基于yolov5框架实现人流统计（目标检测算法、目标追踪算法以及越界识别功能）+手机获取统计人数
基于yolov5框架实现人流统计（主要AI算法包括：目标检测算法、目标追踪算法以及越界识别功能）+手机获取统计人数（喵提醒）
目标检测论文解读复现【NO.21】基于改进YOLOv7的小目标检测
当前，目标检测技术趋于成熟，但小目标检测仍是研究的难点所在。针对目标检测过程中小目标像素少、覆盖面积小、信息少更容易出现漏检情况的问题，提出了一种改进的YOLOv7目标检测模型。
yolov7：win10下的安装配置以及训练自己的数据集（从VOC转换为YOLO）
Win10下yolov7的安装配置以及训练自己的数据集（从VOC转换为YOLO）
Jetson Xavier NX基于YOLOv5+CSI摄像头实现目标检测
Jetson Xavier NX基于YOLOv5+CSI摄像头实现目标检测
YOLOv8 目标检测 | 自定义数据集
本文介绍了使用用于目标检测的自定义数据训练 YOLOv8 模型。我正在使用来自 kaggle 的 yolo 格式的“Face Mask Dataset”，数据集链接如下：https://www.kaggle.com/datasets/maalialharbi/face-mask-dataset?re
基于轻量级CNN开发构建学生课堂行为识别系统
基于轻量级CNN开发构建学生课堂行为识别系统
什么是YOLOR？
因此，YOLOR 是一个统一的网络，可以一起处理隐性和显性知识，并产生由于该方法而改进的一般表示。YOLOR 是一种用于对象检测的最先进的机器学习算法，与 YOLOv1-YOLOv5 不同，原因在于作者身份、架构和模型基础设施的差异。YOLOR研究论文的标题为“你只学习一种表示：多个任务的统一网络”
YOLOv8详解 【网络结构+代码+实操】
YOLOv8 算法的核心特性和改动可以归结为如下：提供了一个全新的 SOTA 模型，包括 P5 640 和 P6 1280 分辨率的目标检测网络和基于 YOLACT 的实例分割模型。和 YOLOv5 一样，基于缩放系数也提供了 N/S/M/L/X 尺度的不同大小模型，用于满足不同场景需求Backbo
完整复现YOLOv8:包括训练、测试、评估、预测阶段【本文源码已开源,地址在文章末尾】
（这里主要是在colab.research.google.com实现的，本地的配置也是类似的方法）YOLOv8是一种用于目标检测的深度学习算法。主要参考：https://github.com/ultralytics/ultralytics/blob/main/README.zh-CN.md。yolo
使用YOLOv5训练NEU-DET数据集
一、下载YOLOv5源码和NEU-DET(钢材表面缺陷)数据集YOLOv5源码NEU-DET(钢材表面缺陷)数据集这里的数据集已经经过处理了，下载即可若通过其他途径下载的原始数据集标签为xml格式，需要转化为txt格式XML转txt格式脚本二、数据集准备NEU-DET(钢材表面缺陷)数据集中一共有六
Python+Yolov8目标识别特征检测
这篇博客针对编写代码，代码整洁，规则，易读。 学习与应用推荐首选。
简单粗暴提升yolov5小目标检测能力
和yolov5最开始做的focus是类似的，对于输入的特征图（长宽为S），从左到右以及从上到下每scale个像素采样一次，假设scale=2，采样方式就和上图一样，经过这样采样的输出长宽就是S/2，最后将采样后的输出进行concatenate，通道数就是scale的平方，即4。左侧是yolov5原始
目标检测: 一文读懂 YOLOX
论文：YOLOX: Exceeding YOLO Series in 2021论文链接：https://arxiv.org/pdf/2107.08430.pdf代码链接：https://github.com/Megvii-BaseDetection/YOLOX.文章目录1 为什么提出YOLOX2 Y
目标检测（Object Detection）学习笔记（概述与传统算法与基于深度学习算法）
目标检测（Object Detection）的任务是找出图像中所有感兴趣的目标（物体），不同于分类和回归问题，目标检测还需要确定目标在图像中的位置（定位），而确定识别目标的类别和位置（分类和定位），是计算机视觉领域的核心问题之一。
【目标检测】YOLOv5模型从大变小，发生了什么？
记录一个实验小问题
KITTI数据集详解
三维目标检测常用的数据集——KITTI数据集的详解，包括文件目录、文件格式说明、文件使用说明。
YoloV8简单使用
目标检测不能没有Yolo，就像西方不能没有耶路撒冷。这个万能的目标检测框架圈粉无数，经典的三段式改进也是改造出很多论文，可惜我念书时的研究方向不是纯粹的目标检测，所以在做研究的时候没有用到过，但是同学用到的多啊，彼此交流也大概能知道Yolo的架构，这次决定好好学一学这个绝版Yolo。
openCalib中Lidar和IMU(INS)标定--论文解读
精确可靠的传感器校准对于自动驾驶中融合lidar和惯性测量至关重要。该论文提出了一种新的自动驾驶三维激光雷达和姿态传感器的three-stage外参标定方法。第一阶段通过点云表面特征快速校准传感器之间的外部参数，使外部参数在短时间内从较大的初始误差范围缩小到较小的误差范围；第二阶段在去除运动畸变的同
【多目标跟踪与计数】（三）DeepSORT实战车辆和行人跟踪计数
一、DeepSort介绍论文地址：https://arxiv.org/pdf/1703.07402.pdf参考文章：DeepSort讲解代码地址：https://github.com/mikel-brostrom/Yolov5_DeepSort_OSNet（可参考这个源代码，如果需要我这边的源代码可
足球视频AI(三)——YOLOV7目标检测自训练模型
1）采用labelImg对视频中的逐帧图像进行标注，并保存为yolo格式2）采用YoloV7源码对标注数据进行训练3）集成到实践项目中
