qq_43471945的博客

IEEE Access是IEEE出版的开源期刊，稿件范围涵盖IEEE的所有领域，具有多学科交叉和快速评审等特点，论文从提交到出版一般为4-6周。价格：1995美元分区：中科院3区开源期刊：价格贵，录用率高。

仅需要把自己的模型放入即可。

以下代码添加了SIoU=False, EIoU=False, WIoU=False, FocalIoU=False。将以下代码替换上面的代码。以下是YOLOv8自带的IoU种类，为GIoU=False, DIoU=False, CIoU=False。默认使用的是CIoU。IoU使用如下面一行，把CIoU=True改为其他的，如SIoU=True。路径：ultralytics/utils/metrics.py。所以需要把momentum变量设置为需要的版本。loss_iou计算那一行需要改掉。

RT-DETR是由由此，百度推出了——RT-DETR (Real-Time DEtection TRansformer) ，一种基于 DETR 架构的实时端到端检测器，其在速度和精度上取得了 SOTA 性能。RT-DETR开源的代码在百度自己的飞桨paddlepaddle上，因此非常不便于我们使用。以下介绍一下YOLOv8集成的RT-DETR如何使用。

金字塔池化模块是yolo系列十分重要的一个改进点，因此，这个地方如果选择多种改进，当然，这里也可以做多种消融实验说明自己的改进有效。下面以SimSPPF为例，写出如何修改SPPF。

在训练YOLOv8的时候，因为开太多其他程序，导致在100多次的时候崩溃，查询网上相关知识如何接着训练，在yolo5中把resume改成True就可以。在yolov8中也这样尝试，将ultralytics/yolo/cfg/default.yaml中的resume改成True发现并没有作用，感觉yolov8代码还是有很多bug。

【目标检测】常见目标检测的指标

可变形卷积： Deformable Convolutional Networks原文摘要：卷积神经网络（CNNs）由于其构建模块中存在固定的几何结构，因此固有地局限于模型几何转换。在本工作中，我们引入了两个新的模块来增强cnn的转换建模能力，即可变形卷积和可变形感兴趣区域池。两者都是基于用额外的偏移量来增加模块中的空间采样位置，并学习来自目标任务的偏移量，而无需额外的监督。新的模块可以很容易地取代现有cnn中的普通对应模块，并且可以很容易地通过标准的反向传播进行端到端训练，从而产生可变形的卷积网络。

目前较为流行的IOU，其中包含最新的wise-IOU

yolov8的改进，代码运行与修改

使用pytorch完成一个简单的二分类任务

利用yolov5训练自己的数据集（适合小白第一次训练数据集）

coco数据集转yolo数据集

pytorch的安装（包括anoconda和pytorch与torch.cuda.is_available()返回false的解决方案）

在刚开始学习深度学习的时候，经常会被一些专有名词吓住，不知道什么意思，很多专业名词通俗的说很简单，因此这里用自己的话记录一下各个词语的意思。

python实现八皇后问题与遇见的问题

深度学习遇见的单词缩写记录

解决torch.cuda.is_available()返回false的方法

Pytorch-Tensor的使用（基本功能详细介绍）