2025年2月21日 · The YOLO-ME model utilizes the path aggregation network (PANet) applied to the baseline YOLOv7 Tiny model to enhance feature extraction and improve information flow. The bottom-up path structure of PANet effectively propagates lower-level features upwards, making sure that intricate details are retained and leveraged in the higher layers.

YOLO-ME model is developed for efficient object detection in aerial imagery using modified YOLOv7 Tiny model Resources

YOLO（You Only Look Once）是一组实时物体检测机器学习算法。 物体检测是一种计算机视觉任务，它使用 神经网络 来定位和分类图像中的物体。 这项任务有广泛的应用，从 医学成像 到自动驾驶汽车。

2024年10月29日 · YOLO是一种具有革命性的 单阶段目标检测 算法，以其在速度和准确性之间的显著平衡而闻名。 文章由Momina Liaqat Ali和Zhou Zhang撰写，发表日期为2024年10月23日，是一篇未经过同行评审的预印本。 YOLO的发展历程： 从最初的 YOLOv1 到最新的YOLOv11，每一代版本都在特征提取、边界框预测和优化技术等方面引入了重要的创新。 这些改进特别是在骨干网络（backbone）、颈部（neck）和头部（head） 组件 上的进步，使得YOLO成为实时目标检 …

2025年2月21日 · To address this issue, this paper proposes the YOLO-ME model, developed based on the YOLOv7 Tiny architecture. The proposed model incorporates three major modifications, including adopting a...

2024年10月8日 · C3K2 模块 是 YOLO11 模型中的一种重要特征提取组件，是基于传统 C3 模块的改进设计。 它通过结合可变卷积核（例如 3x3、5x5 等）和通道分离策略，提供了更强大的特征提取能力，尤其适用于更复杂的场景和深层次的特征提取任务。 可变卷积核设计：相比于标准 C3 模块，C3K2 引入了多尺度的卷积核C3K，其中K为可调整的卷积核大小，如 3x3、5x5 等。 这种设计可以扩展感受野，使模型能够捕捉更广泛的上下文信息，尤其适合大物体检测或背景复杂的场 …

2025年2月5日 · YOLO (You Only Look Once) 是计算机视觉领域中最具影响力的实时目标检测算法之一，以其高精度与高效性深受业界青睐，广泛应用于自动驾驶、安防监控、医疗影像等领域。

2025年2月21日 · This paper introduces a novel pedestrian detection algorithm, YOLO-ESL, based on the YOLOv7 framework, which demonstrates strong performance in handling occluded and small object detection but also remarkable robustness and efficiency.

Experience seamless AI with Ultralytics HUB ⭐, the all-in-one solution for data visualization, YOLO11 🚀 model training and deployment, without any coding. Transform images into actionable insights and bring your AI visions to life with ease using our cutting-edge platform and user-friendly Ultralytics App. Start your journey for Free now!

2020年3月28日 · YOLO（You Only Look Once）是一种实时目标检测系统，通过单个神经网络预测目标边界框和类别。 文章详细介绍了YOLO的网络结构、算法流程，包括图像分割、网格处理和非极大值抑制等步骤，以及训练过程和损失函数的设计。 尽管YOLO存在一些不足，但它在目标检测领域的速度和效率使其成为热门选择。 YOLO（You Only Look Once: Unified, Real-Time Object Detection），是Joseph Redmon和Ali Farhadi等人于2015年提出的基于单个 神经网络 的目标 …