海思SD3403,SS928/926,hi3519dv500,hi3516dv500移植yolov7,yolov8（7）
第一个和第二个值分别对应 阈值设置nms_threshold，IOU_score_threshold，具体值与模型本身有关，如果叠框明显就调高IOU值，如果误报很多就调高NMS值。初始化时还需要配置一下IOU与NMS的阈值，在模型导出时其实在代码里已经有默认值，但是在这里初始化过程中会更新对应的阈值
【保姆级教程】【YOLOv8替换主干网络】【1】使用efficientViT替换YOLOV8主干网络结构
【保姆级教程】【YOLOv8替换主干网络】【1】使用efficientViT替换YOLOV8主干网络结构
科技提升安全，基于YOLOv5系列模型【n/s/m/l/x】开发构建商超扶梯场景下行人安全行为姿态检测识别系统
科技提升安全，基于YOLOv5系列模型【n/s/m/l/x】开发构建商超扶梯场景下行人安全行为姿态检测识别系统
【YOLOv8】实战三：基于LabVIEW TensorRT部署YOLOv8
本文主要想和各位读者分享YOLOv8使用TensorRT工具包在LabVIEW中的部署。
[嵌入式AI从0开始到入土]9_yolov5在昇腾上推理
根据官方文档，yolov5在Atlas200Dk上的推理踩坑实录
yolov8 tracking编码为web 和 rtsp流输出
使用python pytorch yolov8 track进行reid 识别后将识别后的图片通过websocket 协议和内存共享发送到web端和 rtsp server端，可通过web显示或者通过rtsp 客户端拉流
【开源】轻松实现车牌检测与识别：yolov8+paddleocr【python源码+数据集】
【开源】轻松实现车牌检测与识别：yolov8+paddleocr【python源码+数据集】
YOLOv5引入FasterNet主干网络，目标检测速度提升明显
目标检测是计算机视觉领域的重要任务，它在现实生活中有着广泛的应用，如自动驾驶、安防监控、人脸识别等。目标检测算法旨在从图像或视频中检测出感兴趣的目标，并确定其位置和类别。目标检测算法可以分为两个主要类别：基于区域的方法和单阶段方法。基于区域的方法（Region-based methods）先通过区域
一种基于YOLO改进的高效且轻量级的表面缺陷检测网络， NEU-DET和GC10-DET涨点明显
一种基于YOLO改进的高效且轻量级的表面缺陷检测， 在NEU-DET和GC10-DET任务中涨点明显
在英特尔AI开发板上用OpenVINO NNCF优化YOLOv7，2.15倍性能提升
在工程和学习中推荐使用NNCF等OpenVINO工具来优化模型，从而在不损失精度的前提下提高推理性能，更好的服务于场景使用。
YOLOv8改进 | 2023主干篇 | FasterNeT跑起来的主干网络（ 提高FPS和检测效率）
本文给大家带来的改进机制是FasterNet网络，将其用来替换我们的特征提取网络，其旨在提高计算速度而不牺牲准确性，特别是在视觉任务中。它通过一种称为部分卷积（PConv）的新技术来减少冗余计算和内存访问。这种方法使得FasterNet在多种设备上运行速度比其他网络快得多，同时在各种视觉任务中保持高
YOLOv5改进 | 注意力篇 | CGAttention实现级联群体注意力机制 (全网首发改进)
本文给大家带来的改进机制是实现级联群体注意力机制，其主要思想为增强输入到注意力头的特征的多样性。与以前的自注意力不同，它为每个头提供不同的输入分割，并跨头级联输出特征。这种方法不仅减少了多头注意力中的计算冗余，而且通过增加网络深度来提升模型容量，亲测在我的25个类别的数据上，大部分的类别均有一定的涨
即插即用篇 | YOLOv8 Gradio 前端展示页面 | 支持 【分类】【检测】【分割】【关键点】 任务
YOLOv8 Gradio 前端展示页面 | 支持 【分类】【检测】【分割】【关键点】 任务
毕业设计选题- 基于深度学习的海洋生物目标检测系统 YOLO 人工智能
毕业设计选题：基于深度学习的海洋生物目标检测，旨在设计和实现一种高效准确的算法来识别和检测海洋中的生物目标。通过采用深度学习技术，结合海洋生物图像数据集和目标检测模型，我们展示了如何训练一个能够在复杂水下环境中实现精准目标检测的算法。本研究的成果将有助于海洋生物学研究、环境监测和保护等领域的发展，为
YOLOv8改进 | 主干篇 | RevColV1可逆列网络（特征解耦助力小目标检测）
到此本文的正式分享内容就结束了，在这里给大家推荐我的YOLOv8改进有效涨点专栏，本专栏目前为新开的平均质量分98分，后期我会根据各种最新的前沿顶会进行论文复现，也会对一些老的改进机制进行补充，目前本专栏免费阅读(暂时，大家尽早关注不迷路~)如果大家觉得本文帮助到你了，订阅本专栏，关注后续更多的更新
Win11+Anaconda+Pycharm+Yolov8开发环境搭建与检测验证
一般.condarc文件在C:\Users\lenovo目录下，如果.condarc文件找不到的话，可以设置隐藏项目可见，如果还是找不到，是因为没有在cmd命令中输入 conda config命令，只有第一次输入该命令之后，系统才会自动创建.condarc文件。将源修改为如下的链接。（添加镜像源，注
YOLOV8 进行docker环境配置
sudo docker save -o /home/yolov8_v0.tar。停止运行容器 sudo docker stop 删除容器 sudo docker rm 删除镜像 sudo docker rmi
Docker在windows下使用教程，通过Dockerfile创建镜像/容器，以YOLO系列为例
通过可视化界面将极大的降低学习难度。
机器学习卷积神经网络YOLOv5工地安全检测佩戴安全帽检测和识别含佩戴安全帽
安全帽是作业场所作业时头部防护所用的头部防护用品，它对使用者的头部在受坠落物或小型飞溅物体等其他因素引起的伤害起到防护作用。近年来，因不佩戴安全帽、不规范佩戴安全帽等原因导致的安全生产事故屡禁不止，事故发生背后的影响是巨大的，不仅为家人带来巨大的伤痛，也为企业的利益带来巨大的损失。而如何使员工规范佩
