登录社区云，与社区用户共同成长
邀请您加入社区
YOLO 系列等单阶段目标检测器在实时视觉应用中实现了最先进的性能，但其训练仍严重依赖大规模标注数据集。本文系统研究了对比自监督学习（Self-Supervised Learning, SSL）作为一种减少该依赖性的手段，通过在未标注图像上使用 SimCLR 框架对 YOLOv5 和 YOLOv8 的骨干网络进行预训练。我们提出了一种简单而有效的流程：将 YOLO 的卷积骨干网络作为编码器，采用全
OVA-DETR是一种用于航空目标检测的高效率开放词汇检测器，它利用图像-文本对齐和融合技术。具体来说，为了打破传统检测器中预定义类别的限制，将类别语义整合到检测器中，并构建了一个区域-文本对比损失，以对齐图像和文本特征。进一步引入了一种双向视觉-语言融合方法，包括双注意力融合编码器和多级文本引导融合解码器，它们共同构成了一个文本引导的编码器-解码器结构。双注意力融合编码器旨在增强前景特征提取，而
基于YOLOv8模型PCB电子线路板缺陷目标检测系统可用于日常生活中检测与定位PCB线路板瑕疵，利用深度学习算法可实现图片、视频、摄像头等方式的目标检测，另外本系统还支持图片、视频等格式的结果可视化与结果导出
继RCNN，fast RCNN之后，目标检测界的领军人物Ross Girshick在2015年提出faster RCNN。目标检测速度达到15fps。
YOLOv11全网最新创新点改进系列：融合华为提出Gold-YOLO，高效实时目标检测器，精度再提升，多目标、小目标无处遁形！
为深度学习神经网路的图像数据集配置标签，使用labelimg/makesence为图像数据集做标注
混泥土裂缝网上数据集有很多，作者自己收集了一些，大家如果有意愿，麻烦在下方留言。1、SDNET2018数据集（数据集来源：SDNET2018）主要是用来分类论文：SDNET2018: An annotated image dataset for non-contact concrete crack detection using deep convolutional neural networks
本篇博客深入讲解了如何应用深度学习技术构建自动驾驶目标检测系统，并分享了完整的开发代码和训练数据集下载。系统采用最新的YOLOv8、YOLOv7、YOLOv6、YOLOv5算法，比较了各模型的性能指标，如mAP、F1 Score等。详细阐释了YOLOv8的工作机制，附上了Python实现代码和训练数据集。该系统能够高效识别和分类自动驾驶中的目标，支持多种格式输入，具备柱状图分析、标记、类别统计等功
基于YOLOv8深度学习的45种交通标志智能检测与识别系统【python源码+Pyqt5界面+数据集+训练代码】目标检测、深度学习实战
本文章帮助大家快速学习如何使用 YOLOv8 训练语义分割数据集。按照教程中的步骤逐步操作即可顺利完成。我使用的开发环境是 PyCharm 2024.1，教程还涵盖了如何加载和配置 Conda 环境，适合小白快速上手。
[mmdetection] 如何在训练中断后,接着上次训练?最近由于不知名原因,在用 faster rcnn 训练一个大型数据集的时候,在epoch= 20 的时候中断训练了.采用以下方式继续上次训练.打开 train.py,如图:也就是说,训练时,最后加一个–resume from 参数,然后后面跟上次训练生成的最后一个权重文件(.pth)就可以了.因此,在命令行输入以下语句进行训练即可以完全相
Precision: 描述的是找对的概率Recall: 描述的是找全的概率一般来说，准确率和找回率不能同时兼顾，一个高另一个就相对变低。改变阈值（IOU大于一定的阈值，就被判为正样本），可以得到不同的precision和recall, 然后做出presion - recall 的图（一般叫做PR图）去上限求出与x轴围成的阴影的面积就是AP的值。如上图就是长方形A1，A2，A3,A4的面积之和。对每
本文从True Positive, False Positive和False Negative的定义出发，讲解了Precision和Recall的定义，如何绘制P-R(Precision Recall)曲线，如何进一步计算得出AP。本文提供了手动计算所有指标的过程以及用sklearn计算这些指标的代码以及P-R curve的示意图。通过阅读本文你可以从源头开始了解mAP这一指标是如何计算的。
本文代码基于：https://github.com/ultralytics/yolov3首先介绍数据集，来源于AI研习设的一个比赛，见链接：https://god.yanxishe.com/32
(超详细)搭建深度学习环境【Anaconda+Pycharm+NVIDIA 显卡驱动+PyTorch(含GPU版)+CUDA+cuDNN+win10】+ 配置系统环境变量 + YOLO跑数据集环境部署
欢迎大家关注笔者，你的关注是我持续更博的最大动力原创文章，转载告知，盗版必究@[toc](目标检测使用LabelImg标注VOC数据格式和YOLO数据格式——LabelImg使用详细教程文章目录：)1 LabelImg介绍与安装1.1 Label介绍github是目标检测数据标注工具，可以标注标注两种格式：VOC标签格式，标注的标签存储在xml文件YOLO标签格式，标注的标签存储在txt文件中La
最近需要标注一批单目标检测的数据集，但是手动标注实在太麻烦了，最终发现一款超级好用的标注标注软件：X-AnyLabeling。不仅支持多种格式，多种标注方式，还提供了许多模型。在使用自动标注的前提是拥有一个自己已经训练好的模型权重文件或者直接使用该软件再github上已经存在的各种模型的预训练权重文件，最后都要将他们转换为onnx文件以供软件的自动检测标注。
只有认真理解了源码，才是真正学懂了一个算法，yolov3的pytorch版官方源码见github：https://github.com/ayooshkathuria/YOLO_v3_tutorial_from_scratch作者写了个官方原版的教程，在这个教程中，作者使用 PyTorch 实现基于 YOLO v3 的目标检测器，该教程一共有五个部分，虽然并没有含有训练部分。链接：https:/..
论文地址：https://pjreddie.com/media/files/papers/YOLOv3.pdf论文：YOLOv3: An Incremental ImprovementYOLO系列的目标检测算法可以说是目标检测史上的宏篇巨作，接下来我们来详细介绍一下YOLO v3算法内容，v3的算法是在v1和v2的基础上形成的，所以有必要先回忆： 一文看懂YOLO v2，一文看懂YOLO v2..
