- 博客(296)
- 收藏
- 关注
RSS订阅原创 YOLOv12改进 | 卷积篇 | YOLOv12引入AAAI2025为红外小目标检测的风车形卷积——PConv（Pinwheel-shaped Convolution）
PConv在保持参数量适度增长（仅比标准3×3卷积增加约111%）的同时，实现了感受野提升178%的效果，在红外小目标检测任务中可有效增强目标与背景的对比度，提升弱小目标的检测率，具备可插拔、易部署、高性能的优势。到此本文的正式分享内容就结束了，在这里给大家推荐我的YOLOv12改进有效涨点专栏，本专栏目前为新开的，后期我会根据各种前沿顶会进行论文复现，也会对一些老的改进机制进行补充，如果大家觉得本文帮助到你了，订阅本专栏，关注后续更多的更新~在PConv.py文件里添加给出的PConv代码。
2025-03-31 18:33:59
1253
原创 YOLOv12改进 | 注意力篇 | YOLOv12引入ECA注意力机制
ECA模块通过自适应选择卷积核大小，精确界定了局部跨通道交互的覆盖范围，实现了参数的高效利用和计算成本的显著降低。在ResNets和MobileNetV2等主流神经网络结构中，ECA模块以极少的参数和计算资源，显著提升了模型的性能，相比其他注意力模块展现出更高的效率和优越性。到此本文的正式分享内容就结束了，在这里给大家推荐我的YOLOv12改进有效涨点专栏，本专栏目前为新开的，后期我会根据各种前沿顶会进行论文复现，也会对一些老的改进机制进行补充，如果大家觉得本文帮助到你了，订阅本专栏，关注后续更多的更新~
2025-03-14 20:51:28
1106
原创 YOLOv12改进 | Neck篇 | YOLOv12引入BiFPN双向特征金字塔网络
到此本文的正式分享内容就结束了，在这里给大家推荐我的YOLOv12改进有效涨点专栏，本专栏目前为新开的，后期我会根据各种前沿顶会进行论文复现，也会对一些老的改进机制进行补充，如果大家觉得本文帮助到你了，订阅本专栏，关注后续更多的更新~简单介绍: 本文给大家带来的改进机制是BiFPN双向特征金字塔网络，是一种特征融合层的结构，改进YOLOv11模型中的Neck部分，它的主要思想是通过多层级的特征金字塔和双向信息传递来提高精度。在BiFPN.py文件里添加给出的BiFPN代码。3.3 在task.py里引用。
2025-03-14 20:42:11
1540
3
原创 YOLOv12改进 | 注意力篇 | YOLOv12引入GAM注意力机制
对 CIFAR-100和lmageNet-1K上图像分类任务的拟议机制的评估表明我们的方法稳定地优于ResNet和轻量级的 MobileNet的几个最近的注意机制。到此本文的正式分享内容就结束了，在这里给大家推荐我的YOLOv12改进有效涨点专栏，本专栏目前为新开的，后期我会根据各种前沿顶会进行论文复现，也会对一些老的改进机制进行补充，如果大家觉得本文帮助到你了，订阅本专栏，关注后续更多的更新~添加完GAM代码后，在ultralytics/nn/Extramodule/__init__.py文件中引用。
2025-03-14 20:30:58
969
1
原创 YOLOv12改进 | 注意力篇 | YOLOv12引入CA注意力机制
摘要：最近关于移动网络设计的研究已经证明了通道注意力（例如，挤压和激励注意力）对于提升模型性能的显着有效性，但它们通常忽略了位置信息，而位置信息对于生成空间选择性注意力图很重要。到此本文的正式分享内容就结束了，在这里给大家推荐我的YOLOv12改进有效涨点专栏，本专栏目前为新开的，后期我会根据各种前沿顶会进行论文复现，也会对一些老的改进机制进行补充，如果大家觉得本文帮助到你了，订阅本专栏，关注后续更多的更新~3.2 在Extramodule里创建CA。在CA.py文件里添加给出的CA代码。
2025-02-21 20:27:28
2939
2
原创 YOLOv12改进 | 卷积篇 | YOLOv12引入AKConv（轻量）
很明显，不同数据集和不同位置的目标的形状和大小是不同的。针对上述问题，本工作探索了可改变核卷积（AKConv），它赋予卷积核任意数量的参数和任意采样形状，为网络开销和性能之间的权衡提供更丰富的选择。简单介绍:本文给大家带来的改进内容是AKConv是一种创新的变核卷积，它旨在解决标准卷积操作么中的固有缺陷(采样形状是固定的)，AKConv的核心思想在于它为卷积核提供了任意数量的参数和任意采样形状，能够使用任意数量的参数(如1,2,3,4,5,6,7等)来提取特征，这在标准卷积和可变形卷积中并未实现。
2025-02-20 20:21:21
1987
16
原创 YOLOv12改进 | 注意力篇 | YOLOv12引入CBAM注意力机制
我们的实验表明各种模型的分类和检测性能得到了一致的改进，证明了 CBAM 的广泛适用性。简单介绍:CBAM的主要思想是通过关注重要的特征并抑制不必要的特征来增强网络的表示能力。模块首先应用通道注意力，关注"重要的"特征，然后应用空间注意力，关注这些特征的"重要位置"。到此本文的正式分享内容就结束了，在这里给大家推荐我的YOLOv12改进有效涨点专栏，本专栏目前为新开的，后期我会根据各种前沿顶会进行论文复现，也会对一些老的改进机制进行补充，如果大家觉得本文帮助到你了，订阅本专栏，关注后续更多的更新~
2025-02-20 19:14:14
2569
9
原创 基于YOLO11的遥感影像山体滑坡检测系统
（该系统可以根据数据训练出的yolo11的权重文件，运用在其他检测系统上，如火焰检测，口罩检测等等，可以根据检测目标更改UI界面。按照7：2：1随机划分：训练集 6736张 验证集 1924张 测试集 963张。该数据集也可用于训练YOLOv5 YOLOv9 YOLOv10 YOLOv8。通过PYQT构建UI界面，包含图片检测，视频检测，摄像头实时检测。基于YOLO11的遥感影像山体滑坡检测系统 (价格90)['山体滑坡'] 1种情况。包含 ['slide']
2025-02-02 09:08:37
624
原创 基于YOLO11的肺结节检测系统
（该系统可以根据数据训练出的yolo11的权重文件，运用在其他检测系统上，如火焰检测，口罩检测等等，可以根据检测目标更改UI界面。按照8：1：1随机划分训练集（948张）、验证集（118张）与测试集（120张）该数据集也可用于训练YOLOv5 YOLOv9 YOLOv10 YOLOv8。通过PYQT构建UI界面，包含图片检测，视频检测，摄像头实时检测。基于YOLO11的肺结节检测系统 (价格90)肺结节 1种情况。包含 nodule。数据一共 1186张。
2025-02-01 13:39:30
606
原创 基于YOLO11的铁路工人检测系统
（该系统可以根据数据训练出的yolo11的权重文件，运用在其他检测系统上，如火焰检测，口罩检测等等，可以根据检测目标更改UI界面。['背心', '头盔', '工人'] 3个类。包含 ['vest', 'helmet', 'worker']通过PYQT构建UI界面，包含图片检测，视频检测，摄像头实时检测。基于YOLO11的铁路工人检测系统 (价格90)
2025-01-16 20:31:34
263
原创 基于YOLOv8的卫星图像中船只检测系统
（该系统可以根据数据训练出的yolov8的权重文件，运用在其他检测系统上，如火焰检测，口罩检测等等，可以根据检测目标更改UI界面。训练集 3617张 验证集 452张 测试集 453张。通过PYQT构建UI界面，包含图片检测，视频检测，摄像头实时检测。基于YOLOv8的卫星图像中船只检测系统 (价格90)['船只'] 1个类。使用的是 MASATI-V2 数据集。包含 ['boat']
2025-01-15 22:54:26
411
原创 YOLOv11改进 | 注意力篇 | YOLOv11引入24年轻量级坐标注意力【Lightweight Coordinate Attention (LCA)】，并构建C2PSA_LCA
1.LCA介绍1.1 摘要：装备有热红外（TIR）相机的无人机（UAV）在打击夜间野生动物偷猎中发挥着至关重要的作用。然而，TIR图像经常面临抖动和野生动物重叠等挑战，这就要求无人机具备识别模糊和重叠小目标的能力。当前部署在无人机上的传统轻量级网络难以从模糊小目标中提取特征。为了解决这一问题，我们开发了ALSS-YOLO，这是一款针对TIR航拍图像优化的高效轻量探测器。“为此，本文提出了一种新的自适应轻量级信道分离与混洗模块。
2025-01-11 20:06:40
875
原创 基于YOLOv8的水下目标检测系统
（该系统可以根据数据训练出的yolov8的权重文件，运用在其他检测系统上，如火焰检测，口罩检测等等，可以根据检测目标更改UI界面。包含 ['holothurians', 'echinus', 'scallops', 'starfish']['海参', '海胆', '扇贝', '海星'] 4个类。训练集 6671张 验证集 1111张 测试集 1111张。通过PYQT构建UI界面，包含图片检测，视频检测，摄像头实时检测。基于YOLOv8的水下目标检测系统 (价格90)
2025-01-09 20:39:11
448
原创 YOLOv11改进 | 独家创新- 注意力篇 | YOLOv11引入跨层级通道注意力[CLCA (Cross-Level Channel Attention)]，并构建C2PSA_CLCA(独家创新)
CLCA（Cross-Level Channel Attention）模块是跨层级的通道注意力机制，旨在通过对不同层次的特征进行加权，提升模型对多尺度信息的学习能力。
2025-01-08 20:09:52
1096
原创 基于YOLOv8的家猪行为检测系统
包含 ['drinking', 'eating', 'lying', 'sitting', 'sniffing', 'standing']（该系统可以根据数据训练出的yolov8的权重文件，运用在其他检测系统上，如火焰检测，口罩检测等等，可以根据检测目标更改UI界面。['喝', '吃', '躺', '坐', '嗅', '站'] 6个类。通过PYQT构建UI界面，包含图片检测，视频检测，摄像头实时检测。基于YOLOv8的家猪行为检测系统 (价格90)
2025-01-08 15:42:37
276
原创 基于YOLO11的无人机视角下羊群检测系统
（该系统可以根据数据训练出的yolo11的权重文件，运用在其他检测系统上，如火焰检测，口罩检测等等，可以根据检测目标更改UI界面。通过PYQT构建UI界面，包含图片检测，视频检测，摄像头实时检测。基于YOLO11的无人机视角下羊群检测系统 (价格90)包含 ['sheep']
2025-01-08 13:18:09
335
原创 基于YOLOv8的小麦检测系统
（该系统可以根据数据训练出的yolov8的权重文件，运用在其他检测系统上，如火焰检测，口罩检测等等，可以根据检测目标更改UI界面。通过PYQT构建UI界面，包含图片检测，视频检测，摄像头实时检测。基于YOLOv8的小麦检测系统 (价格80)【小麦】 1个类。包含 ['wheat']
2025-01-06 18:47:47
338
原创 YOLOv11改进 | 注意力篇 | YOLOv11引入24年空间和通道协同注意模块(SCSA)，并构建C2PSA_SCSA
1.SCSA介绍1.1 摘要：通道关注和空间关注分别为各种下游视觉任务的特征依赖和空间结构关系提取带来了显著的改进。通道和空间注意力的结合使用被广泛认为有利于进一步提高性能，然而，通道和空间注意力之间的协同效应，特别是在空间指导和减轻语义差异方面，尚未得到深入研究。这促使我们提出了一个新的空间和通道协同注意模块（SCSA），需要我们的调查在多个语义层次上的空间和通道的注意力之间的协同关系。我们的SCSA由两部分组成：可共享多语义空间注意力（SMSA）和渐进通道自我注意力（PCSA）。
2025-01-06 18:43:32
1545
1
原创 基于YOLO11的交通标志检测系统
（该系统可以根据数据训练出的yolo11的权重文件，运用在其他检测系统上，如火焰检测，口罩检测等等，可以根据检测目标更改UI界面。包含 ['left', 'no-left', 'no-right', 'right', 'stop', 'straight']['左转', '禁止左转', '禁止右转', '右转', '停', '直行'] 6个类。通过PYQT构建UI界面，包含图片检测，视频检测，摄像头实时检测。基于YOLO11的交通标志检测系统 (价格90)
2025-01-06 10:07:27
250
原创 YOLOv11改进 | 注意力篇 | YOLOv11引入24年ECCV的自调制特征聚合注意力模块(SMFA)，并构建C2PSA_SMFA
1.SMFA介绍1.1 摘要：基于Transformer的图像复原方法由于Transformer的自注意（self-attention，SA）特性能够更好地挖掘非局部信息，从而获得更好的高分辨率图像重建效果，因此具有重要的应用价值。然而，关键点积SA需要大量的计算资源，这限制了其在低功耗器件中的应用。此外，模拟退火机制的低通特性限制了其捕获局部细节的能力，从而导致平滑的重建结果。
2025-01-05 20:13:37
577
5
原创 YOLOv11改进 | 注意力篇 | YOLOv11引入24年动态卷积块注意力(Dynamic-CBAM)，并构建C2PSA_DynamicCBAM
1.Dynamic-CBAM介绍1.1 摘要：重度抑郁症是一种普遍而严重的心理健康状况，对您的情绪，思想，行动和对世界的整体感知产生负面影响。由于抑郁症的症状不明显，确定一个人是否抑郁是很复杂的。然而，他们的声音可能是我们可以识别抑郁症迹象的因素之一。抑郁的人会表现出不适、悲伤，他们可能说话缓慢、颤抖，声音中失去情感。在这项研究中，我们提出了动态卷积块注意力模块（DynamicCBAM），用于在注意力-GRU网络中通过分析人类的音频信号来分类情感。
2025-01-05 19:24:18
637
原创 基于YOLO11的道路缺陷检测系统
（该系统可以根据数据训练出的yolo11的权重文件，运用在其他检测系统上，如火焰检测，口罩检测等等，可以根据检测目标更改UI界面。通过PYQT构建UI界面，包含图片检测，视频检测，摄像头实时检测。['裂缝', '凹坑'] 2个类。包含 ['cracks', 'potholes']基于YOLO11的道路缺陷检测系统 (价格90)
2025-01-05 09:41:22
448
原创 基于YOLOv8的道路缺陷检测系统
包含 ['Block crack', 'Longitudinal crack', 'Strip repair', 'Transverse crack']（该系统可以根据数据训练出的yolov8的权重文件，运用在其他检测系统上，如火焰检测，口罩检测等等，可以根据检测目标更改UI界面。[‘块状裂缝’，‘纵向裂缝’，‘修复’，‘横向裂缝’] 4个类。通过PYQT构建UI界面，包含图片检测，视频检测，摄像头实时检测。基于YOLOv8的道路缺陷检测系统 (价格80)
2025-01-04 22:27:01
612
原创 基于YOLOv8的摩托车驾驶员头盔检测系统
（该系统可以根据数据训练出的yolov8的权重文件，运用在其他检测系统上，如火焰检测，口罩检测等等，可以根据检测目标更改UI界面。包含 ['With Helmet', 'Without Helmet']通过PYQT构建UI界面，包含图片检测，视频检测，摄像头实时检测。['戴头盔', '不戴头盔'] 2个类。基于YOLOv8的摩托车驾驶员头盔检测系统 (价格80)
2025-01-04 12:51:25
328
原创 YOLOv11改进 | Conv篇 | YOLOv11引入24年大感受野的小波卷积WTConv
1. WTConv介绍1.1 摘要：近年来，人们试图通过增加卷积神经网络（ConvolutionalNeuralNets，CNNs）的核尺寸来模拟视觉变换器（VisionTransformers，ViTs）的自我注意块的全局感受域。然而，这种方法很快就达到了一个上限和饱和的方式之前，实现了一个全球的接受领域。在这项工作中，我们证明，通过利用小波变换（WT），它是，事实上，有可能获得非常大的感受野，而不遭受过度参数化，例如，对于k × k的感受野，所提出的方法中的可训练参数的数目仅随k的对数增长。
2025-01-03 20:45:30
1244
原创 基于YOLOv8的恶劣天气目标检测系统
包含 {'person', 'rider', 'car', 'truck', 'bus', 'train', 'motorcycle', 'bicycle'}['人', '骑手', '汽车', '卡车', '公共汽车', '火车', '摩托车', '自行车'] 8个类。（该系统可以根据数据训练出的yolov8的权重文件，运用在其他检测系统上，如火焰检测，口罩检测等等，可以根据检测目标更改UI界面。通过PYQT构建UI界面，包含图片检测，视频检测，摄像头实时检测。
2025-01-03 13:52:45
1250
1
原创 YOLOv11改进 | 注意力篇 | YOLOv11引入24年Single-HeadSelf-Attention(SHSAttention)注意力机制，并构建C2PSA_SHSAttention
1.SHSAttention介绍1.1 摘要：最近，高效的Vision Transformer在资源受限的设备上表现出出色的性能和低延迟。传统上，它们在宏观层面使用4×4贴片嵌入和4级结构，而在微观层面使用具有多头配置的复杂注意力。本文的目的是解决计算冗余在所有的设计水平，在内存效率的方式。我们发现，使用更大步幅的补丁主干不仅可以降低内存访问成本，而且还可以通过利用从早期阶段就减少空间冗余的令牌表示来实现有竞争力的性能。
2025-01-02 21:27:57
657
原创 YOLOv11改进 | 注意力篇 | YOLOv11引入24年Local Importance-based Attention(LIA)注意力机制，并构建C2PSA_LIA
1.LIA介绍1.1 摘要：降低延迟是近年来超分辨率（SR）研究的一个大趋势。尽管最近的进展利用了各种卷积块、注意模块和主干来释放卷积神经网络（ConvNet）的全部潜力，但实现实时性能仍然是一个挑战。为此，我们提出了PlainUSR，一个新的框架，它结合了三个相关的修改来加速ConvNet以实现高效的SR。对于卷积块，我们通过重新参数化技巧将较轻但较慢的MobileNetv 3块压缩为较重但较快的香草卷积块，以平衡存储器访问和计算。
2025-01-01 20:13:23
350
原创 YOLOv11改进 | 注意力篇 | YOLOv11引入24年Fine-Grained Channel Attention(FCAttention)注意力机制，并构建C2PSA_FCAttention
1.FCAttention介绍1.1 摘要：近年来，无监督算法在图像去雾方面取得了显著的效果。然而，CycleGAN框架会因数据分布不一致而导致生成器学习混乱，而DisentGAN框架对生成的图像缺乏有效约束，导致图像内容细节丢失和颜色失真。此外，Squeeze和Excitation通道仅利用完全连通的层来获取全局信息，缺乏与局部信息的交互，导致用于图像去雾的特征权重分配不准确。针对上述问题，本文提出了一种无监督双向对比重构自适应细粒度信道注意力网络（UBRFCNet）。
2024-12-31 22:21:08
571
原创 基于YOLOv8的牛只行为检测系统
包含 ['Drinking', 'Eating', 'Lying', 'Mounting', 'Standing', 'Walking']（该系统可以根据数据训练出的yolov8的权重文件，运用在其他检测系统上，如火焰检测，口罩检测等等，可以根据检测目标更改UI界面。[‘喝’，‘吃’，‘躺’，‘骑’，‘站’，‘走’] 6个类。通过PYQT构建UI界面，包含图片检测，视频检测，摄像头实时检测。基于YOLOv8的牛只行为检测系统 (价格90)
2024-12-30 11:42:47
269
原创 基于YOLOv8的血细胞检测系统
（该系统可以根据数据训练出的yolov8的权重文件，运用在其他检测系统上，如火焰检测，口罩检测等等，可以根据检测目标更改UI界面。['红细胞', '白细胞', '血小板'] 3个类。通过PYQT构建UI界面，包含图片检测，视频检测，摄像头实时检测。包含 {'RBC', 'WBC', 'Platelets'}基于YOLOv8的血细胞检测系统 (价格90)
2024-12-29 19:19:01
232
原创 基于YOLO11的PCB缺陷检测系统
（该系统可以根据数据训练出的yolo11的权重文件，运用在其他检测系统上，如火焰检测，口罩检测等等，可以根据检测目标更改UI界面。包含 ['漏孔', '鼠咬', '开路', '短路', '杂散', '杂铜'] 6个类。通过PYQT构建UI界面，包含图片检测，视频检测，摄像头实时检测。基于YOLO11的PCB缺陷检测系统 (价格。
2024-12-24 10:36:12
276
原创 基于YOLOv8的PCB缺陷检测系统
（该系统可以根据数据训练出的yolov8的权重文件，运用在其他检测系统上，如火焰检测，口罩检测等等，可以根据检测目标更改UI界面。包含 ['漏孔', '鼠咬', '开路', '短路', '杂散', '杂铜'] 6个类。通过PYQT构建UI界面，包含图片检测，视频检测，摄像头实时检测。基于YOLOv8的PCB缺陷检测系统 (价格95)
2024-12-23 21:18:52
250
原创 基于YOLO11的水稻早期杂草检测系统
（该系统可以根据数据训练出的yolo11的权重文件，运用在其他检测系统上，如火焰检测，口罩检测等等，可以根据检测目标更改UI界面。通过PYQT构建UI界面，包含图片检测，视频检测，摄像头实时检测。基于YOLO11的水稻早期杂草检测系统 (价格95)包含 [杂草] 1个类。
2024-12-02 22:15:26
193
原创 基于YOLO11的苹果叶病害检测系统
（该系统可以根据数据训练出的yolo11的权重文件，运用在其他检测系统上，如火焰检测，口罩检测等等，可以根据检测目标更改UI界面。包含 ['PM', 'Rot', 'Rust', 'Scab']通过PYQT构建UI界面，包含图片检测，视频检测，摄像头实时检测。[白粉病 ,黑腐病、锈病, 疮痂病] 4个类。基于YOLO11的苹果叶病害检测系统 (价格95)
2024-11-29 19:24:11
232
原创 基于YOLO11的墙屋裂缝检测系统
（该系统可以根据数据训练出的yolo11的权重文件，运用在其他检测系统上，如火焰检测，口罩检测等等，可以根据检测目标更改UI界面。通过PYQT构建UI界面，包含图片检测，视频检测，摄像头实时检测。基于YOLO11的墙屋裂缝检测系统 (价格90)
2024-11-26 14:37:59
308
1
原创 适合0基础的超级详细的YOLOv10的GPU环境配置与运行
到此本文的正式分享内容就结束了，在这里给大家推荐我的YOLOv10改进有效涨点专栏，后期我会根据各种最新的前沿顶会进行论文复现，也会对一些老的改进机制进行补充，如果大家觉得本文帮助到你了，订阅本专栏，关注后续更多的更新~需要有英伟达的账号，大家要是没有，我上传到百度网盘了，可以下载，对应的是cuda的11.5版本。在我们的电脑里配置Anaconda，此电脑（我的电脑）--->属性。在我们的电脑里配置pycharm，此电脑（我的电脑）--->属性。创建一个datasets文件夹，放入刚刚下载的数据集。
2024-11-22 13:15:01
819
3
原创 适合0基础的超级详细YOLO11的GPU环境配置与运行（适用于ultralytics项目包里的所有YOLO版本）
到此本文的正式分享内容就结束了，在这里给大家推荐我的YOLOv11改进有效涨点专栏，本专栏目前为新开的，后期我会根据各种前沿顶会进行论文复现，也会对一些老的改进机制进行补充，如果大家觉得本文帮助到你了，订阅本专栏，关注后续更多的更新~在我们的电脑里配置Anaconda，此电脑（我的电脑）--->属性。在我们的电脑里配置pycharm，此电脑（我的电脑）--->属性。修改datasets里data.yaml的路径：（绝对路径）（怎么看自己电脑有没有显卡：右键此电脑（我的电脑）--->管理。
2024-11-21 22:08:12
7069
23
原创 基于YOLO11的电梯维保人员安全帽检测系统
（该系统可以根据数据训练出的yolo11的权重文件，运用在其他检测系统上，如火焰检测，口罩检测等等，可以根据检测目标更改UI界面。通过PYQT构建UI界面，包含图片检测，视频检测，摄像头实时检测。基于YOLO11的电梯维保人员安全帽检测系统 (价格95)
2024-11-21 15:37:41
249
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