YOLOX-M的参数量相对于其他目标检测算法框架来说算是比较小的,由于其采用的是新型的模型设计和优化技术,使得其在保证精度的情况下,参数量相对较小。该算法框架的各个组件中,骨干网络占据了大部分的参数量。而YOLOX-M中使用的是CSPNet,其卷积层的参数量要比传统网络结构小得多,这也是YOLOX-M在参数量和效率上的...
YOLOX is a high-performance anchor-free YOLO, exceeding yolov3~v5 with MegEngine, ONNX, TensorRT, ncnn, and OpenVINO supported. Documentation: https://yolox.readthedocs.io/ - YOLOX/exps/default/yolox_m.py at main · datasection/YOLOX
YOLOv5n:这是 YOLOv5 系列中的一个变体,专为 Nano 设备(如 NVIDIA Jetson Nano)进行优化。YOLOv5n 在保持较快速度的同时,提供适用于边缘设备的准确度。
在YOLOv5中,S、M、L、X是用来表示不同的检测器尺寸或大小的标签。它们指的是YOLO检测器的不同变体,其主要区别在于其基础网络架构和输入图像的分辨率。 以下是它们的具体含义: 1. YOLOv5s(Small):这是YOLOv5中的最小尺寸变体。它具有相对较小的模型尺寸和输入图像分辨率,适用于低功耗设备或资源受限的环境。 2....
从训练结果的性能精度上看,YOLOv8m/l/x这三种模型的训练结果精度相差不大,并没有出现随着模型尺寸的增大,训练结果越来越好的情况。因此模型并不是尺寸越大,训练出来的性能效果越好。 针对此数据集,从最终性能来看,这5种网络模型使用YOLOv8m大小的模型尺寸,即可达到最高精度需求,无需选用尺寸更大的YOLOv8l/x模型...
玉米雄穗表型信息的获取对研究玉米长势及产量起着非常重要的作用,为实现复杂田间环境玉米雄穗的精确识别和计数,该研究使用无人机采集试验田的玉米雄穗影像,基于Faster R-CNN、SSD、YOLO_X目标检测模型,使用迁移学习方法实现玉米雄穗的高精...
YOLOX is a high-performance anchor-free YOLO, exceeding yolov3~v5 with MegEngine, ONNX, TensorRT, ncnn, and OpenVINO supported. Documentation: https://yolox.readthedocs.io/ - mkorzunowicz/YOLOX
type:yolo_nas name:yolo_nas_m-r20230615 display_name:YOLO-NAS-M Deci-AI model_path:https://github.com/CVHub520/X-AnyLabeling/releases/download/v0.1.0/yolo_nas_m.onnx nms_threshold:0.45 confidence_threshold:0.25 classes: -person
智能的水产养殖是我国水产养殖业未来发展的必经之路.本文使用摄像头实时采集鱼苗图像,利用YOLOX研究了鱼苗检测与计数方法.在水箱中鱼苗数量较大时,YOLOX鱼苗检测的准确率和召回率达到了96.99%和97.38%,比YOLOv3分别高出1.19%和5.38%.通过本文的方法判断实际鱼苗数,有效降低了人工计数中存在的准确率低,效率低,误差不...
《农业工程学报》2023年第39卷第4期刊载了昆明理工大学等单位吕志远、张付杰、魏晓明、黄媛、李晶晶与张钟莉莉的论文——“采用组合增强的YOLOX-ViT协同识别温室内番茄花果”。该研究由河北省重点研发计划项目(项目号:22327401D)等资助。 ...