YOLOv1 很难准确检测训练中未见到的新物体。 空间约束:在 YOLOv1 中,每个网格单元仅预测两个框并且只能有一个类,这使得它很难处理成群出现的小物体,例如鸟群。 损失函数的局限性:YOLOv1 损失函数对小边界框和大边界框中的误差的处理方式相同。大边界框中的小误差通常没问题,但小误差对 IOU 的影响要大得多。
YOLO 系列模型从最初的 YOLOv1 到 YOLOv10,经过了多次迭代和改进,逐渐提高了检测的精度和速度。 近期,ultralytics 团队再次更新,YOLOv11 问世,速度更快、更准确。 YOLO简史 YOLOv11 YOLOv11 是 Ultralytics YOLO 系列的最新版本,基于之前 YOLO 版本的成功,引入了新特性和...
【2025年B站最全YOLO系列教程】一口气学完目标检测yolov1-v11,算法原理+项目实战,通俗易懂,草履虫听了都点头!(深度学习丨计算机视觉丨YOLO) 1484 18 01:34:35 App 【YOLOv11】一小时掌握!从0开始搭建部署YOLOv11,环境安装+推理+自定义数据集搭建与训练,草履虫都能听懂!(计算机视觉/目标检测) 9.2万 174 05...
(深度学习丨计算机视觉丨YOLO) 唐宇迪深度学习- 1006 11 强推!这绝对是2025最好YOLO算法天花板教程,一口吃透目标检测yolov1-v8,从原理到实战,全程干货讲解,就怕你学不会!-深度学习丨计算机视觉丨YOLO 机器学习教学 2952 26 【2025最新YOLO算法教程】一口气讲完目标检测yolov1-v11,500集算法原理+项目实战,通俗...
YOLO是一种具有革命性的单阶段目标检测算法,以其在速度和准确性之间的显著平衡而闻名。文章由Momina Liaqat Ali和Zhou Zhang撰写,发表日期为2024年10月23日,是一篇未经过同行评审的预印本。 综述主要内容 YOLO的发展历程: 从最初的YOLOv1到最新的YOLOv11,每一代版本都在特征提取、边界框预测和优化技术等方面引入...
简介:YOLOv11改进策略【小目标改进】| 添加专用于小目标的检测层 附YOLOv1~YOLOv11的检测头变化详解 前言 在目标检测领域,小目标检测一直是一个具有挑战性的问题。YOLO系列算法以其高效快速的特点受到广泛关注,然而在面对小目标时,仍存在一些局限性。本文将介绍如何在YOLOv11中添加小目标检测层,以提高对小目标的...
YOLOv1-11:目标检测的进化史 YOLO(You Only Look Once)是一种实时目标检测算法,由 Joseph Redmon 等人在 2016 年首次提出。它通过将目标检测问题转化为单次回归问题,实现了高效且准确的目标检测。自 YOLO 最初发布以来,已经有多代改进版本,如 YOLOv2、YOLOv3、YOLOv4 和 YOLOv5,每一代都在性能和速度上有所...
1、PyTorch训练YOLOv11—环境搭建篇—Windows系统 一点提醒 如果是GeForce GTX 1050(算力61)等算力一般的显卡,不建议安装较新版本的软件,否则可能在onnx转engine时提示Unsupported SM:0x601等错误,这个是TensorRT版本过高导致的。 重新安装低版本的TensorRT 8.6.1时,又提示tensorrt-bindings 8.6.1无法安装,一查看到...
In this article we will discuss about YOLOv11, a highly efficient object detection model that offers faster speeds, improved accuracy, and seamless integrati…
YOLOv11的核心算法,引入了更多的卷积神经网络(CNN)层次结构,它通过不断地对输入图像进行多层次的特征提取,能够更准确地捕捉图像中的细节。YOLOv11在细粒度特征提取上的表现十分出色;不论是日常生活中的普通物品;还是一些极其相似的物体,它都能够准确识别,几乎没有错误。这让它在复杂环境中的应用,显得尤为可靠。 更...