个人技术分享

YOLOv10介绍与推理--图片和视频演示（附源码）

例如，在 COCO 数据集上，YOLOv10-S 的速度是RT-DETR-R18 的 1.8 倍，而 YOLOv10-B 与 YOLOv9-C 相比，在性能相同的情况下，延迟减少了 46%，参数减少了 25%。YOLOv10是清华大学的研究人员在Ultralytics Python包的基础上，引入了一种新的实时目标检测方法，解决了YOLO 以前版本在后处理和模型架构方面的不足。然而，对 NMS 的依赖和架构上的低效阻碍了最佳性能的实现。利用一致的双重分配来消除对 NMS 的需求，从而减少推理延迟。

[深度学习]基于yolov8+bytetrack+pyqt5实现车辆进出流量统计+车辆实时测速实现

以前使用过yolov5+deepsort实现过车辆进出流量统计+车辆实时测速，可以看我往期视频，这回改成yolov8+bytetrack实现，实时性更好，原理和原来一样。基于yolov8+pyqt5实现车辆进出流量统计+车辆实时测速_哔哩哔哩_bilibili。车速=单位像素车速x像素偏移/((当前帧索引-车辆进入帧索引)x(1/FPS))车速=单位像素车速x像素偏移/(车辆当前位置时间-车辆进入时间)时间为电脑本地时间或者在线北京时间。

[数据集][目标检测]痤疮检测数据集VOC+YOLO格式915张1类别

数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件)特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理标注。标注类别名称:["cuochuang"]cuochuang 框数 = 11807。图片数量(jpg文件个数)：915。标注数量(xml文件个数)：915。标注数量(txt文件个数)：915。使用标注工具：labelImg。标注规则：对类别进行画矩形框。

YoloV9实战与改进——专栏目录

这里有一波Yolov9的升级大招，带你领略最新论文的精华！💥 什么注意力机制加持、卷积层大换血、Block设计革新、Backbone重磅升级、Head部分重塑，还有优化器全面升级，统统给你安排上了！真的是干货满满，让你有N种升级选择，总有一款适合你！我们还为你准备了专属QQ群，群里有大神答疑解惑，大家可以一起学习、一起进步！订阅后，输出你的订单号，马上就能入群嗨皮啦！订阅后，我可以手把手教你如何改进模型，并在论文中完美呈现！：目前已经更新了8篇，精彩内容源源不断，等你来探索！别犹豫了，赶快加入我们吧！

【YOLO改进】换遍主干网络之CVPR2024 微软新作StarNet：超强轻量级Backbone（基于MMYOLO）

2. 修改starnet.py中的forward函数，并且添加out_dices参数使其能够输出不同stage的特征向量。（元素乘法）在无需加宽网络下，将输入映射到高维非线性特征空间的能力。3. 将class StarNet注册并且在__init__()函数中进行修改。，在紧凑的网络结构和较低的能耗下展示了令人印象深刻的性能和低延迟。1. 在上文提到的仓库中下载imagenet/starnet.py。CVPR2024 Rewrite the Stars论文揭示了。4. 修改配置文件，

大创项目推荐 深度学习手势识别 - yolo python opencv cnn 机器视觉

🔥 优质竞赛项目系列，今天要分享的是🚩 **基于深度学习加驾驶疲劳与行为检测 **该项目较为新颖，适合作为竞赛课题方向，学长非常推荐！🥇学长这里给一个题目综合评分(每项满分5分)难度系数：4分工作量：3分创新点：5分🧿通过pip指令即可安装​在命令行中输入labelimg即可打开。