2025年1月2日 · Experimental results on the VisDrone dataset show that the YOLOv8n model with these improvements improves 17.2%, 10.5%, and 16.2% in mean accuracy (mAP), precision (P), and recall (R),...

2024年11月28日 · 在无人机(uav)目标检测任务中，存在因检测目标尺度小、检测图像背景复杂等原因导致的漏检、误检问题。 针对上述问题，提出改进 YOLOv 8 s的 无人机 图像 目标检测 算法。

2024年11月27日 · VisDrone数据集是由天津大学等团队开源的一个大型无人机视角的数据集，官方提供的数据中训练集是6471、验证集是548、测试集1610张。数据集共提供了以下12个类，分别是：‘忽略区域’, ‘pedestrian’, ‘people’, ‘bicycle’, ‘car’, ‘van’,‘truck’, ‘tricycle’, ‘awning-tricycle’, ‘bus’, ‘motor’, ‘others’，其中忽略区域、others是非有效目标区域，本项目中予以忽略； **标签含义：** 1. 边界框左上角的x坐标. 2. 边界框左上角的y坐标. 3. 边界框的宽度. 4. 边界框的高度. 5. …

This repository provides checkpoints for YOLOv8, RT-DETR, and YOLOv10 models, each fine-tuned on the VisDrone dataset. These models are optimized specifically for detecting UAV (Unmanned Aerial Vehicle) images.

2025年1月22日 · 为了使用YOLOv8训练一个无人机（UAV）检测模型，并开发一个完整的系统，将覆盖从环境部署到数据预处理、模型定义、训练、评估及可视化和界面开发的所有步骤。 以下指南和代码示例。 1. 环境部署. 2. 数据预处理. 每个图像对应一个同名的.txt 文件作为标注文件，其中包含物体的位置信息（边界框坐标）和类别ID。 标签文件应只有一种类别，即 uav。 val: ./dataset/images/valid. nc: 1 # Number of classes (uav) names: ['uav'] 编写脚本将数据集划分 …

为了缓解上述问题，我们优化了YOLOv8，提出了一种基于无人机航空摄影场景的目标检测模型UAV-YOLOv8。 首先，利用 Wise-IoU (WIoU) v3作为边界盒回归损失，明智的梯度分配策略使模型更加关注公共质量样本，从而提高模型的定位能力。 其次，引入了一种称为BiFormer的注意机制来优化骨干网，提高了模型对关键信息的关注。 最后，我们设计了一个名为Focal FasterNet块 (FFNB)的特征处理模块，并在此基础上提出了两种新的检测尺度，使浅层特征和深层特征完 …

2024年11月4日 · LiDAR360 8.0是一款强大的激光雷达点云数据处理和分析平台，拥有超过10种先进的点云数据处理算法，可同时处理超过300G点云数据。平台包含丰富的编辑工具和自动航带拼接功能，可为地形、林业、矿山和电力行业（参考LiPowerline 5.0软...

2024年7月20日 · The results demonstrate that on the DUT Anti-UAV dataset, EDGS-YOLOv8 achieves an AP value of 0.971, which is 3.1% higher than YOLOv8n’s mAP, while maintaining a model size of only 4.23 MB. The research findings and methods outlined here are crucial for improving target detection accuracy and developing lightweight UAV models.

2023年8月15日 · To alleviate the above problems, we optimize YOLOv8 and propose an object detection model based on UAV aerial photography scenarios, called UAV-YOLOv8. Firstly, Wise-IoU (WIoU) v3 is used as a bounding box regression loss, and a wise gradient allocation strategy makes the model focus more on common-quality samples, thus improving the ...

2023年10月19日 · In order to solve the problems of high leakage rate, high false detection rate, low detection success rate and large model volume of small targets in the traditional target detection algorithm for Unmanned Aerial Vehicle (UAV) aerial images, a lightweight You Only Look Once (YOLO) v8 algorithm model Lightweight (LW)-YOLO v8 is proposed.