前言：Hello大家好，我是小哥谈。中秋佳节将至，除了赏月、品茶，最能代表这一传统节日的莫过于形色各异的月饼了。今年的中秋节，让我们用计算机视觉技术为节日增添一份科技趣味——手把手教你训练一个专属的月饼检测器，让AI帮你识别桌上的各式月饼！🌈 目录🚀1.算法介绍🚀2.模型训练🍀🍀2.1准备数据集🍀🍀2.2 创建yaml文件🍀🍀2.3 下载预训练权重🍀🍀2.4 新建Python文件🍀🍀2.5 调节参数🍀🍀2.6 开始训练🚀1.算法介绍长期以来，增强YOLO框架的网络架构一直至关重要，但主要集中在基于CNN的改进上，尽管注意力机制在建模能力上已被证明具有优越性。这是因为基于注意力的模型无法与基于CNN的模型在速度上匹敌。本文提出了一种以注意力为核心的YOLO框架，即YOLOv12，它在保持与之前基于CNN模型相当速度的同时，充分利用了注意力机制的性能优势。YOLOv12在准确性上超越了所有流行的实时目标检测器，同时保持了有竞争力的速度。例如，YOLOv12-N在T4 GPU上的推理延迟为1.64毫秒，达到了40.6%的mAP，比先进的YOLOv10-N / YOLOv1
前言：Hello大家好，我是小哥谈。中秋佳节将至，除了赏月、品茶，最能代表这一传统节日的莫过于形色各异的月饼了。今年的中秋节，让我们用计算机视觉技术为节日增添一份科技趣味——手把手教你训练一个专属的月饼检测器，让AI帮你识别桌上的各式月饼！🌈 目录🚀1.算法介绍🚀2.模型训练🍀🍀2.1准备数据集🍀🍀2.2 创建yaml文件🍀🍀2.3 下载预训练权重🍀🍀2.4 新建Python文件🍀🍀2.5 调节参数🍀🍀2.6 开始训练🚀1.算法介绍长期以来，增强YOLO框架的网络架构一直至关重要，但主要集中在基于CNN的改进上，尽管注意力机制在建模能力上已被证明具有优越性。这是因为基于注意力的模型无法与基于CNN的模型在速度上匹敌。本文提出了一种以注意力为核心的YOLO框架，即YOLOv12，它在保持与之前基于CNN模型相当速度的同时，充分利用了注意力机制的性能优势。YOLOv12在准确性上超越了所有流行的实时目标检测器，同时保持了有竞争力的速度。例如，YOLOv12-N在T4 GPU上的推理延迟为1.64毫秒，达到了40.6%的mAP，比先进的YOLOv10-N / YOLOv1
