【YOLO5 项目实战】（3）PCB 缺陷检测
本文介绍通过 YOLOv5 对 PCB缺陷 进行实时检测。详细介绍（1）环境配置；（2）北大PCB缺陷数据集的处理；（3）使用YOLOv5 训练PCB缺陷模型；（4）使用训练的模型检测 PCB缺陷。
01 服务器or本地项目部署全流程及常见问题
同志们大家好，今天出一期在windows、linux & ubantu系统中部署yolo or rtdetr项目的流程，供小白快速入门！（声明：以下流程均在蓝耘GPU平台和魔鬼面具的rtdetr项目下进行，其他项目如yolo系列均可使用该方法）其他相关链接附文章末尾。
如何在YOLOv8网络中添加自定义注意力机制
在目标检测任务中，加入注意力机制可以提升模型的检测效果。本文将介绍如何在YOLOv8模型中集成多种注意力机制，如SimAMMHSACBAM和EMA，以增强模型对图像特征的提取能力。我们将展示每个注意力机制的代码示例，并讨论如何将这些模块添加到YOLOv8网络中。为了在YOLOv8中集成自定义的注意力
树莓派5B利用AI_KIT跑YOLOV8(平均帧速率可达134fps)
我们利用AI_KIT Hailol(NPU)来对树莓派5B进行AI加速，本篇介绍了从yolov8模型的训练到最后在树莓派5B进行模型部署。
基于 FPGA 的 YOLOv5s 网络高效卷积加速器设计【上】
为提升在资源受限情况下的嵌入式平台上卷积神经网络( Convolutional Neural Network, CNN)目标识别的资源利用率和能效,提出了一种适用于 YOLOv5s 目标识别网络的现场可编程门阵 列(Field Programmable Gate Array,FPGA)共享计算单元的
骑行安全检测系统源码分享 # [一条龙教学YOLOV8标注好的数据集一键训练_70+全套改进创新点发刊_Web前端展示]
骑行安全检测系统源码分享 # [一条龙教学YOLOV8标注好的数据集一键训练_70+全套改进创新点发刊_Web前端展示]
将 YOLOv10 部署至 LiteRT：在 Android 上使用 Google AI Edge 进行目标检测
点击下方卡片，关注“小白玩转Python”公众号介绍在大型语言模型（LLMs）兴起之前，边缘 AI 是一个热门话题，这得益于其在设备上直接运行机器学习模型的显著能力。这并不是说这个话题已经失去了相关性；事实上，许多科技巨头现在正将注意力转向在移动平台上部署 LLMs。虽然我们今天不会讨论生成性 AI
YOLO11关键改进与网络结构图
YOLO11主要改进以及网络结构图
在国产芯片上实现YOLOv5/v8图像AI识别-【4.2】RK3588获取USB摄像头图像推流RTSP更多内容见视频
在实际生产过程中，有很多时候不光是通过网络获取rtsp视频流，通常会采用在板子上插上USB摄像头获取画面。今天我将向搭建演示该如何通过USB获取画面后推流出RTSP视频流。本课程相关代码以开源在V8的项目中，有开源链接的朋友可以重新拉取一下代码。
一颗改变视觉AI领域的重磅炸弹——YOLO 11
Ultralytics在2024年YOLO Vision活动上隆重推出全新计算机视觉模型——YOLO 11。YOLO 11于今日正式开源，为广大开发者带来更高效、更精准的视觉识别体验。YOLO 11标志着YOLO系列模型翻开新的篇章，它带来了一系列强大的功能和优化，使其更快，更准确，并且功能多样。
Python配合yolov11开发对象检测软件
【代码】Python配合yolov11开发对象检测软件。
YOLO v8目标检测（一）—网络模型与构建
在backbone主干网络中主要包括了YOLOv8 继续采用 CSP （Cross Stage Partial networks）的设计理念，可以提高梯度流动并减少参数数量。YOLOv5中的C3模块在YOLOv8中被C2f模块所替代，这个变化是为了进一步的轻量化。C2f 模块融合了ELAN的设计思想
爆改YOLOv8| 利用ResNet18、34、50、101替换yolo主干网络
ResNet,yolo,yolov8,暴力涨点
ultralytics-yolo-webui ：Detect 目标检测 工具-先行版本 ＞＞ DataBall
通过webui 方式对ultralytics 的 detect 检测任务 进行： 1）数据预处理，2）模型训练，3）模型推理。本项目提供了 示例数据集，用 labelImage标注，标注文件为 xml 文件。项目地址：https://github.com/XIAN-HHappy/ultralyti
YOLOv11来了，使用YOLOv11训练自己的数据集和推理(附YOLOv11网络结构图)
YOLOv11 由 Ultralytics 在 2024 年 9 月 30 日发布， 最新的 YOLOv11 模型在之前的 YOLO 版本引入了新功能和改进，以进一步提高性能和灵活性。YOLO11 在快速、准确且易于使用，使其成为各种对象检测和跟踪、实例分割、图像分类和姿态估计任务的绝佳选择。
[AI]小白向的YOLO安装教程
介绍了YOLO的安装和简单的进行对象检测。
YOLOv11 vs YOLOv8：谁才是真正的AI检测之王？
YOLOv11 vs YOLOv8：谁才是真正的AI检测之王？
yolov8目标检测pyside6可视化图形界面+检测源码ui文件——用于计数统计
yolov8目标检测pyside6可视化图形界面+检测源码ui文件——用于计数统计
yolov8/9/10模型在安全帽、安全衣检测中的应用【代码+数据集+python环境+GUI系统】
yolov8910模型安全帽、安全衣检测中的应用【代码+数据集+python环境+GUI系统】模型在安全帽、安全衣检测中的应用【代码数据集+python环境+GUI系统】背景意义安全帽和安全衣在工业生产、建筑施工等高风险作业环境中是保护工人免受意外伤害的重要装备。然而，在实际操作中，由于工人的疏忽或
AI：300 - YOLOv8 Neck层优化 | 基于ASF-YOLO的特征融合改进及应用分析
ASF-YOLO（Attention-based Spatial Fusion YOLO）是一种基于注意力机制的特征融合方法，旨在提高网络在处理不同尺度和语义信息时的能力。ASF-YOLO通过引入空间注意力机制和通道注意力机制，在特征融合层中增强了对重要特征的响应，从而提升了网络的表现。ASF-YO
