yolo

计算机视觉yolov8模型应用-学习笔记YOLOv8是由Ultralytics公司在‌2023年1月10日‌发布的一款深度学习模型。它是YOLOv5的重大更新版本，支持图像分类、物体检测和实例分割任务。这一版本在发布前就受到了广泛关注，并在发布后迅速成为目标检测领域的热门模型。‌ 部署起来非常简单便捷！

yolo目标检测算法在DJI上的研究分析（大纲）面向边缘计算的实时目标检测系统设计与部署技术亮点：实验验证：创新点：

【yolo11自定义实例分割训练集教程】本文介绍如何在docker中部署yolo11以及如何对实例分割进行训练确保系统中已安装 Docker。如果没有，可以从Docker 网站下载并安装。确保系统已安装NVIDIA GPU 和NVIDIA 驱动程序。

【YOLOv8】YOLOv8改进系列（9）----替换主干网络之RepViT主页：HABUO🍁主页：HABUO🍁YOLOv8入门+改进专栏🍁🍁如果再也不能见到你，祝你早安，午安，晚安🍁

虚假程序设计

说一下yolo的一些概念和自己对置信度阈值和图像处理模板匹配的理解常用指标: 准确率(Accuracy) Accuracy(TP + TN)/(TP + TN + FP + FN)正确预测样本数占总样本数的比例。精确率(Precision)Precision TP/(TP + FP)在所有预测为正的样本中，真正的正样本所占的比例。召回率(Recall)Recal TP/(TP + FN)在所有实际为正的样本中，被正确预测为正的比例。

基于Nvidia Jetson Nano边缘计算设备使用TensorRT部署YOLOv8模型实现目标检测推理最近拿到一台边缘计算设备，在部署YOLO模型的过程中遇到一些问题，特此记录。设备介绍信息：NVIDIA Jetson Orin Nano T201Developer Kit 开发套件

【yolo】YOLO训练参数输入之模型输入尺寸模型输入尺寸是YOLO训练和推理过程中非常重要的参数之一。YOLO要求输入图像的尺寸是固定的，通常为正方形（如416×416、640×640等）。这个尺寸直接影响模型的性能和速度。以下是对模型输入尺寸的详细介绍：

多阶段构建实现 Docker 加速与体积减小：含文件查看、上传及拷贝功能的 FastAPI 应用镜像构建本文围绕使用 Docker 构建 FastAPI 应用镜像展开，着重介绍了多阶段构建的 Dockerfile 编写及相关操作。借助多阶段构建，不仅实现了 Docker 构建的加速，还有效减小了镜像体积。

目标检测20年（二）没有看过（一）的可以看看笔者这篇文章：目标检测20年（一）-CSDN博客目录3.2 目标检测数据集和指标

基于YOLOv8深度学习的智能小麦害虫检测识别系统作者简介：Java领域优质创作者、CSDN博客专家、CSDN内容合伙人、掘金特邀作者、阿里云博客专家、51CTO特邀作者、多年架构师设计经验、多年校企合作经验，被多个学校常年聘为校外企业导师，指导学生毕业设计并参与学生毕业答辩指导，有较为丰富的相关经验。期待与各位高校教师、企业讲师以及同行交流合作

摩尔曼斯克的海

YOLO数据集分割训练集、测试集和验证集记录一下自己的分割代码。注意：over

《深度学习》——YOLOv2详解YOLOv2（You Only Look Once, version 2）是一种用于目标检测的深度学习模型，由 Joseph Redmon 等人在 2016 年提出。它是 YOLO 系列的第二代模型，在第一代 YOLO 的基础上进行了多方面的改进，显著提升了检测精度和速度。

深度学习-yolo实战项目【分类、目标检测、实例分割】？如何创建自己的数据集？如何对数据进行标注?没有GPU怎么办呢？一、本地环境配置（1）本地创建虚拟环境（2）下载项目到本地（3）安装依赖（4）测试一下二、电脑没有GPU训练不了怎么办？【不用本地环境】

C#本地将labelme数据集转换为机器视觉yolo数据集格式C#本地，将labelme数据集转换为机器视觉yolo数据集格式

目标检测20年（一）今天看的文献是《Object Detection in 20 Years: A Survey》，非常经典的一篇目标检测文献，希望通过这篇文章学习到目标检测的基础方法并提供一些创新思想。

hjs_deeplearning

认知篇#4：YOLO评价指标及其数学原理的学习在机器学习中，要评估一个模型在任务中的优越性，需要利用评价指标来对其进行评估，而评价指标往往有多个，从不同层面来评价模型的优劣，从而使模型的构建者更加的全面的了解模型的性能，同时依据任务的偏向和要求来对模型进行取舍。常用的分类模型的评价指标有精确率（Precision）、召回率（Recall）、F1-Score （F1）等等

将 VOC 格式 XML 转换为 YOLO 格式 TXT目录1. 导入必要的模块2. 定义类别名称3. 设置文件路径完整代码import os import xml.etree.ElementTree as ET

在 web 部署 YOLOv8目标检测（Django+html）本文介绍如何将自己训练好的模型在网页上进行应用，使用 Django + html 进行部署，能够对视频和图像进行识别，并显示到页面上，下面是一个效果：

前网易架构师-高司机

停车场停车位数据集，标注停车位上是否有车，平均正确识别率99.5％，支持yolov5-11， coco json，darknet，xml格式标注停车场停车位数据集，标注停车位上是否有车，平均正确识别率98.0％，支持yolov5-11， coco json，darknet，xml格式标注

将 YOLO 格式的标注文件（.txt）转换为 VOC 格式的 XML 标注文件def makexml(picPath, txtPath, xmlPath): """此函数用于将yolo格式txt标注文件转换为voc格式xml标注文件在自己的标注图片文件夹下建三个子文件夹，分别命名为picture、txt、xml """