YOLO训练/写作脚本目录一览 | 涉及标签格式转换、数据扩充、热力图、感受野、精度曲线、数量统计等近百个脚本文件

简介: YOLO训练/写作脚本目录一览 | 涉及标签格式转换、数据扩充、热力图、感受野、精度曲线、数量统计等近百个脚本文件

必读内容📖

1️⃣ 本专栏旨在更新YOLO模型训练及写作过程中,所有需要可视化查看模型效果的脚本文件。订阅后赠送用于RT-DETR的脚本文件

2️⃣ 涵盖的脚本文件涉及范围广,包括但不限于感受野可视化热力图可视化COCO指标输出数据扩充标签格式转换精度损失曲线美化...均为可执行的单独文件

3️⃣ 专栏内容持续更新,满足您的训练及写作需求~


专栏购买链接:YOLO训练/写作脚本——丰富文章内容,增强实验信服力,助力发文!!!

🍀训练前🍀

通用脚本

格式转换

1、标签转换脚本 - COCO格式转YOLO格式,即coco2yolo,json2txt 附COCO及YOLO标签格式详解🌟
2、标签转换脚本 - VOC格式转YOLO格式,即voc2yolo,xml2txt 附VOC及YOLO标签格式详解🌟
3、标签转换脚本 - COCO格式转VOC格式,即coco2voc,json2xml 附COCO及VOC标签格式详解🌟
4、标签转换脚本 - VOC格式转COCO格式,即voc2ycoco,xml2json 附VOC及COCO标签格式详解🌟
5、标签转换脚本 - YOLO格式转VOC格式,即yolo2voc,txt2xml 附YOLO及VOC标签格式详解🌟
6、标签转换脚本 - YOLO格式转COCO格式,即yolo2coco,txt2json 附YOLO及COCO标签格式详解🌟

数据增强与划分

1、YOLO训练前一键扩充数据集,支持9种扩充方法,支持图像和标签同步扩充🌟
2、高级图像增强——模拟雨天,雾,雪,阳光,阴影,运动模糊,畸变等14种效果,同步扩充标签文件🌟
3、YOLO模型训练前的准备,将数据集划分成训练集、测试集验证集(附完整脚本及使用说明)🌟
## 其它
1、统计数据集中大、中、小目标数量,附完整代码和详细使用步骤🌟

🍀训练后🍀

通用脚本

1、绘制YOLO模型在训练过程中,精准率,召回率,mAP_0.5,mAP_0.5:0.95,以及各种损失的变化曲线🌟

YOLOv11专用脚本

1、YOLOv11输出模型每一层的耗时和GFLOPs,深入比较每一层模块的改进效果🌟 2、YOLOv11热力图可视化,支持指定模型,指定显示层,设置置信度,以及10种可视化实现方式🌟
## YOLOv10专用脚本

1、YOLOv10输出模型每一层的耗时和GFLOPs,深入比较每一层模块的改进效果🌟
## YOLOv9专用脚本

1、YOLOv9输出模型每一层的耗时和GFLOPs,深入比较每一层模块的改进效果 2、YOLOv9热力图可视化,支持指定模型,指定显示层,设置置信度,以及10种可视化实现方式 3、YOLOv9修改检测框颜色,粗细,标签大小,标签名称

YOLOv8专用脚本

1、YOLOv8输出模型每一层的耗时和GFLOPs,深入比较每一层模块的改进效果🌟 2、YOLOv8热力图可视化,支持指定模型,指定显示层,设置置信度,以及10种可视化实现方式🌟
## RT-DETR专用脚本

1、RT-DETR输出模型每一层的耗时和GFLOPs,深入比较每一层模块的改进效果🌟 2、RT-DETR热力图可视化,支持指定模型,指定显示层,设置置信度,以及10种可视化实现方式🌟

其它

1、利用KMeans重新计算自己数据集的anchor,更易涨点🌟 2、YOLOv7输出层之间的热力图🌟
相关文章
|
机器学习/深度学习 数据可视化 算法
YOLOv8改进目录一览 | 涉及卷积层、轻量化、注意力、损失函数、Backbone、SPPF、Neck、检测头等全方位改进
YOLOv8改进目录一览 | 涉及卷积层、轻量化、注意力、损失函数、Backbone、SPPF、Neck、检测头等全方位改进
1661 6
YOLOv8改进目录一览 | 涉及卷积层、轻量化、注意力、损失函数、Backbone、SPPF、Neck、检测头等全方位改进
|
计算机视觉
YOLOv11改进策略【Neck】| GFPN 超越BiFPN 通过跳层连接和跨尺度连接改进v11颈部网络
YOLOv11改进策略【Neck】| GFPN 超越BiFPN 通过跳层连接和跨尺度连接改进v11颈部网络
2733 10
YOLOv11改进策略【Neck】| GFPN 超越BiFPN 通过跳层连接和跨尺度连接改进v11颈部网络
YOLOv11改进策略【损失函数篇】| 通过辅助边界框计算IoU提升检测效果(Inner_GIoU、Inner_DIoU、Inner_CIoU、Inner_EIoU、Inner_SIoU)
YOLOv11改进策略【损失函数篇】| 通过辅助边界框计算IoU提升检测效果(Inner_GIoU、Inner_DIoU、Inner_CIoU、Inner_EIoU、Inner_SIoU)
1402 4
YOLOv11改进策略【损失函数篇】| 通过辅助边界框计算IoU提升检测效果(Inner_GIoU、Inner_DIoU、Inner_CIoU、Inner_EIoU、Inner_SIoU)
|
机器学习/深度学习 数据可视化 算法
YOLOv11改进目录一览 | 涉及卷积层、轻量化、注意力、损失函数、Backbone、SPPF、Neck、检测头等全方位改进
YOLOv11改进目录一览 | 涉及卷积层、轻量化、注意力、损失函数、Backbone、SPPF、Neck、检测头等全方位改进
2164 7
YOLOv11改进目录一览 | 涉及卷积层、轻量化、注意力、损失函数、Backbone、SPPF、Neck、检测头等全方位改进
|
编解码 异构计算
YOLOv11改进策略【Neck】| BiFPN:双向特征金字塔网络-跨尺度连接和加权特征融合
YOLOv11改进策略【Neck】| BiFPN:双向特征金字塔网络-跨尺度连接和加权特征融合
3714 7
YOLOv11改进策略【Neck】| BiFPN:双向特征金字塔网络-跨尺度连接和加权特征融合
|
机器学习/深度学习 资源调度 算法
YOLOv11改进策略【损失函数篇】| 引入Soft-NMS,提升密集遮挡场景检测精度,包括GIoU-NMS、DIoU-NMS、CIoU-NMS、SIoU-NMS、 EIou-NMS
YOLOv11改进策略【损失函数篇】| 引入Soft-NMS,提升密集遮挡场景检测精度,包括GIoU-NMS、DIoU-NMS、CIoU-NMS、SIoU-NMS、 EIou-NMS
4733 6
|
Serverless 计算机视觉
YOLOv11改进策略【小目标改进】| Shape-NWD:融合改进,结合Shape-IoU和NWD 更好地适应小目标特性
YOLOv11改进策略【小目标改进】| Shape-NWD:融合改进,结合Shape-IoU和NWD 更好地适应小目标特性
2156 9
|
机器学习/深度学习 编解码 计算机视觉
YOLOv11改进策略【注意力机制篇】| Mixed Local Channel Attention (MLCA) 同时融合通道、空间、局部信息和全局信息的新型注意力
YOLOv11改进策略【注意力机制篇】| Mixed Local Channel Attention (MLCA) 同时融合通道、空间、局部信息和全局信息的新型注意力
874 1
YOLOv11改进策略【注意力机制篇】| Mixed Local Channel Attention (MLCA) 同时融合通道、空间、局部信息和全局信息的新型注意力
|
编解码 计算机视觉
YOLOv11改进策略【YOLO和Mamba】| 替换骨干 Mamba-YOLOv11-T !!! 最新的发文热点
YOLOv11改进策略【YOLO和Mamba】| 替换骨干 Mamba-YOLOv11-T !!! 最新的发文热点
2002 7
YOLOv11改进策略【YOLO和Mamba】| 替换骨干 Mamba-YOLOv11-T !!! 最新的发文热点
|
机器学习/深度学习 计算机视觉 iOS开发
YOLOv11改进策略【模型轻量化】| 替换骨干网络 CVPR-2024 RepViT 轻量级的Vision Transformers架构
YOLOv11改进策略【模型轻量化】| 替换骨干网络 CVPR-2024 RepViT 轻量级的Vision Transformers架构
884 12