墨衍会员
·
AI 创作全网分发
墨衍智能分发
本文由作者通过墨衍一键同步至各平台
1分发平台
100+累计阅读
168平均单平台
已同步平台
优快云
微信公众号
微博
知乎
掘金
百家号
博客园
抖音
小红书
你的文章也可以这样分发
墨衍会员 ¥399起/年，写一次发全网
我也要
YOLO（You Only Look Once）系列算法自2015年首次提出以来，已成为目标检测领域最具影响力的实时检测框架之一。从最初的YOLOv1到最新的YOLOv8，该系列持续演进，不断解决小目标漏检、多尺度适应性、定位精度等核心问题，同时保持了其"速度优先，精度追赶"的原始设计理念。本文将系统梳理YOLO系列的发展历程，深入分析各版本的技术改进、性能指标变化及应用场景扩展，揭示其持续引领目标检测技术发展的内在逻辑。
YOLO系列的发展经历了多个关键阶段，主要由以下团队推动：
| 版本 | 发布时间 | 核心贡献者 | 主要应用场景 |
|---|---|---|---|
| YOLOv1 | 2015年 | Joseph Redmon,桑德里·达芬奇(S. Farhadi) | Pascal VOC数据集上的实时检测 |
| YOLOv2 | 2016年 | Joseph Redmon,桑德里·达芬奇 | Pascal VOC与ImageNet联合训练，YOLO9000 |
| YOLOv3 | 2018年 | Joseph Redmon,桑德里·达芬奇< |
YOLO算法全家桶（YOLOV1~YOLOV12）
YOLOV1作为目标检测领域的开创性模型，以其独特的设计理念和高效的检测性能赢得了广泛的关注和应用。尽管存在一些不足之处，但YOLOV1为后续的YOLO系列模型奠定了坚实的基础，推动了目标检测技术的不断发展。YOLOv6专注于提供极致的检测精度和推理效率，适用于自动驾驶、安防监控等多种领域。它支持模型训练、推理及多平台部署等全链条的工业应用需求，并在网络结构、训练策略等算法层面进行了多项改进和优化。Backbone。
YOLOv8改进策略【小目标改进】| 添加专用于小目标的检测层 附YOLOv1~YOLOv11的检测头变化详解
在目标检测领域，小目标检测一直是一个具有挑战性的问题。算法以其高效快速的特点受到广泛关注，然而在面对小目标时，仍存在一些局限性。本文将介绍如何在中添加小目标检测层，以提高对小目标的检测能力。原始模型结构如下： 二、有效特征层对应的检测头类别 2.1 P3/8 - small检测头 原始模型中的对应的检测头主要用于检测相对较小的目标。其特征图大小相对较大，空间分辨率较高。 适合检测尺寸大概在到像素左右的目标。 2.2 P4/16 - medium检测头 这个检测头对应的经过了更多的下采样操作，相比P3/
《YOLOv8改进实战专栏》专栏介绍 & 专栏目录 《提供 YOLOv8-Magic 私域代码框架/本人7次贡献过YOLOv8官方项目》
《YOLOv8改进实战专栏》🏅🏅🏅专栏介绍 & 专栏目录
YOLOv11改进策略【小目标改进】| 添加专用于小目标的检测层 附YOLOv1~YOLOv11的检测头变化详解
在目标检测领域，小目标检测一直是一个具有挑战性的问题。算法以其高效快速的特点受到广泛关注，然而在面对小目标时，仍存在一些局限性。本文将介绍如何在中添加小目标检测层，以提高对小目标的检测能力。原始模型结构如下：详细内容参考：YOLOv11原始模型结构介绍 二、有效特征层对应的检测头类别 2.1 P3/8 - small检测头 原始模型中的对应的检测头主要用于检测相对较小的目标。其特征图大小相对较大，空间分辨率较高。 适合检测尺寸大概在到像素左右的目标。 2.2 P4/16 - medium检测头 这个检
无GPS室内飞行：基于PX4与MID360的FAST-LIO定点悬停实战解析
本文详细解析了基于PX4飞控与大疆MID360激光雷达的无GPS室内飞行技术，重点介绍了FAST-LIO算法在定点悬停中的应用。通过硬件配置、软件环境搭建、坐标系转换等实战经验，帮助开发者解决室内定位难题，实现精准悬停与稳定飞行。
Xilinx系列学习（一） BRAM的使用，并用PL读取BRAM数据
Xilinx系列学习（一） BRAM的使用，并用PL读取BRAM数据一，Xilinx BRAM介绍二，BRAM对应的IP核调用和使用1，BRAM对应的IP核介绍2，BMG例化IP核的调用 一，Xilinx BRAM介绍 BRAM 就是Block Memory，是Zynq的PL端的存储RAM单元。可以利用BRAM，在PS和PL之间进行数据的交换。Zynq中还有一类存储器，称为分布式随机访问存储器（D...
Ollama运行DeepSeek大模型调优指南：GPU与CPU协同实现性能最大化
Ollama运行DeepSeek大模型调优指南
RK3588开发板RKNPU2环境部署实战：更新rknn_server与librknnrt.so详解
本文详细介绍了在RK3588开发板上更新rknn_server与librknnrt.so核心组件的完整实战流程。通过adb工具推送文件、设置权限并执行同步操作，确保RKNPU2环境部署成功，从而解决推理速度慢或初始化失败等问题，提升AI模型运行效率与稳定性。
Claude Code 100个真实案例 - 用AI设计Arduino PCB电路板（硬件小白也能画板）
本案例展示如何使用 Claude Code 配合 KiCad 的 Python 脚本接口，从零设计一块 Arduino 传感器扩展板 PCB。从原理图符号创建、网表生成到 PCB 布局布线，全程自动化完成，最终输出可直接发给工厂打样的 Gerber 文件。
【地图模块算法】二维全局地图的开源方案及对比--gmapping、hector、karto、cartographer
系列文章目录 提示：这里可以添加系列文章的所有文章的目录，目录需要自己手动添加 TODO:写完再整理 文章目录系列文章目录前言一、gmapping算法建图【基于Raoo-Blackwellized粒子滤波（RBPF）算法】1.gmapping理论（1）gmapping的工作原理（2）gmapping的算法流程（3）gmapping论文理论2.gmappingROS工程框架解析（1）gmapping的功能包架构（2）gmapping订阅和发布的话题（3）gmapping算法建图参数（4）gmapping源码
【GameFramework框架内置模块】8、文件系统（File System）
最近好忙，鸽了好久。不能颓废了，继续发力。今天分享的是GF框架的文件系统。首先，引用比较官方的说法：GF的FileSystem虚拟文件系统，使用类似磁盘存储的感念对零散的文件进行集中管理，优化资源加载时产生的内存分配，也可以对资源进行局部片段加载，极大的提升了资源加载的性能。通俗点讲就是，我这个模块就是加载磁盘文件的，优化加载时产生的内存分配。那么，它是怎么优化的呢？
30天入门 SAP BTP 开发系列之十四: 将 SAP Business Application Studio 里开发好的 Node.js 应用部署到 Cloud Foundry 环境中
本教程详细介绍了如何将SAP Business Application Studio中的Node.js应用部署到Cloud Foundry环境。在完成本地开发和测试后，通过cf login命令连接Cloud Foundry环境，配置manifest.yml文件指定应用参数和路由信息。使用cf push命令完成应用的上传和部署，最终使应用运行在SAP BTP的云端环境中。教程包含从路由创建到部署验证的完整流程，确保开发者能够成功将Node.js应用发布到生产环境。
IEM模型，地表粗糙度模拟
利用微波反演土壤水分时候，利用IEM模型可以实现对随机地表的模拟
ssm框架搭建
这个是一个在idea上成功跑起来的ssm框架项目，保存在这里方便以后使用直接下载
计算机控制技术及应用
《计算机控制技术及应用》通过总结作者的科研成果和吸收国内外的先进理论、方法和技术，以计算机控制系统的网络化、开放化、智能化和集成化发展趋势为主线索，主要介绍计算机控制系统的基本概念和计算机控制系统的典型形式，计算机控制系统的数学描述与基本分析方法，以及数字PID控制器、最少拍控制系统、达林算法、状态变量设计法等设计方法及其各种改进算法。重点突出计算机控制系统输入输出通道接口的设计方法和典型控制系统的设计案例与实现方法等。
android 蓝牙通讯demo
android 下蓝牙通讯demo，实现了发现蓝牙，使能蓝牙，通过蓝牙发送消息。
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
超级会员免费看
订阅专栏 解锁全文
8257
扫一扫
