说明：本专栏为YOLOV8和YOLOV9的使用以及改进的方法。平时比较忙，只能随缘回答问题哈，谨慎订阅！
💛 💙 💜 ❤️ 💚 💛 💙 💜 ❤️ 💚 💛 💙 💜 ❤️ 💚 💛 💙 💜 ❤️ 💚 💛 💙 💜 ❤️
一 YOLOv8
🚀🚀🚀 【YOLOv8[基础]】🚀🚀🚀
1 【YOLOv8】Yolov5和Yolov8网络结构的分析与对比
2 【YOLOV8】项目目录重点部分介绍和性能评估指标
3 【YOLOv8的使用】YOLOv8的训练/验证/预测/导出模型/ONNX模型的使用
4 【手把手实现】Yolov8使用自己准备的数据集训练模型实现火焰检测
5 【YOLOV8预测篇】使用Ultralytics YOLO进行检测、分割、姿态估计和分类实践
6 【YOLOV8追踪篇】使用Ultralytics YOLO进行物体追踪
🚀🚀🚀【YOLOv8改进[Neck]】🚀🚀🚀
1【YOLOv8改进[Neck]】小目标遮挡检测的性能提升（SEAM、MultiSEAM）
2 【YOLOv8改进[Neck]】使用BiFPN助力V8更优秀
🚀🚀🚀【YOLOv8改进[注意力]】 🚀🚀🚀
1 【YOLOv8改进[注意力]】YOLOv8添加可变形大核注意力- 有效涨点
2【YOLOv8改进[注意力]】小目标遮挡检测的性能提升（SEAM、MultiSEAM）
3 【YOLOv8改进[注意力]】YOLOv8添加DAT(Vision Transformer with Deformable Attention)
🚀🚀🚀【YOLOv8改进[Backbone]】🚀🚀🚀
1 【YOLOv8改进[Backbone]】使用ADNet改进YOLOv8在噪声干扰下的目标检测效果
2 【YOLOv8改进[Backbone]】使用SCINet改进YOLOv8在黑暗环境的目标检测效果
3 【YOLOv8改进[Backbone]】使用MobileNetV3助力YOLOv8网络结构轻量化并助力涨点
🚀🚀🚀【YOLOv8改进[Head检测头]】🚀🚀🚀
1 【YOLOv8改进[Head检测头]】YOLOv8换个RT-DETR head助力模型更优秀
2 【YOLOv8改进[检测头Head]】YOLOv8的“新头”之动态头（DynamicHead）
🚀🚀🚀【YOLOv8改进[Conv]】🚀🚀🚀
1 【YOLOv8改进[Conv]】使用OREPA助力V8更优秀
🚀🚀🚀【YOLOv8改进[损失函数]】🚀🚀🚀
1 【YOLOv8改进[损失函数]】使用结合InnerIoU和Focaler的各种损失函数助力YOLOv8更优秀
🚀🚀🚀【YOLOv8应用[项目]】🚀🚀🚀
1 【YOLOv8改进[遮挡检测]】小目标遮挡检测的性能提升（SEAM、MultiSEAM）
2 【YOLOv8改进[图像去噪]】使用ADNet改进YOLOv8在噪声干扰下的目标检测效果
3 【项目】使用Yolov8 + tesseract 实现“营业执照”信息解析（OCR）
4 【项目】使用Yolov8 + tesseract 实现身份证信息解析（OCR）
5 【YOLOv8改进[黑暗环境OD]】使用SCINet改进YOLOv8在黑暗环境的目标检测效果
6 【YOLOv8[实战]】使用YOLOv8进行车辆过线统计
💛 💙 💜 ❤️ 💚 💛 💙 💜 ❤️ 💚 💛 💙 💜 ❤️ 💚 💛 💙 💜 ❤️ 💚 💛 💙 💜 ❤️
二 YOLOv9
🚀🚀🚀 【YOLOv9[基础]】🚀🚀🚀
1 【YOLOv9】完胜V8的SOTA模型Yolov9(论文阅读笔记)
2 【YOLOv9】使用yolov9训练自己的数据集/验证 /推理 /参数分析
🚀🚀🚀【YOLOv9改进[Conv]】🚀🚀🚀
1 【YOLOv9改进[Conv]】使用基于Haar的小波变换Down_wt替换模型中的Conv和ADown 实践
2 【YOLOv9改进[Conv]】使用DualConv助力V9更优秀
3 【YOLOv9改进[Conv]】使用OREPA助力V9更优秀
🚀🚀🚀【YOLOv9改进[损失函数]】🚀🚀🚀
1 【YOLOv9改进[损失函数]】使用结合InnerIoU和Focaler的各种损失函数助力YOLOv9更优秀
2 【YOLOv9改进[损失函数]】使用MPDIou回归损失函数帮助YOLOv9模型更优秀
到此，本文分享的内容就结束啦！遇见便是缘，感恩遇见！！！💛 💙 💜 ❤️ 💚 💛 💙 💜 ❤️ 💚 💛 💙 💜 ❤️ 💚 💛 💙 💜 ❤️ 💚 💛 💙 💜 ❤️ 💚 💛 💙 💜 ❤️ 💚 💛 💙 💜 ❤️ 💚 💛 💙 💜 ❤️ 💚 💛 💙 💜 ❤️ 💚
