
YOLO系列模型多维改进,助力目标检测涨点
文章平均质量分 94
本改进方案专为解决 YOLO 模型在目标检测方面的难题而精心打造。方案采用了结构化的设计思路,主要划分为idea来源、模型适配和训练启动三个关键部分。
旅途中的宽~
计算机视觉在读研究生,第二十届华为杯研究生数学建模国一(第6名),获Kaggle计算机视觉竞赛Stable Diffusion银牌(top3%,37名),Identify Contrails银牌(top5%,45名),UBC-OCEAN铜牌(top7%,86名),Kaggle Expert(总排名1400+),优快云人工智能领域优质创作者,阿里云博客专家。主要研究方向是目标检测和语义分割,对CV其他领域亦有兴趣。希望和大家一起交流学习!
展开
-
【YOLOv8改进损失函数】用于目标检测的边界框回归损失函数 Powerful-IoU(PIoU)及其改进版本 PIoU v2(含源代码)
【YOLOv8改进损失函数】用于目标检测的边界框回归损失函数 Powerful-IoU(PIoU)及其改进版本 PIoU v2(含源代码)原创 2025-03-17 16:23:40 · 236 阅读 · 0 评论 -
【YOLOv8改进损失函数】EFLNet:红外小目标检测的增强特征学习网络,解决目标背景不平衡、边界框回归敏感和特征丢失问题(含源代码)
【YOLOv8改进损失函数】EFLNet:红外小目标检测的增强特征学习网络,解决目标背景不平衡、边界框回归敏感和特征丢失问题(含源代码)原创 2025-03-17 16:02:08 · 169 阅读 · 0 评论 -
【YOLOv8改进损失函数】基于Wasserstein Distance Loss的小目标检测评估方法(含源代码)
【YOLOv8改进损失函数】基于Wasserstein Distance Loss的小目标检测评估方法(含源代码)原创 2025-03-17 15:30:20 · 199 阅读 · 0 评论