精美的网站,网站免费高清素材软件,wordpress备份方法,片多多可以免费看电视剧吗目录
自我介绍
时间轴
收获
日常
成就
憧憬 自我介绍
希望您持续关注AI小怪兽的不断进化、打怪#xff01;#xff01;#xff01;
AI小怪兽#xff1a;1#xff09;YOLO骨灰级玩家#xff0c;YOLOv5、v7、v8优化创新#xff0c;复现计算机视觉顶会#xff0c;…
目录
自我介绍
时间轴
收获
日常
成就
憧憬 自我介绍
希望您持续关注AI小怪兽的不断进化、打怪
AI小怪兽1YOLO骨灰级玩家YOLOv5、v7、v8优化创新复现计算机视觉顶会创新科研涨点小能手2就职于智能制造与数智创新企业工业界项目落地、部署经验丰富为半导体、3C等行业部署过几十个项目 时间轴
第一篇基于YOLOv5的绝缘子检测当初只是想简单记录一下并没有想过在CSDN创作的想法 后续断断续续在CSDN更新过几篇主要还是记录为主项目级别实战为主 2023年3月13日 正式在CSDN进行创作 收获
在创作的过程中都有哪些收获?
获得了14000粉丝其中2600铁粉感谢各位的关注共发表375篇博客其中369篇发表于2023年所有博客算是一种积累、记录吧在工作中AI小怪兽也会翻看自己的博客快速进行项目开展认识了一些志同道合的好友也拓展了自己的视野和认知 日常
当前创作和你的工作、学习是如何的结合
创作已经是你生活的一部分了模型的魔改在日常项目中取得精度的提升也会第一时间发表在博客中 成就
最近部署的项目举例展开 请用代码块贴出来
在某客户工业缺陷检测项目中要求1GPU C部署2检测准确度99%以上单张推理耗时≤80ms难点样本数量少检测缺陷为小目标检测
检测目标 部署方案多头检测器大小缺陷一网打尽GiraffeDetWasserstein Distance Loss助力工业缺陷检测大幅提升产线检测能力
layers parametersGFLOPs mAP50mAP50-95paperYOLOv8n 16830058438.10.9360.772YOLOv8-goldYOLO359601512311.90.9450.787YOLOv8n_smallobject _CSPStage Wasserstein loss303295339612.50.9550.811
核心代码
# Ultralytics YOLO , GPL-3.0 license
# YOLOv8 object detection model with P3-P5 outputs. For Usage examples see https://docs.ultralytics.com/tasks/detect# Parameters
nc: 1 # number of classes
scales: # model compound scaling constants, i.e. modelyolov8n.yaml will call yolov8.yaml with scale n# [depth, width, max_channels]n: [0.33, 0.25, 1024] # YOLOv8n summary: 225 layers, 3157200 parameters, 3157184 gradients, 8.9 GFLOPss: [0.33, 0.50, 1024] # YOLOv8s summary: 225 layers, 11166560 parameters, 11166544 gradients, 28.8 GFLOPsm: [0.67, 0.75, 768] # YOLOv8m summary: 295 layers, 25902640 parameters, 25902624 gradients, 79.3 GFLOPsl: [1.00, 1.00, 512] # YOLOv8l summary: 365 layers, 43691520 parameters, 43691504 gradients, 165.7 GFLOPsx: [1.00, 1.25, 512] # YOLOv8x summary: 365 layers, 68229648 parameters, 68229632 gradients, 258.5 GFLOPs
# YOLOv8.0s backbone
backbone:# [from, repeats, module, args]- [-1, 1, Conv, [64, 3, 2]] # 0-P1/2- [-1, 1, Conv, [128, 3, 2]] # 1-P2/4- [-1, 3, C2f, [128, True]]- [-1, 1, Conv, [256, 3, 2]] # 3-P3/8- [-1, 6, C2f, [256, True]]- [-1, 1, Conv, [512, 3, 2]] # 5-P4/16- [-1, 6, C2f, [512, True]]- [-1, 1, Conv, [1024, 3, 2]] # 7-P5/32- [-1, 3, C2f, [1024, True]]- [-1, 1, SPPF, [1024, 5]] # 9# YOLOv8.0s head
head:- [-1, 1, nn.Upsample, [None, 2, nearest]]- [[-1, 6], 1, Concat, [1]] # cat backbone P4- [-1, 3, CSPStage, [512]] # 13- [-1, 1, nn.Upsample, [None, 2, nearest]]- [[-1, 4], 1, Concat, [1]] # cat backbone P3- [-1, 3, CSPStage, [256]] # 17 (P3/8-small)- [-1, 1, nn.Upsample, [None, 2, nearest]]- [[-1, 2], 1, Concat, [1]] # cat backbone P3- [-1, 3, CSPStage, [128]] # 20 (P4/16-medium)- [-1, 1, Conv, [256, 3, 2]]- [[-1, 15], 1, Concat, [1]] # cat head P4- [-1, 3, CSPStage, [256]] # 20 (P4/16-medium)- [-1, 1, Conv, [512, 3, 2]]- [[-1, 12], 1, Concat, [1]] # cat head P5- [-1, 3, CSPStage, [512]] # 23 (P5/32-large)- [-1, 1, Conv, [512, 3, 2]]- [[-1, 9], 1, Concat, [1]] # cat head P5- [-1, 3, CSPStage, [1024]] # 23 (P5/32-large)- [[18, 21, 24,27], 1, Detect, [nc]] # Detect(P3, P4, P5)
详见基于YOLOv8的端面小目标计数解决方案: 多头检测器小缺陷到大缺陷一网打尽的GiraffeDetWasserstein Distance Loss | 助力工业小目标缺陷检测-CSDN博客
憧憬
希望您继续持续关注AI小怪兽的不断进化、打怪
会在CSDN持续创作分享1)YOLOv5、v7、v8优化创新复现计算机视觉顶会创新科研2项目中实战经验和不同环境部署主要是C和C#
YOLOv5、v7、v8各个专栏会持续更新下去
强烈推荐以下专栏
YOLOv5/YOLOv7魔术师http://t.csdn.cn/ZjdwA
YOLOv8魔术师http://t.csdn.cn/cGMj2
YOLOv7高阶自研 http://t.csdnimg.cn/drage
YOLOv5/YOLOv7/YOLOv8最新改进大作战http://t.csdn.cn/ZkgsM
YOLO小目标检测http://t.csdn.cn/9VysZ Tips
您发布的文章将会展示至 里程碑专区 您也可以在 专区 内查看其他创作者的纪念日文章优质的纪念文章将会获得神秘打赏哦
