学术速递（11 月 27 日论文合集）

阅读 1.4k

16赞

计算机c9硕士算法工程师

电力设备类变电站火灾数据集如何使用Yolov8准备数据、配置环境以及训练使用—变电站场景下的火灾和烟雾检测数据集有2888张目标检测使用电力设备类变电站火灾数据集如何使用Yolov8准备数据、配置环境以及训练使用—变电站场景下的火灾和烟雾检测数据集有2888张目标检测使用

阅读 1.2k

43赞

作者推荐

Xian-HHappy: 欢迎咨询合作 DataBall 项目。助力快速掌握数据集的信息和使用方式。数据也可如此美好！

关注

高山仰星: 在读硕士

关注

软工菜鸡: 双非保研至中国科学院大学。/n 学计算机一定要有一个非常强大的心理状态，计算机的所有东西都是人做出来的，别人能想的出来，我也一定能想得出来，在计算机的世界里没有任何的黑魔法，所有的东西只不过是我现在不知道而已，总有一天我会把所有的细节、所有的内部的东西全搞明白的 ——翁凯

关注

gorgeous(๑>؂<๑）: 一点浩然气，千里快哉风。

关注

crlearning: 自驾感知算法（待入职）

关注

VX_xsaqwe666: 毕设定制

关注

一颗大青柠O: 需要文件找我v:lime_8012，qq:1165038551

关注

内卷焦虑sansan: 工作日志记录

关注

AI 菌: 算法工程师一枚，优快云博客专家；NLP、CV、语音算法跨界选手，欢迎一起交流学习！

关注

弗兰随风小欢: 工科在读博士，研究方向计算机视觉、多模态目标检测；（交流请优先评论区，私信仅接收项目/论文合作及有偿咨询）

关注