YOLOv8改进项目汇总-超全改进-ultralyticsPro介绍:订阅了《芒果YOLOv8原创改进专栏》的读者免费赠送,包括很多稀有改进

本文主要是介绍YOLOv8改进项目汇总-超全改进-ultralyticsPro介绍:订阅了《芒果YOLOv8原创改进专栏》的读者免费赠送,包括很多稀有改进,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

🔥🔥🔥专注于YOLOv8改进,NEW - YOLOv8 🚀 in PyTorch >, Support to improve Backbone, Neck, Head, Loss, IoU, LA, NMS and other modules🚀 Makes YOLOv8 improvements easy again

芒果出品

YOLOv8改进项目汇总-超全改进-ultralyticsPro项目
订阅了《芒果YOLOv8原创改进专栏》的读者免费赠送!!!

🚀该项目持续更新:内容包括:改进 新的标签分配策略、检测头Head、损失函数Loss、主干Backbone、Neck部分、分类损失函数、NMS改进、写作技巧、性能指标技巧

包括很多稀有改进

🌟 全新的YOLOv8改进项目ultralyticsPro来袭,最新改进点更新🚀2024

YOLOv8改进项目地址:https://github.com/iscyy/ultralyticsPro

bilibili视频教程链接:bilibili: https://space.bilibili.com/1532780812 (可 bilibili 私信)

在这里插入图片描述


改进YOLOv8项目

使用说明

该项目基于 官方的YOLOv8项目v8.1版本,使用稳定可靠,环境已配好,适合零基础小白以上的用户使用

  1. 🍈该《YOLOv8改进项目ultralyticsPro》基于官方ultralytics项目YOLOv8-最新稳定版本,兼容所有官方的更新
  2. 🍉订阅该《YOLOv8改进项目ultralyticsPro》即可获取本项目里面改进点对应的《核心代码模块文件》,加入《改进后的核心代码文件》就可以直接运行。保证本项目中已有的改进点都能正常运行实验
  3. 🥭目前该项目《ultralyticsPro》有部分改进为免费使用的,用户可以直接试用
  4. 🍊重点:支持该项目相关改进的答疑服务
  5. 🍌在此基础上新建了一个《芒果YOLOv8项目改进交流群》便于项目改进交流和答疑,并在群里同步更新新的内容, 之前在CSDN订阅过·YOLOv8深度改进专栏·和·剑指YOLOv8改进专栏·可以免费使用该项目
  6. 🌰新增以《视频教程》辅助来说明应该怎么改
  7. 🌟多任务改进篇:支持OBB旋转检测、姿态估计、图像分割任务、图像分类等各类改进
  8. 🎈该项目为YOLOv8改进项目, 目前为预售阶段,欢迎订阅,可以加芒果QQ:2434798737,或者点击链接 通过 👉bilibili哔哩哔哩 私信, 或者👉 CSDN: 博主 私信)进行订阅,订阅后,实时获取最新的已有的《改进的核心模块代码文件》
  9. 🏆已经订阅了的用户 可以进《ultralyticsPro改进YOLOv8交流群》 同时获取本项目剩下对应的《核心代码模块文件》
  10. 🏅️用户可以添加博主的联系方式 QQ:2434798737 ⭐⭐⭐(或者点击链接 通过 👉bilibili哔哩哔哩 私信, 或者👉 CSDN: 博主 私信)进行订阅
  11. 🚀该项目持续更新:内容包括:改进 新的标签分配策略、检测头Head、损失函数Loss、主干Backbone、Neck部分、分类损失函数、NMS改进、写作技巧、性能指标技巧

本项目持续维护,持续更新原创内容


项目相关链接

2.1 演示视频教程
  1. bilibili视频教程链接:bilibili: https://space.bilibili.com/1532780812 (可 bilibili 私信)
2.2 演示文档教程
  1. CSDN教程链接:CSDN: https://yoloair.blog.csdn.net/ (可 CSDN 私信)
  2. 博主 QQ 联系方式:2434798737(需要咨询/订阅该改进项目的用户可以添加)

订阅说明

目前为订阅制 ,现在内测阶段:价格比较优惠 ⭐⭐⭐ !!!⭐⭐⭐, 后续恢复为原价
(需要订阅的联系QQ:2434798737)

YOLOv8改进 - 目录(2024.03最新版本)

主项目在 UltralyticsPro 项目中,点击链接即可
GitHub - iscyy/ultralyticsPro: 🔥🔥🔥专注于改进YOLOv8模型,NEW - YOLOv8 🚀 RT-DETR 🥇 in PyTorch >, Support to improve backbone, neck, head, loss, IoU, NMS and other modules🚀


4.1. IoU损失函数改进

项目内容链接👉:ultralyticsPro/YOLOv8-Loss
说明:
YOLOv8损失函数Loss改进(ultralyticsPro)


4.2 检测头Head改进

项目内容链接👉:ultralyticsPro/YOLOv8-Head
说明:
YOLOv8检测头Head改进(ultralyticsPro)


4.3 主干网络改进Backbone

项目内容链接👉:ultralyticsPro/YOLOv8-Backbone
说明:
YOLOv8主干Backbone改进(ultralyticsPro)


4.4 特征融合网络改进Neck

项目内容链接👉:ultralyticsPro/YOLOv8-Neck
说明:
YOLOv8特征融合Neck改进(ultralyticsPro)

4.5 金字塔结构改进Neck

这部分比较简单,直接更新到ultralyticsPro项目中

4.6 标签分配策略改进

包含超多种 **自研结构,**以下改进 博主在 **公开小目标数据集VisDrone **上进行了实验并取得了 不错的效果


YOLOv8改进
《标签分配策略》
标签分配策略
核心配置文件yaml👇


**SimOTA **动态标签分配策略YOLOv8-SimOTA.yaml全网首发,独家
**YOLOv7 **标签分配策略YOLOv8-v7LA.yaml全网首发,独家
**YOLOv5 **标签分配策略YOLOv8-v5LA.yaml全网首发,独家
ATSS 动态标签分配策略YOLOv8-ATSS.yaml23年原创
NanoDet 动态标签分配策略YOLOv8-NanoDet.yaml全网首发,独家,原创
WDLA 动态标签分配策略YOLOv8-WDLA.yaml全网首发,独家,二次原创
**ATSS+TAL协同训练机制 **标签分配策略YOLOv8-ATSS_TAL.yaml全网首发,独家,二次原创
RFLA 动态标签分配策略YOLOv8-RFLA.yaml进行二次原创
Generalized Focal Loss 标签分配策略YOLOv8-GFL.yaml全网首发,独家
RTMDet 动态标签分配策略YOLOv8-RTMLA.yaml全网首发,独家
AlignOTA 动态标签分配策略YOLOv8-AlignOTA.yaml全网首发,独家
DynamicATSS 动态标签分配策略YOLOv8-DynamicATSS.yaml全网首发,独家
DW 双加权 动态标签分配策略YOLOv8-DW.yaml全网首发,独家
MuSu相互监督 标签分配策略YOLOv8-MuSu.yaml全网首发,独家


持续更新最新原创 标签分配策略 结构同步在该项目/文档中更新

更多 硬核 **标签分配策略 **改进 持续更新中…

说明:
可能有同学好奇,为什么是yaml的形式 来改进标签分配策略LA?

这是博主提出的一种比较新颖的改进方式关于使用不同《标签分配策略》训练
现在集成了直接在yaml网络配置文件中修改不同**《标签分配策略》**进行训练,只需要将 **LA:SimOTA **字段 改为对应的 标签分配策略名称, 即可 使用 ATSS动态标签分配策略 进行训练
比如 添加
LA:ATSS
或者
LA:SimOTA

即表示使用** SimOTA标签分配策略 **训练,非常方便,是目前第一个项目采用这种方式,很方便,且很容易记录实验情况。代码展示可展开,详情👇

# Ultralytics YOLO 🚀, AGPL-3.0 license
# YOLOv8 object detection model. More improvement points for YOLOv8, please see https://github.com/iscyy/ultralyticsPro# Parameters
nc: 80  # number of classes
scales: # model compound scaling constants, i.e. 'model=yolov8n.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 GFLOPs
s: [0.33, 0.50, 1024]  # YOLOv8s summary: 225 layers, 11166560 parameters, 11166544 gradients,  28.8 GFLOPs
m: [0.67, 0.75, 768]   # YOLOv8m summary: 295 layers, 25902640 parameters, 25902624 gradients,  79.3 GFLOPs
l: [1.00, 1.00, 512]   # YOLOv8l summary: 365 layers, 43691520 parameters, 43691504 gradients, 165.7 GFLOPs
x: [1.00, 1.25, 512]   # YOLOv8x summary: 365 layers, 68229648 parameters, 68229632 gradients, 258.5 GFLOPsloss: 'CIoU' # 举例,如果使用XIoU损失函数的话, 即修改对应的名称
newHead: 'LADH' # 举例,如果使用 检测头LADH 的话, 即修改对应的名称
LA:'SimOTA' # 举例,如果使用 SimOTA动态标签分配策略 的话, 即修改对应的名称# YOLOv8.0n 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# YOLOv8.0n head
head:
- [-1, 1, nn.Upsample, [None, 2, 'nearest']]
- [[-1, 6], 1, Concat, [1]]  # cat backbone P4
- [-1, 3, C2f, [512]]  # 12- [-1, 1, nn.Upsample, [None, 2, 'nearest']]
- [[-1, 4], 1, Concat, [1]]  # cat backbone P3
- [-1, 3, C2f, [256]]  # 15 (P3/8-small)- [-1, 1, Conv, [256, 3, 2]]
- [[-1, 12], 1, Concat, [1]]  # cat head P4
- [-1, 3, C2f, [512]]  # 18 (P4/16-medium)- [-1, 1, Conv, [512, 3, 2]]
- [[-1, 9], 1, Concat, [1]]  # cat head P5
- [-1, 3, C2f, [1024]]  # 21 (P5/32-large)- [[15, 18, 21], 1, Detect, [nc]]  # Detect(P3, P4, P5) # 这里使用的是检测头LADH

这篇关于YOLOv8改进项目汇总-超全改进-ultralyticsPro介绍:订阅了《芒果YOLOv8原创改进专栏》的读者免费赠送,包括很多稀有改进的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/930239

相关文章

springboot项目如何开启https服务

《springboot项目如何开启https服务》:本文主要介绍springboot项目如何开启https服务方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录springboot项目开启https服务1. 生成SSL证书密钥库使用keytool生成自签名证书将

将Java项目提交到云服务器的流程步骤

《将Java项目提交到云服务器的流程步骤》所谓将项目提交到云服务器即将你的项目打成一个jar包然后提交到云服务器即可,因此我们需要准备服务器环境为:Linux+JDK+MariDB(MySQL)+Gi... 目录1. 安装 jdk1.1 查看 jdk 版本1.2 下载 jdk2. 安装 mariadb(my

Node.js 数据库 CRUD 项目示例详解(完美解决方案)

《Node.js数据库CRUD项目示例详解(完美解决方案)》:本文主要介绍Node.js数据库CRUD项目示例详解(完美解决方案),本文给大家介绍的非常详细,对大家的学习或工作具有一定的参考... 目录项目结构1. 初始化项目2. 配置数据库连接 (config/db.js)3. 创建模型 (models/

springboot项目中常用的工具类和api详解

《springboot项目中常用的工具类和api详解》在SpringBoot项目中,开发者通常会依赖一些工具类和API来简化开发、提高效率,以下是一些常用的工具类及其典型应用场景,涵盖Spring原生... 目录1. Spring Framework 自带工具类(1) StringUtils(2) Coll

Pytest多环境切换的常见方法介绍

《Pytest多环境切换的常见方法介绍》Pytest作为自动化测试的主力框架,如何实现本地、测试、预发、生产环境的灵活切换,本文总结了通过pytest框架实现自由环境切换的几种方法,大家可以根据需要进... 目录1.pytest-base-url2.hooks函数3.yml和fixture结论你是否也遇到过

Spring Boot项目部署命令java -jar的各种参数及作用详解

《SpringBoot项目部署命令java-jar的各种参数及作用详解》:本文主要介绍SpringBoot项目部署命令java-jar的各种参数及作用的相关资料,包括设置内存大小、垃圾回收... 目录前言一、基础命令结构二、常见的 Java 命令参数1. 设置内存大小2. 配置垃圾回收器3. 配置线程栈大小

Spring Boot项目中结合MyBatis实现MySQL的自动主从切换功能

《SpringBoot项目中结合MyBatis实现MySQL的自动主从切换功能》:本文主要介绍SpringBoot项目中结合MyBatis实现MySQL的自动主从切换功能,本文分步骤给大家介绍的... 目录原理解析1. mysql主从复制(Master-Slave Replication)2. 读写分离3.

一文教你如何将maven项目转成web项目

《一文教你如何将maven项目转成web项目》在软件开发过程中,有时我们需要将一个普通的Maven项目转换为Web项目,以便能够部署到Web容器中运行,本文将详细介绍如何通过简单的步骤完成这一转换过程... 目录准备工作步骤一:修改​​pom.XML​​1.1 添加​​packaging​​标签1.2 添加

tomcat多实例部署的项目实践

《tomcat多实例部署的项目实践》Tomcat多实例是指在一台设备上运行多个Tomcat服务,这些Tomcat相互独立,本文主要介绍了tomcat多实例部署的项目实践,具有一定的参考价值,感兴趣的可... 目录1.创建项目目录,测试文China编程件2js.创建实例的安装目录3.准备实例的配置文件4.编辑实例的

MySQL中慢SQL优化的不同方式介绍

《MySQL中慢SQL优化的不同方式介绍》慢SQL的优化,主要从两个方面考虑,SQL语句本身的优化,以及数据库设计的优化,下面小编就来给大家介绍一下有哪些方式可以优化慢SQL吧... 目录避免不必要的列分页优化索引优化JOIN 的优化排序优化UNION 优化慢 SQL 的优化,主要从两个方面考虑,SQL 语