YoloV8改进策略:Neck层改进、注意力改进|HCANet全局与局部的注意力模块CAFM|二次创新|即插即用

python 复制代码
yolov9-c summary: 620 layers, 52330674 parameters, 0 gradients, 245.5 GFLOPs
                 Class     Images  Instances          P          R      mAP50   mAP50-95: 100%|██████████| 15/15 00:06
                   all        230       1412      0.917      0.985       0.99      0.735
                   c17        230        131      0.981      0.992      0.995      0.829
                    c5        230         68      0.898          1      0.994      0.841
            helicopter        230         43      0.964          1      0.975      0.648
                  c130        230         85      0.969          1      0.995        0.7
                   f16        230         57      0.887      0.965      0.982      0.689
                    b2        230          2      0.757          1      0.995      0.649
                 other        230         86      0.953       0.94      0.963      0.557
                   b52        230         70       0.97      0.971      0.983      0.826
                  kc10        230         62      0.969      0.984      0.988      0.832
               command        230         40       0.96          1      0.995      0.815
                   f15        230        123      0.978          1      0.995      0.672
                 kc135        230         91      0.979      0.989      0.983       0.72
                   a10        230         27      0.966      0.963      0.974       0.48
                    b1        230         20      0.967          1      0.995      0.677
                   aew        230         25      0.916          1       0.98      0.792
                   f22        230         17      0.895          1      0.995      0.738
                    p3        230        105      0.985          1      0.995      0.794
                    p8        230          1      0.585          1      0.995      0.597
                   f35        230         32      0.969      0.987      0.993      0.574
                   f18        230        125      0.972      0.992      0.987      0.815
                   v22        230         41      0.966          1      0.995      0.711
                 su-27        230         31      0.979          1      0.995      0.849
                 il-38        230         27      0.962          1      0.995      0.804
                tu-134        230          1      0.583          1      0.995      0.895
                 su-33        230          2          1      0.821      0.995      0.697
                 an-70        230          2      0.757          1      0.995      0.823
                 tu-22        230         98      0.984          1      0.995      0.809
Results saved to runs\train\exp7
相关推荐
jay神1 天前
基于 YOLOv8 的传送带异物检测系统(Web 版)
前端·人工智能·深度学习·yolo·计算机视觉·计算机毕业设计
jay神4 天前
基于 YOLOv8 的手势识别系统(Web 版)
前端·人工智能·python·深度学习·yolo·计算机视觉·计算机毕业设计
鱼听禅4 天前
Ubuntu安装YOLOv8进行菌落识别训练
linux·python·yolo·ubuntu
jay神6 天前
基于深度学习的交通流量预测系统(Web 版)
前端·人工智能·深度学习·yolo·计算机毕业设计
带电的小王7 天前
YOLO27:官方预览页放出全部规格,60.5 mAP 破 YOLO 纪录,但权重还没发布
yolo
jay神7 天前
基于 YOLOv8 的轴承缺陷检测(Web 版)
前端·人工智能·yolo
jay神7 天前
基于 YOLOv8 的森林火灾检测系统(Web 版)
前端·yolo
微尘hjx7 天前
【Deep-OC-SORT 06】多轨迹算法Deep-OC-SORT-CMC相机运动补偿
yolo·目标检测·目标跟踪·ultralytics·轨迹算法·deep-oc-sort·车流统计
LongRunning8 天前
【Linux】RK3568-OpenCV+YOLO(八)
linux·opencv·yolo
微尘hjx12 天前
【Deep-OC-SORT 01】多轨迹算法Deep-OC-SORT源码分析
深度学习·yolo·目标跟踪·ultralytics·轨迹算法·deep-oc-sort·车流统计