0、引言硬件配置：使用Mobaxterm_personal_21.4远程操控3060服务器（Linux系统），CUDA版本11.7。使用anaconda作为python环境环境，python为3.8版本。（最好使用3.8版本）本文最终安装的pytorch版本是1.13.1，torchvision版本是0.14.1，其他的依赖库按照requirements.txt文件安装即可。YOLOv8创新点：🍺🍺🍺1😃Backbone。使用的依旧是CSP的思想，不过YOLOv5中的C3模块被替换成了C2f模块，实现了进一步的轻量化，同时YOLOv8依旧使用了YOLOv5等架构中使用的SPPF模块；2😁PAN
0、引言硬件配置：使用Mobaxterm_personal_21.4远程操控3060服务器（Linux系统），CUDA版本11.7。使用anaconda作为python环境环境，python为3.8版本。（最好使用3.8版本）本文最终安装的pytorch版本是1.13.1，torchvision版本是0.14.1，其他的依赖库按照requirements.txt文件安装即可。YOLOv8创新点：🍺🍺🍺1😃Backbone。使用的依旧是CSP的思想，不过YOLOv5中的C3模块被替换成了C2f模块，实现了进一步的轻量化，同时YOLOv8依旧使用了YOLOv5等架构中使用的SPPF模块；2😁PAN
如果第一次部署分割,建议先看这篇博客:YOLOv5实例分割用OPenCVDNNC++部署_爱钓鱼的歪猴的博客-CSDN博客目录Pre一、OpenCVDNNC++部署二、ONNXRUNTIMEC++部署yolov8_seg_utils.hyolov8_seg_utils.cppyolov8_seg_onnx.hyolov8_seg_onnx.cppmain.cppCMakelist.txtPre一定要知道，yolov8的输出与Yolov57.0实例分割的输出不一样，output0:float32[1,116,8400]。116是4个box坐标信息+80个类别概率+32个mask系数output1
💡该教程为改进入门指南，属于《芒果书》📚系列，包含大量的原创首发改进方式,所有文章都是全网首发原创改进内容🚀💡本篇文章基于YOLOv5、YOLOv7芒果改进YOLO系列：YOLOv7改进IoU损失函数：YOLOv7涨点Trick，改进添加SIoU损失函数、EIoU损失函数、GIoU损失函数、α-IoU损失函数、打造全新YOLOv7检测器。重点：🔥🔥🔥有不少同学已经反应有效涨点!!!🌟其他改进内容：CSDN原创YOLO进阶目录|《芒果改进YOLO进阶指南》推荐！最全《芒果书📚》改进目录：YOLOv5改进、YOLOv7改进（芒果书系列）目录一览｜原创YOLO改进模型全系列目录|人工智能专家老师联袂
💡该教程为改进入门指南，属于《芒果书》📚系列，包含大量的原创首发改进方式,所有文章都是全网首发原创改进内容🚀💡本篇文章基于YOLOv5、YOLOv7芒果改进YOLO系列：YOLOv7改进IoU损失函数：YOLOv7涨点Trick，改进添加SIoU损失函数、EIoU损失函数、GIoU损失函数、α-IoU损失函数、打造全新YOLOv7检测器。重点：🔥🔥🔥有不少同学已经反应有效涨点!!!🌟其他改进内容：CSDN原创YOLO进阶目录|《芒果改进YOLO进阶指南》推荐！最全《芒果书📚》改进目录：YOLOv5改进、YOLOv7改进（芒果书系列）目录一览｜原创YOLO改进模型全系列目录|人工智能专家老师联袂
环境windows1064bitpython3.8pytorch1.7.1+cu101简介前面，我们介绍过基于YOLOv5和DeepSort的目标跟踪，最近大神又在刚出的YOLOv7的基础上加上了目标跟踪，跟踪部分使用的是基于OSNet的StrongSORT，项目地址:https://github.com/mikel-brostrom/Yolov7_StrongSORT_OSNet。源码下载首先去下载源码，目前作者已经发布了v1.0正式版，我们就用它# 使用参数-b下载特定tag的源码，--recurse-submodules参数是为了递归下载根目录下的子项目，这里有yolov7，它是从官方的
环境windows1064bitpython3.8pytorch1.7.1+cu101简介前面，我们介绍过基于YOLOv5和DeepSort的目标跟踪，最近大神又在刚出的YOLOv7的基础上加上了目标跟踪，跟踪部分使用的是基于OSNet的StrongSORT，项目地址:https://github.com/mikel-brostrom/Yolov7_StrongSORT_OSNet。源码下载首先去下载源码，目前作者已经发布了v1.0正式版，我们就用它# 使用参数-b下载特定tag的源码，--recurse-submodules参数是为了递归下载根目录下的子项目，这里有yolov7，它是从官方的
一、用anaconda配的环境1、Anaconda安装官网自查2、Anaconda创建环境condacreate-n环境名python=3.7注意：如果出现conda命令不出来，请重新配置conda的电脑环境变量参考文章：(35条消息)‘conda‘不是内部或外部命令，也不是可运行的程序或批处理文件。_conda’不是内部或外部命令_北极的三哈的博客-CSDN博客Anaconda安装包慢记得换源3、Cuda安装：官网：CUDAToolkit11.3Downloads|NVIDIADeveloper下载11.3版本4、pytorch安装1.11版本在开始中找到anaconda3打开anacond
1YoLoV4环境搭建直接下载，然后解压，最后移动到JetsonTX2NX，如图所示，darknet下载链接:https://github.com/AlexeyAB/darknet将解压的文件复制到JetsonTX2NX，如图所示：下载yolov4.weights权重文件，如图所示：将权重文件yolov4.weights拷贝至darknet目录下，如图所示：依次输入命令，修改MakefilecddarknetsudovimMakefile如图所示：进入Makefile之后，输入i进入编辑模式，将Makefile文件进行如下修改GPU=1CUDNN=1OPENCV=1如图所示，然后按Esc，退出
一、空间金字塔池化SPP#SPP结构，利用不同大小的池化核进行池化5*59*913*13#先构建kernel_size=5,stride=1,padding=2的最大池化层#再构建kernel_size=9,stride=1,padding=4的最大池化层#再构建kernel_size=13,stride=1,padding=6的最大池化层#池化后堆叠#---------------------------------------------------#classSpatialPyramidPooling(nn.Module):def__init__(self,pool_sizes=[5,
