YOLOv8改进后效果

数据集

自建铁路障碍数据集-包含路障,人等少数标签。其中百分之八十作为训练集,百分之二十作为测试集

第一次部署

版本:YOLOv5

训练50epoch后精度可达0.94 mAP可达0.95.此时未包含任何改进操作

第二次部署

版本:YOLOv8改进版本

首先对训练数据进行随即裁剪+椒盐加噪处理。

将c2f模块替换为DSConv

加EMA注意力机制

更换EfficientViT主干网络

相关推荐
weixin_3981877517 小时前
YOLOv11训练教程:PyTorch与PyCharm在Windows 11下的完整指南
pytorch·yolo·pycharm
musk121218 小时前
YOLO环境搭建,win11+wsl2+ubuntu24+cuda12.6+idea
yolo·cuda·wsl2
乌恩大侠19 小时前
【调研】YOLO算法在FPGA/ZYNQ上的部署与加速
yolo·fpga开发
AI技术控1 天前
计算机视觉算法实战——基于YOLOv8的汽车试验场积水路段识别系统
yolo·汽车
大知闲闲哟1 天前
深度学习Y3周:yolov5s.yaml文件解读
yolo
hjs_deeplearning1 天前
论文写作篇#8:双栏的格式里怎么插入横跨两栏的图片和表格
人工智能·深度学习·学习·yolo·机器学习·论文写作·论文排版
AI技术控1 天前
计算机视觉算法实战——基于YOLOv8的自动驾驶障碍物实时感知系统
人工智能·yolo·自动驾驶
yolo大师兄2 天前
【YOLO系列(V5-V12)通用数据集-火灾烟雾检测数据集】
人工智能·深度学习·yolo·目标检测·机器学习
贤小二AI3 天前
贤小二c#版Yolov5 yolov8 yolov10 yolov11自动标注工具 + 免python环境 GPU一键训练包
人工智能·深度学习·yolo
zy_destiny4 天前
【工业场景】用YOLOv12实现饮料类别识别
人工智能·python·深度学习·yolo·机器学习·计算机视觉·目标跟踪