YOLOv8.1 都有哪些新特性？Ultralytics v8.1.0 release：OBB - Oriented object detection 定向目标检测

已于 2024-02-08 16:32:57 修改
阅读量596 收藏
点赞数
CC 4.0 BY-SA版权
分类专栏： 人工智能系统解决方案与技术架构 AI赋能行业实战：‌最佳实践与落地案例深度解析！‌ 文章标签： 目标检测 目标跟踪 YOLOv8
于 2024-02-08 12:43:25 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/wangyaninglm/article/details/136076548

文章大纲

YOLOv8.1 版本闪亮登场

总结：主要增加了旋转目标检测【Oriented Bounding Boxes Object Detection】，

Ultralytics proudly announces the v8.1.0 release of YOLOv8, celebrating a year of remarkable achievements and advancements. This version continues our commitment to making AI technology accessible and powerful, reflected in our latest breakthroughs and improvements.

2023 YOLOv8 主要成就2023 in Review

  • Record-Breaking Engagement: Over 20 million downloads of the Ultralytics package, with 4 million in December alone! 📈
    破纪录的参与度：Ultralytics 软件包的下载量超过 2000 万次，仅在 12 月就有 400 万次！📈

  • Massive Model Training: An incredible 19 million YOLOv8 models were tr

了解本专栏 订阅专栏 解锁全文 超级会员免费看
在ultralytics中实现obb检测，官方团队做了哪些修改？
a486259的博客
01-08 2354
在最新的在ultralytics中，官方团队已经提供了obb检测功能，并发布了相应的预训练模型，其具体使用可以参考。在ultralytics\nn\modules\head.py中，实现了OBB head，用于在网络head中新增预测值用于进行角度预测，可见其是通过cv4 进行角度特征提取，最终预测一个角度值（ne ），`非csl、kdl的方式进行预测，其预测的角度范围为[-pi/4, 3pi/4]`
芒果YOLOv8改进56：提升篇：从零开始训练 YOLOv8最新8.1版本教程说明（包含Mac、Windows、Linux端 ）同之前的项目版本代码有区别
包括YOLOv5、YOLOv7、YOLOv8等模型改进
01-24 2300
从零开始训练 YOLOv8最新8.1版本教程说明（包含Mac、Windows、Linux端 ）
yolov8.1超简单环境搭建、标注、训练、转onnx、转输出维度
one goto one 的博客
07-25 419
(最新的yolo8改用默认GPU版的onnxruntime，要安装一下下面的库，否则ONNX转换会有警告)gitub镜像下载地址:https://hub.nuaa.cf/shouxieai/infer。
论文阅读《YOLO3D: End-to-end real-time 3D Oriented Object Bounding Box Detection from LiDAR Point Cloud》
Max_ZhangJF的博客
09-08 3900
Abstract Object detection and classification in 3D is a key task in Automated Driving (AD). LiDAR sensors are employed to provide the 3D point cloud reconstruction of the surrounding environment, while the task of 3D object bounding box detection in real .
YOLO11-OBB预测返回结果分析
最新发布
mx9818的博客
04-27 1308
相比标准物体检测，OBB引入了一个额外的角度来更准确地定位图像中的物体，预测输出是一组精确包围图像中物体的旋转边界框。当物体以不同角度出现时，定向边界框尤其有用，例如在航空图像中，传统的轴对齐边界框可能会包含不必要的背景。YOLO-obb 预测返回的是Python list类型的 Results 对象，包含的数据项很多，结构比较复杂，本文进行详细介绍。
yolov8.1训练自己的数据识别游戏人物的头部。
agoodtimeo的博客
01-18 1704
用yolov8.1来识别游戏人物的头部，使用pytoch-gpu，来训练。labelme图像标注。全网首发yolov8.1conda教程
使用ultralytics制作服务化的yolov11-obb旋转目标检测
crazyjinks的博客
11-04 1625
本文章的ultralytics版本为Ultralytics v8.1.0通过官网的yolov11n-obb实现旋转目标检测服务化。
untralytics框架中的OBB算法
图灵追幕者博客录
12-03 533
在计算机视觉领域，OBB（Oriented Bounding Box，定向边界框）是一种用于表示目标位置的边界框，区别于传统的轴对齐边界框（AABB，Axis-Aligned Bounding Box），OBB 可以任意旋转以更紧密地包围目标物体。这种表示方式在某些应用场景中具有显著优势，例如当目标物体呈现出明显的方向性或不规则形状时。
OBB盒的实现
ailuyan0834的博客
11-15 1508
制造几何仿真中的碰撞检测通常视为针对刚体对象间的碰撞检测，这样的话可以把非刚体即软体的建模和变形算法对碰撞检测的影响减少到最小。常见成熟的基于包围盒的碰撞检测（box intersection test）算法如： 1）沿坐标轴的包围盒AABB（axis-aligned bounding boxes）在碰撞检测的研究历史中使用得最久最广, 一个给定对象的AABB被定义为包含该对象且各边平...
芒果YOLOv8改进：提升篇：从零开始训练 YOLOv8最新稳定8.1版本教程说明，适用Mac、Windows、Linux端
包括YOLOv5、YOLOv7、YOLOv8等模型改进
03-25 1307
从零开始训练 YOLOv8 最新稳定8.1版本教程说明
RTDETR_OBB利用transform直接预测旋转框（Ultralytics_yolov11版本）
qq_39128381的博客
01-23 1033
RTDETR_OBB
再次认识ultralytics项目（大目标检测、小目标检测、yolov8-ghost、旋转目标检测、自动标注）
a486259的博客
01-07 8600
是一款前沿、最先进（SOTA）的模型，基于先前 YOLO 版本的成功，引入了新功能和改进，进一步提升性能和灵活性。YOLOv8 设计快速、准确且易于使用，使其成为各种物体检测与跟踪、实例分割、图像分类和姿态估计任务的绝佳选择。随着其官方团队对ultralytics项目的不断完善，其所支持的功能在不断扩展，为此重新对ultralytics项目进行深入分析。
PIoU Loss: 实现复杂场景下的精确定向目标检测
weixin_36670529的博客
03-14 3266
摘要 使用定向包围框（oriented bounding box）进行目标检测可以通过减少与背景区域的重叠来更好地定位有旋转倾斜的目标。现有的OBB方法大多是在水平包围框检测器（horizontal bounding box）上通过引入额外的角度尺度（通过距离损失进行优化）构建的。 但是，由于距离损失只将OBB的角度误差优化至最小，而且与IoU的相关性较松散，因此它对具有高长宽比的目标不敏感。 因此，本文提出了一种新的损失，即Pixels-IoU（PIoU）损失，以利用角度和IoU实现更精确的OBB回归。
[C#]winform部署官方yolov8-obb旋转框检测的onnx模型
FL1623863129的博客
01-16 1692
Yolov8-obb（You Only Look Once version 8 with Oriented Bounding Boxes）是一种先进的对象检测算法，它在传统的Yolov3和Yolov4基础上进行了优化，加入了OBB（Oriented Bounding Box）旋转框检测，能够更精确地检测并定位出目标物体的位置。在传统的目标检测算法中，通常使用的是固定方向的边界框（Bounding Box），它假设所有物体在图像中的位置都是相对于图像中心来计算的。
【深度学习】YOLOv8.1.0正式发布✨—解决取消requirements.txt问题，正确认识No module named ‘ultralytics‘✨✨✨
深度学习
01-12 1万+
YOLOv8其实已经出来了很久，最近终于迎来第一个正式版本YOLOv8.1.0。ultralytics公司对代码进行了很多更新迭代，在这对一些问题做一些简单想法记录。希望对大家有所帮助，互相交流👍👍👍👍👍。
UltralyticsYOLOv8_ultralytics使用
2401_83703893的博客
04-08 1769
pip install ultralytics yolo TASK MODE ARGS yolo train data=coco128.yaml model=yolov8n.pt epochs=10 lr0=0.01 yolo predict model=yolov8n-seg.pt source=‘https://youtu.be/LNwODJXcvt4’ imgsz=320 yolo val model=yolov8n.pt data=coco128.yaml batch=1 imgsz=640 yol
【实战教程】使用YOLOv8 OBB进行旋转框目标检测的数据集定义与训练【附源码】
阿旭的博客
12-07 1554
【实战教程】使用YOLOv8 OBB进行旋转框目标检测的数据集定义与训练【附源码】
记录使用 YOLOv8.1.0 发行版及其深度学习环境搭建教程
m0_72612723的博客
05-29 281
miniconda各版本下载地址：https://repo.continuum.io/miniconda/我下载的是：Miniconda3-py310_24.4.0-0-Windows-x86_64.exepycharm下载地址：https://www.jetbrains.com/zh-cn/pycharm/download/download-thanks.html?platform=windows&code=PCC我下载的是：pycharm-community-2024.1.1.exeGit下载地址：ht
全网首发！Yolov8_obb旋转框训练、测试、推理手把手教学（DOTA1.0数据集map50已达80%）
热门推荐
小嘤熊的博客
01-11 2万+
其中，images/train和images/val放置原始图片文件，labels/train_original和labels/val_original分别放置原始的标签文件，labels/train和labels/val为空，然后运行步骤(3)的代码，运行结束转换后的标签会保存在labels/train和labels/val中，格式如下。（4）新建yolov8-obb.yaml，修改nc和scales，我使用的是yolov8n.（2）构建数据集，安装下面目录格式，其他test可为空，一定要对应。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

shiter

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值