yolo

AI街潜水的八角

PyTorch框架——基于深度学习YOLOv8神经网络学生课堂行为检测识别系统基于YOLOv8深度学习的学生课堂行为检测识别系统，其能识别三种学生课堂行为：names: ['举手', '读书', '写字']

(开源)基于Django+Yolov8+Tensorflow的智能鸟类识别平台系统旨在为了帮助鸟类爱好者、学者、动物保护协会等群体更好的了解和保护鸟类动物。用户群体可以通过平台采集野外鸟类的保护动物照片和视频，甄别分类、实况分析鸟类保护动物，与全世界各地的用户，沟通交流。

天天代码码天天

C# OpenCvSharp 部署读光-票证检测矫正模型（cv_resnet18_card_correction）目录说明算法流程输出字段定义效果模型信息项目代码下载参考C# OpenCvSharp 部署读光-票证检测矫正模型（cv_resnet18_card_correction）

前网易架构师-高司机

行人识别检测数据集，yolo格式，PASICAL VOC XML，COCO JSON,darknet等格式的标注都支持，准确识别率可达99.5%高科，先后在 IBM PlatformComputing从事网格计算，淘米网，网易从事游戏服务器开发，拥有丰富的C++，go等语言开发经验，mysql，mongo，redis等数据库，设计模式和网络库开发经验，对战棋类，回合制，moba类页游，手游有丰富的架构设计和开发经验。

C# OpenCvSharp Yolov8 Face Landmarks 人脸特征检测目录介绍效果模型信息项目代码下载github地址：https://github.com/derronqi/yolov8-face

Coovally AI模型快速验证

目标检测新视野 | YOLO、SSD与Faster R-CNN三大目标检测模型深度对比分析目录引言YOLO系列网络结构多尺度检测损失函数关键特性SSD锚框设计损失函数关键特性Faster R-CNN

那年一路北

深入探究 YOLOv5：从优势到模型导出全方位解析在计算机视觉领域，目标检测是一项至关重要的任务，它在自动驾驶、安防监控、工业检测等众多领域都有着广泛的应用。而 YOLO（You Only Look Once）系列作为目标检测算法中的佼佼者，一直备受关注。其中，YOLOv5 更是凭借其出色的性能和易用性，成为了许多开发者和研究者的首选。本文将深入探讨 YOLOv5，包括其优势、PyTorch 版本特点、模型导出格式支持以及模型类别与导出等方面，带领读者全面了解这一强大的目标检测模型。

【数据分析】coco格式数据生成yolo数据可视化yolo的数据可视化很详细，coco格式没有。所以写了一个接口。输入：coco格式的instances.json 输出：生成像yolo那样的标注文件统计并可视化

分享总结快乐

YOLO系列代码YOLOX是旷视科技在2021年发表的一篇文章，当时主要对标的网络就是很火的YOLO v5，对比简单总结主要有三点，decoupled head、anchor-free以及advanced label assigning strategy(SimOTA)。

你是狒狒吗

深度学习模块C2f代码详解C2f 是一个用于构建卷积神经网络（CNN）的模块，特别是在 YOLOv5 和 YOLOv8 等目标检测模型中。这个模块是一个改进的 CSP（Cross Stage Partial）Bottleneck 结构，旨在提高计算效率和特征提取能力。下面是对 C2f 类的详细解释：类定义和初始化 Python复制 class C2f(nn.Module): “”“Faster Implementation of CSP Bottleneck with 2 convolutions.”“”

程序员阿龙

【精选】基于EfficientViT优化YOLOv8的智能车辆识别系统设计车辆颜色分类与车牌检测、深度学习目标检测系统开发博主介绍： ✌我是阿龙，一名专注于Java技术领域的程序员，全网拥有10W+粉丝。作为CSDN特邀作者、博客专家、新星计划导师，我在计算机毕业设计开发方面积累了丰富的经验。同时，我也是掘金、华为云、阿里云、InfoQ等平台的优质作者。通过长期分享和实战指导，我致力于帮助更多学生完成毕业项目和技术提升。

Pytorch|YOLO如果设备上支持GPU就使用GPU,否则使用CPUdevice(type='cuda')['cloudy', 'rain', 'shine', 'sunrise']

华为 Ascend 平台 YOLOv5 目标检测推理教程随着人工智能技术的快速发展，目标检测在智能安防、自动驾驶、工业检测等领域中扮演了重要角色。YOLOv5 是一种高效的目标检测模型，凭借其速度和精度的平衡广受欢迎。

AI街潜水的八角

PyTorch框架——基于深度学习YOLOv11神经网络路面坑洞检测系统基于深度学习YOLOv11神经网络路面坑洞检测系统，其能识别路面坑洞，见如下第一步：YOLOv11介绍

Yolov8 目标检测剪枝学习记录最近在进行YOLOv8系列的轻量化，目前在网络结构方面的优化已经接近极限了，所以想要学习一下模型剪枝是否能够进一步优化模型的性能这里主要参考了torch-pruning的基本使用，v8模型剪枝，Jetson nano部署剪枝YOLOv8 下面只是记录一个简单流程，用于后续使用在自己的任务和网络中，数据不作为参考

基于YOLOv8的卫星图像中船只检测系统基于YOLOv8的卫星图像中船只检测系统 (价格90)使用的是 MASATI-V2 数据集训练集 3617张验证集 452张测试集 453张

量子计算：从薛定谔的猫到你的生活说到量子计算，不少人觉得它神秘又遥不可及。其实，它只是量子物理学的一个“应用小分支”。它的核心在于量子比特的“叠加”和“纠缠”，这些听上去像科幻小说的概念，却为计算世界开辟了一片全新的天地。如果经典计算是“用一条路到达目的地”，量子计算就是“同时走多条路，还能一步到达”。今天我们就来拆解量子计算，用最接地气的方式告诉你，为什么它被称为“改变未来的技术”！

YOLOv11 OBB 任务介绍与数据集构建要求及训练脚本使用指南YOLO（You Only Look Once）是一个高效且广泛应用于目标检测任务的深度学习框架。在目标检测任务中，传统的边界框（AABB）通过四个参数来定义目标的位置信息：中心坐标、宽度、高度以及目标的旋转角度。然而，这种方法在面对旋转物体时，往往无法准确描述目标的形状与位置，尤其是当物体被倾斜或旋转时。为了解决这一问题，YOLO引入了定向边界框（OBB, Oriented Bounding Boxes），使得在旋转物体的检测中，能够更加精确地描述物体的位置和形状。

YOLOv5训练长方形图像详解YOLOv5 是一种高效的目标检测算法，广泛应用于各种图像识别任务。然而，当处理长方形图像时，可能会遇到一些特殊问题，如图像尺寸不匹配、标注不准确等。本文将详细介绍如何在 YOLOv5 中训练长方形图像，确保模型能够准确地检测和识别目标。

烟波人长安吖～

【安全帽头盔检测】基于YOLOV11+pytorch+Flask+SpringBoot+Vue+MySQL的安全帽头盔检测识别系统本系统是一个完整的基于YOLOV11+pytorch+Flask+SpringBoot+Vue+MySQL的安全帽头盔检测识别系统。可使用YOLOV1-YOLOV11的任意模型进行目标检测。可以检测图片、视频、摄像头三种方式。能够检测出是否佩戴安全帽或头盔。可应用于工地施工现场、工厂安全检查、电瓶车头盔佩戴等。技术栈使用YOLO、Pytorch、SpringBoot、MyBatis-Plus、Vue3、Ts、element-plus、Flask、Axios、MySQL等技术。系统还支持分用户管理。分