例如我用yolov8s.pt预训练,它也会自动加载yolov8n.pt,因为yolov8n.pt是基础模型,其他的s,m,l,x都是在此基础上修改的网络大小,只有yolov8n是原始的那个。然后模型方面,只要不是用的yolov8n.pt预训练的,都会额外下载这个yolov8n.pt。yaml文件读取路径的时候,个人猜测是依靠替换字符串找标签的,然后就能直接载入数据了。这里要保证两个对齐,

现代自动驾驶系统被描述为顺序执行的模块化任务，即感知、预测和规划。为了执行各种任务并实现高级别智能，当前的方法要么为每个任务部署独立的模型，要么设计带有独立头的多任务范式。然而，这些方法可能会受到累积错误或任务协调不足的影响。本文提出了一种理想的框架，即应当设计和优化以实现自动驾驶汽车的最终目标，即规划。为此，我们重新审视了感知和预测中的关键组件，并优先考虑这些任务，使它们有助于规划。

Oriented R-CNN 模型基于HRSC2016 数据集 L2 L3 task

背景win11系统wsl虚拟机Ubuntu下GTX1060显卡cuda 10.1python 3.8耗时 两个小时。

使用yolov5进行自己数据集的目标检测，以及使用yolov5自带的detect.py实现数据集的半自动标注

使用yolov8编写的目标检测GUI界面

【代码】yolov8使用opencv 调用摄像头，实时目标检测，左上角显示帧率。

使用ultralytics框架运行yolov8，RTDETR