目标检测标签_DAMO开发者矩阵

目标检测

点云标注-目标检测

面向自动驾驶与机器人具身智能的点云标注平台，支持目标检测与语义分割，涵盖标注、审核、质检、验收全流程，可配置化管理。具备目标ID跨帧追踪、批注/修复、标签属性灵活配置等功能，助力高效数据标注与算法训练。

weixin_46691849
14小时前

 144

 2

#目标检测 #人工智能 #计算机视觉
IMU的漂移有多严重？加速度计、陀螺仪、磁力计的标定实战

IMU标定的精度直接决定了机器人姿态估计的精度。姿态估计又是视觉定位、SLAM、运动控制的基础。一个具体的链路：IMU提供姿态角→姿态角用于将相机坐标系下的目标位置转换到世界坐标系→如果IMU有1°的姿态误差，一个5米外的目标在水平方向上的定位误差就会达到约8.7厘米。对于抓取任务来说，这个误差已经足以导致抓取失败。这也是为什么在端侧视觉定位系统中，IMU标定的重要性不亚于视觉模型本身的精度。

OmAgentVLX
2026-09-29 14:33:55

 306

 1

#人工智能 #机器人 #计算机视觉 +2
环境声音识别数据集 | 2000张YOLO声音分类数据集

本数据集包含约2000张高质量声音频谱图像，覆盖50类环境声音事件，涵盖动物叫声、自然声、人类活动与机械声四大场景，采用YOLO标准格式标注，支持多模态深度学习模型训练。数据结构规范，适配YOLOv5-v12及CNN等框架，适用于智能家居、安防监控、机器人听觉等场景，具备类别均衡、标注精准、即用性强等优势，是开展环境声音识别与智能听觉感知研究的理想资源。

一键难忘
2026-09-28 23:52:31

 170

 1

#目标检测 #人工智能
电力设备目标检测数据集 | 电力设备变电站巡检部件识别目标检测 YOLO格式 9127期

本数据集专注于变电站场景下多类电力设备的视觉检测，服务于电力巡检、设备状态评估及运维管理。数据涵盖16类变电站核心设备部件，适配无人机巡检、机器人巡检及固定监控的自动化识别应用。

鸭蛋粉
2026-09-28 10:26:33

 173

 1

#目标检测 #人工智能 #计算机视觉 +1
YOLO算法农田土壤表面幼苗目标检测数据集1714张

YOLO农田土壤表面幼苗目标检测数据集专为农业智能化监测与自动化管理设计，其名称直接指向了在农业生产中对幼苗的识别需求。该数据集聚焦于农田环境中土壤表面的幼苗目标，适用于精准农业、智能农机、植物生长监测等场景。通过该数据集训练的模型可辅助农民或农业机器人快速定位幼苗位置，从而实现精准施肥、灌溉和病虫情防治，提升农业生产效率。数据集的构建体现了计算机视觉技术在现代农业中的深度融合与实际应用价值。

guo_xiao_xiao_
2026-09-28 08:41:50

 198

 3

#算法 #目标检测
辣椒成熟度检测数据集 | 辣椒成熟度智能采摘分拣质检智慧农业9122期

本数据集专注于辣椒成熟度与品质状态的视觉检测，服务于智慧农业、自动化采摘及分拣质量控制。数据涵盖三种典型辣椒状态，适配采摘机器人、分拣流水线及仓储质检等应用。

鸭蛋粉
2026-09-26 15:30:00

 155

 2

#目标检测 #深度学习
激光雷达的四种技术路线：机械式、MEMS、OPA和FMCW

如果说相机是机器人的“眼睛”，激光雷达就是机器人的“触角”——它用激光束主动探测周围空间，直接获取精确的三维距离信息。但在“如何让激光扫描空间”这个问题上，四种技术路线给出了完全不同的答案。这篇文章从物理原理出发，横向对比机械式、MEMS、OPA和FMCW四种LiDAR技术路线的工程成熟度，帮你理解它们各自适合什么场景。

OmAgentVLX
2026-09-24 11:03:56

 301

 3

#机器人 #人工智能 #计算机视觉 +3
葡萄园行间分割数据集 | 葡萄园行间语义分割自主导航农业机器人精准农业9103期

本数据集专注于葡萄园行间自主导航所需的语义分割，服务于农业机器人、精准农业及自动化植保。数据采集自真实葡萄园行间，涵盖不同天气、时段及地形条件，适配机器人视觉导航、行间路径识别及避障等应用。

鸭蛋粉
2026-09-21 20:42:53

 194

 1

#目标检测 #目标跟踪 #人工智能 +1
高校 AI 教研参考｜大模型智能体与具身智能完整技术学习路线

当前大模型 Agent、具身智能技术迭代快，很多高校老师面临新课备课缺少完整实战案例、源码实验环境不足的难题。本文梳理大模型智能体、视觉大模型 + 具身智能完整技术栈，同时分享面向高校教师的线上实战研修项目，覆盖 Transformer、RAG、MCP、多智能体、SAM、ROS‑SLAM、VLA 等内容，配套完整源码与实验案例，可服务课程建设与科研原型开发。

山东巨特信息张存瑞
2026-09-21 13:30:01

 124

 1

#人工智能 #计算机视觉 #机器学习 +2
【机械臂操作系列】从拿刀切割开始：机器人完成真实操作任务需要解决哪些问题？

机械臂完成切割任务需解决工具安装、视觉定位、坐标转换、运动规划与双臂协同等问题。本文以刀具固定安装为起点，探讨如何通过手眼标定实现刀尖精准定位，并构建从视觉感知到动作执行的完整链路，为后续力控与协同操作奠定基础。

爱吃胡萝卜的小盒子
2026-09-16 16:47:05

 86

#人工智能 #深度学习 #pytorch +1
电力设备漏油检测数据集 | 电力巡检漏油检测设备缺陷目标检测 YOLO格式小样本学习9077期

本数据集专注于电力设备漏油缺陷的视觉识别，服务于变电站智能巡检、设备故障预警及运维管理。数据采集自真实电力设备现场，涵盖不同光照与设备位置下的漏油场景，适配巡检机器人、无人机及固定摄像头在线监测等应用。

鸭蛋粉
2026-09-16 14:29:27

 159

 1

#目标检测 #人工智能 #计算机视觉
码垛机器人YOLO视觉定位完整实战：从目标检测、手眼标定到坐标转换全流程落地

优先排查三个问题：标定板是否和抓取面共面、相机是否有轻微晃动、机器人末端TCP是否标定准确。很多人忽略TCP标定，机器人本身的工具坐标误差会直接叠加到视觉定位结果上。码垛机器人视觉定位的核心不是“用YOLO识别出目标”，而是建立一套稳定、可复现的坐标映射体系。从相机标定、手眼标定到坐标转换，每一步的误差都会最终叠加到抓取精度上。实际落地时，不要过度追求模型精度，而要把更多精力放在标定验证、现场光照

 shanwei_spider
2026-09-15 06:15:00

 276

 1

#人工智能 #开发语言 #python +2
YOLO办公桌面与日常书写场景笔目标检测数据集-2535张

该数据集专注于办公桌面与日常书写场景中的笔类目标检测任务，名称中明确指出其应用场景。从类别推测，数据集中可能包含“笔”和“其他物品”两类对象，或者更具体地涵盖不同类型的笔（如钢笔、圆珠笔、铅笔等），也可能将“笔”与其他常见办公用品进行区分。此数据集适用于需要识别和定位笔类物体的智能办公系统、自动化文档处理、桌面机器人导航等实际应用，尤其适合用于开发能够理解办公环境并执行相关操作的视觉系统。数据集共

 guo_xiao_xiao_
2026-09-12 09:20:21

 191

 1

#目标检测 #目标跟踪
蚊子目标检测数据集：YOLO+VOC双格式7651张图像训练实践

目标检测是计算机视觉的核心任务，而高质量数据集往往比模型结构更决定项目成败。针对蚊虫这类小目标，通用数据集难以满足需求，因为目标尺寸小、背景复杂，对标注格式和增强策略要求更高。YOLO与VOC作为两种主流标注格式，分别适配不同训练框架；数据增强通过几何变换、颜色扰动等手段扩充样本，能显著提升模型在小目标、多光照场景下的鲁棒性。在智能驱蚊设备、公共卫生监测等落地应用中，规范的多尺度数据集可直接用于训

 无可就是九头鸟
2026-09-07 15:12:00

 282

 7

#目标检测
红外热成像人员检测数据集 |红外检测白热模式人员检测夜间监控目标检测 YOLO格式深度学习数据集计算机视觉9067期

红外热成像人员检测数据集 |红外检测白热模式人员检测夜间监控目标检测 YOLO格式深度学习数据集计算机视觉9067期数据集概述本数据集专注于白热模式红外热成像中的人员目标检测，服务于夜间安防、自动驾驶及应急救援。数据以白热化灰度风格呈现，适配低光照与无光环境下的人员识别与定位应用。数据集核心信息数据要素详细说明类别共 1 类：人员（标注中可能存在重复类别名称，建议合并）数量2900 张

 鸭蛋粉
2026-09-08 15:13:38

 252

 6

#计算机视觉 #目标检测 #深度学习 +1
6580张VOC格式人员持刀数据集：目标检测与YOLOv8训练实践

目标检测作为计算机视觉的核心任务，其模型性能高度依赖训练数据的质量与标注格式的规范性。在众多标注格式中，Pascal VOC凭借清晰的目录结构和XML描述，成为通用性与可读性兼备的中间格式，广泛应用于YOLO、COCO等检测框架的数据转换。对于安防监控中的“人员持刀”预警场景，通用数据集因尺度、视角和形态差异难以直接使用，需要专门构建贴近真实监控视角的数据集，并通过数据标注、预处理与增强策略解决小

 努力忏悔修行
2026-09-07 11:03:21

 311

 2

#目标检测
用Python+OpenCV搭建乒乓球比赛视频分析系统：目标检测与轨迹跟踪实战

计算机视觉在体育分析领域的应用日益深入，目标检测与轨迹跟踪是其中的核心技术。通过帧差法、透视变换等图像处理原理，可以将比赛视频中的运动目标提取为可量化的轨迹数据，进而转化为落点分布、线路偏好等战术指标。这类技术广泛应用于赛事复盘、运动员训练辅助和对手特征分析等场景，帮助教练团队从主观经验判断走向数据驱动的决策。本文以乒乓球比赛视频为例，介绍如何基于Python、OpenCV和深度学习模型构建一套最

 Hjm7
2026-09-01 10:47:13

 303

 10

#计算机视觉 #目标检测
YOLOv11 FPGA实时目标检测系统设计与落地实践

目标检测是边缘智能的核心任务，其硬件部署需兼顾低延迟、低功耗与高鲁棒性。FPGA凭借可定制数据通路和确定性时序，成为工业质检、车载ADAS等严苛场景的理想载体。YOLOv11作为社区演进的轻量化Anchor-free模型，通过动态Head、深度可分离卷积与Center-ness预测等硬件友好设计，显著降低DSP与LUT资源消耗。结合Vivado进行AXI-Stream协议级协同建模，并依托Viti

马蕾医生
2026-09-02 16:59:21

 285

 8

#目标检测
YOLO-Master工程:experts.py 专家结构详解与目标检测专家设计启发

维度空间感受野无（1×1）无（1×1）有（k×k DW）有（k×k）有（k×k DW）归一化BNGroupNormBNBNBN参数量基准基准基准~50%基准FLOPs最低最低中等~50%中等设计理念纯通道变换小batch稳定多尺度感受野特征冗余利用移动端高效适用场景深层特征图超小batch浅/中层多尺度移动端部署移动端部署检测任务启发：你可以把任何现有的检测模块改造成专家。把ASPP（空洞空间金字

 Ysn0719
2026-09-04 10:59:19

 372

 7

#目标检测 #人工智能
驾驶员危险行为目标检测数据集：3类别、14,000张图像 | 目标检测

<think>我们只需要根据给定内容生成≤150字的文章摘要。用户要求“根据以下内容，生成≤150字的文章摘要”，内容是关于驾驶员危险行为目标检测数据集的介绍。我们需要简洁概括。注意不要遗漏核心信息：数据集名称/内容、规模、类别、标注格式、用途。150字以内。注意是中文摘要。内容标题是“驾驶员危险行为目标检测数据集：3类别、14,000张图像 | 目标检测”，包含三个类别：饮食、使用手机、睡觉。

动物园猫
2026-09-06 23:51:42

 259

 9

#目标检测 #人工智能 #计算机视觉
【夯爆了！智慧医疗+智慧医学+AI大模型毕设】基于YOLO目标检测+LLM多模态大模型AI分析的医学骨折检测分析系统(Vue.js+Flask+数据集+模型训练)[计算机毕业设计]

系统使用 Electron 构建桌面 GUI，以 Flask 提供本机业务与算法服务，将数据集管理、模型训练、模型评估、图片检测、视频检测、实时检测、预警处置和多模态大模型复核整合为一套可追溯的工作流程。正式业务数据均来自真实 YOLO 推理、真实训练/评估任务或已配置的 OpenAI-compatible 模型服务；缺少算法权重或外部服务配置时，界面会明确提示不可用原因，不生成虚假检测框、指标、

haochengxu2022
2026-09-02 20:52:51

 60

#人工智能 #目标检测 #计算机视觉
目标检测评估指标详解：从P/R、F1到mAP与混淆矩阵

在计算机视觉与模型工程化落地中，准确评估目标检测模型的真实性能远比关注训练loss更为关键。任何检测任务都离不开基础的交并比(IoU)概念，它定义了预测框与真实框的重合程度，也是精确率(Precision)、召回率(Recall)与F1计算的前提。单独依赖某一项指标容易产生片面结论，因此业界通常以mAP作为整体精度的综合度量，同时借助混淆矩阵定位漏检与误检的具体模式。从实际应用角度看，无论是YOL

小雨果1号
2026-09-03 13:28:24

 289

 13

#目标检测
电力巡检AI实战：基于红外热成像数据集的目标检测模型训练与部署

目标检测是计算机视觉的核心任务之一，旨在从图像中定位并识别出感兴趣的目标。其原理通常基于深度学习模型，通过卷积神经网络提取特征，并预测目标的边界框和类别。这项技术的核心价值在于将人力从繁复的视觉检查中解放出来，实现自动化、高精度的识别，在工业质检、安防监控、自动驾驶等领域有广泛应用。特别是在电力巡检场景中，利用红外热成像技术进行设备过热缺陷检测，已成为预防故障、保障电网安全的关键手段。本文围绕一个

 洗心岛
2026-09-02 11:47:26

 226

 8

#目标检测
YOLO罂粟目标检测数据集：单类违禁植物识别专项资源 | 罂粟检测 YOLO数据集禁毒巡查 8024期

YOLO罂粟目标检测数据集：单类违禁植物识别专项资源 | 罂粟检测 YOLO数据集禁毒巡查 8024期

 qq_2529413168
2026-09-08 17:45:00

 408

 2

#目标检测 #人工智能 #计算机视觉
PCB电子元器件目标检测数据集：23类别 | 目标检测

<think>我们需从原文中提炼关键信息，生成≤150字的摘要。需要涵盖数据集内容、特点、应用等。原文是关于PCB电子元器件目标检测数据集，包含23类约1600张图像，YOLO格式，针对小目标密集、外观相似等挑战，可用于训练深度学习模型。摘要要简洁。</think>本文介绍了一个23类PCB电子元器件目标检测数据集，含约1600张真实工业图像，采用YOLO格式标注，涵盖电阻、电容、芯片等常见元件。

CSDN黎燃
2026-09-02 23:54:50

 209

 3

#目标检测 #人工智能 #计算机视觉
基于YOLO与PyTorch的垃圾分类目标检测系统毕业设计全流程指南

目标检测是计算机视觉的核心任务之一，旨在让计算机识别图像中的物体并定位其位置。其原理通常基于深度学习模型，通过卷积神经网络提取特征，并预测边界框和类别。这项技术的价值在于将视觉感知能力赋予机器，广泛应用于自动驾驶、安防监控、工业质检等领域。在环保与智慧城市背景下，垃圾分类成为一个典型的应用场景。本文聚焦于如何利用YOLO这一经典的一阶段目标检测算法，结合PyTorch框架，从零构建一个完整的垃圾分

 沃克森
2026-09-01 11:17:11

 223

 8

#目标检测
计算机毕业设计YOLO目标检测+LangChain+多模态大模型AI分析的医学肺炎诊断分析系统(源码+LW+PPT+讲解)

一套面向胸部 X 光影像教学、科研与辅助分析场景的桌面应用。系统以 Ultralytics YOLO 完成本地目标检测，通过 Electron 提供桌面 GUI，并由 Flask 后端统一管理数据集、模型、训练、评估、图片检测、视频检测、实时影像流、预警、用户和审计记录。在用户主动发起复核时，系统还可以调用 OpenAI-compatible 视觉多模态模型，对 YOLO 检测框及原始影像给出结构

 haochengxu2022
2026-09-05 17:12:41

 251

 7

#人工智能 #目标检测 #计算机视觉
工业级条形码目标检测数据集：真实场景落地关键

条形码目标检测是计算机视觉在智能制造、物流分拣等领域的核心落地任务，其本质是解决小目标、强干扰、多变光照下的鲁棒定位问题。原理上需兼顾几何精度（亚像素级边界回归）、语义理解（静区保留、遮挡判别）与物理约束（光照类型、材质反射建模）。技术价值在于 bridging detection 与 decoding——检测结果必须满足解码库的物理前提，而非仅追求mAP指标。典型应用场景包括产线实时扫码质检、嵌

 崔怂包
2026-09-02 16:04:13

 252

 11

#目标检测
无花果目标检测数据集 |无花果检测智慧农业果实识别目标检测 YOLO格式深度学习数据集计算机视觉9049期

无花果目标检测数据集 |无花果检测智慧农业果实识别目标检测 YOLO格式深度学习数据集计算机视觉9049期

 鸭蛋粉
2026-09-06 10:31:26

 242

 5

#计算机视觉 #目标检测
工业电气部件目标检测数据集：可信、可用、可复用的产线级样本集

工业视觉中的目标检测，本质是解决‘可信数据’与‘物理约束对齐’的问题。其核心原理在于将产线工艺逻辑（如FMEA失效分析、安装公差、光源参数）编码进标注规范与数据结构，从而赋予模型真实场景下的泛化能力与鲁棒性。技术价值体现在跳过试错周期、降低客户验收风险、支撑边缘部署落地；典型应用场景覆盖汽车电子质检、PLC模块识别、接线端子缺陷定位等高可靠性需求环节。本数据集以5273张图像、14类部件、127种

 经雷
2026-09-02 16:46:12

 240

 8

#目标检测
超市空货架目标检测数据集：1,500张图像 | 目标检测

<think>我们只需要根据用户提供的内容生成一个≤150字的摘要。内容主要是介绍超市空货架目标检测数据集，包括数据规模、格式、结构等。摘要需要简洁概括核心信息。注意字数限制。</think>该数据集包含1,500张超市空货架图像，采用YOLO格式标注单类别“空”，并划分为训练、验证、测试集。数据覆盖多种货架类型、商品及光照条件，专为目标检测模型训练设计，可直接用于YOLOv5/v8等框架，助力零

 动物园猫
2026-09-02 23:59:25

 343

 5

#目标检测 #人工智能 #计算机视觉
路面坑洼与积水目标检测数据集：2类别、1,500张图像 | 目标检测

<think>我们根据要求生成不超过150字的摘要。内容是关于路面坑洼与积水目标检测数据集的介绍，包括规模、类别、格式、来源等。摘要需简洁。</think>该数据集包含1500张道路实景图像，标注坑洼与积水两类目标，采用YOLO格式，分为训练、验证、测试集。数据覆盖多种路面、光照和天气条件，可用于基于深度学习的道路病害检测模型训练与优化。

动物园猫
2026-09-03 21:58:51

 191

 6

#目标检测 #人工智能 #计算机视觉
YOLO目标检测实战：鸡蛋数据集2086张图像带标签全解析

目标检测是计算机视觉的核心任务之一，旨在定位并识别图像中的物体。YOLO系列算法通过单次前向传播预测边界框和类别，实现高效、实时的物体识别，对遮挡、堆叠和复杂光照条件具有较强的鲁棒性，因此在工业质检、智慧农业等场景中应用广泛。在鸡蛋这类单一目标检测任务中，数据集的质量与标注规范直接影响模型效果。本文以一份包含2086张图像带标签的鸡蛋数据集为例，从数据体检、版本选型、训练调参到部署细节，完整呈现目

 Tim Shen
2026-09-07 11:46:01

 153

 8

#目标检测
电力巡检目标检测数据集实战：8667张图50类，VOC与YOLO双格式训练指南

在深度学习驱动的视觉识别任务中，目标检测模型的性能高度依赖标注数据的规模与质量。无论是通用物体识别还是工业视觉应用，标注格式的统一与正确转换都是模型训练成功的基础。VOC格式以XML文件直观描述目标位置，YOLO格式则以归一化坐标实现高效加载，两种格式在工程实践中各有优劣，掌握其转换逻辑能有效避免训练故障。针对电力巡检这一垂直场景，无人机航拍产生的海量图像需要AI自动识别绝缘子、防震锤等设备部件以

 高考化学赵夫子
2026-09-07 16:05:49

 330

 3

#目标检测
YOLO目标检测实战：从原理到部署全解析

目标检测是计算机视觉领域的核心任务之一，旨在同时回答“画面中有什么”和“物体在哪里”两个问题。传统两阶段检测方法虽然精度较高，但计算开销大、推理速度慢，难以满足实时场景需求。YOLO（You Only Look Once）将检测视为回归问题，通过单次前向传播直接输出目标的类别与位置，速度提升一个数量级，成为工业界应用最广泛的检测范式之一。从YOLOv1到YOLOv8，模型在网格划分、锚框机制、多尺

 作者小怪兽
2026-09-04 12:35:20

 345

 6

#目标检测 #深度学习
电路板元器件目标检测数据集与YOLO训练实战指南

目标检测是计算机视觉的核心任务之一，其应用从通用场景延伸到工业制造时，数据分布与模型要求会发生显著变化。公开数据集如COCO虽规模庞大，但缺乏电路板元器件的细粒度标注，导致在PCB缺陷检测、元器件计数、自动化贴装验证等场景中难以直接使用。高质量的数据集是模型精度的基石，而YOLO系列凭借高效的结构与灵活的部署能力，成为工业目标检测的主流选择。本文梳理了一套面向电路板场景的元器件检测数据集，涵盖电阻

 一稿过
2026-09-07 11:04:25

 350

 4

#目标检测
【新一代YOLO+AI大模型毕设！】YOLO目标检测+LangChain+多模态大模型AI分析的医学肺炎诊断分析系统

一套面向胸部 X 光影像教学、科研与辅助分析场景的桌面应用。系统以 Ultralytics YOLO 完成本地目标检测，通过 Electron 提供桌面 GUI，并由 Flask 后端统一管理数据集、模型、训练、评估、图片检测、视频检测、实时影像流、预警、用户和审计记录。在用户主动发起复核时，系统还可以调用 OpenAI-compatible 视觉多模态模型，对 YOLO 检测框及原始影像给出结构

 haochengxu2022
2026-09-05 17:11:28

 298

 4

#人工智能 #目标检测 #计算机视觉 +1
ICLR 2026 目标检测（object detection）方向上接收论文总结

摘要应涵盖主要信息：ICLR 2026于里约热内卢举行，汇总了目标检测相关论文约21篇，涉及DETR/实时检测、开放词汇、3D/BEV等方向。需要简洁。忽略格式。输出中文。</think>ICLR 2026于4月23-27日在巴西里约热内卢举行，主会接收目标检测相关论文约21篇，涵盖DETR/实时检测器、开放词汇、源域无关与增量学习、3D/多模态BEV、弱监督旋转框及低光/显著性检测等方向，并区分

 yyywxk
2026-09-05 22:28:15

 423

 4

#目标检测 #目标跟踪 #人工智能
5156张VOC格式灭火器数据集：目标检测训练与YOLO实战全解析

在计算机视觉领域，目标检测模型的性能高度依赖训练数据的质量与规范性，而一套标准化的标注格式更是模型高效迭代的基础。PASCAL VOC作为经典的目标检测数据组织格式，通过统一的XML标注文件描述图像尺寸、目标类别与边界框坐标，为模型训练提供了清晰的数据接口。高质量数据集的工程价值不仅在于缩短标注周期，更在于提升模型在真实场景中的泛化能力，尤其在智慧消防、园区安防、安全生产巡检等细分应用中，专用的灭

 weixin_29053383
2026-09-07 16:53:04

 249

 6

#目标检测
RT‑DETR：让 DETR 真正跑向实时的端到端目标检测算法

优势端到端无 NMS，部署链路干净，规避 NMS 调参玄学与额外耗时；速度精度表现优秀，同算力下对比 YOLO 可以取得更高 AP；推理阶段可动态裁剪 Decoder 层数，无需重训，适配不同算力设备；混合编码器设计，高层全局建模 + 卷积多尺度融合，兼顾全局语义和小目标细节；Query 选择机制提升初始候选质量，加速收敛；RepVGG 重参数化，训练多分支提精度，推理单卷积保速度。不足Trans

Godbro573
2026-09-07 10:44:53

 387

 9

#目标检测 #算法 #人工智能
建筑物目标检测数据集 | 建筑物检测城市规划遥感解译目标检测 5012期

建筑物目标检测数据集 | 建筑物检测城市规划遥感解译目标检测 5012期

 qq_2529413168
2026-08-31 07:00:00

 537

 16

#目标检测 #人工智能 #计算机视觉 +1
垃圾物品检测数据集（Trash Detection Dataset）| 垃圾分类目标检测智能回收环卫管理5008期

垃圾物品检测数据集（Trash Detection Dataset）| 垃圾分类目标检测智能回收环卫管理5008期

 qq_2529413168
2026-08-30 11:30:00

 213

 8

#分类 #目标检测 #数据挖掘 +2
基于YOLO的水域目标检测：钓鱼游泳数据集训练与部署实战

目标检测是计算机视觉领域的核心任务之一，其原理在于通过卷积神经网络提取图像特征，定位并分类物体。YOLO系列算法凭借单阶段检测的实时性优势，成为工业部署的主流选择。在水域安全监管中，识别岸边垂钓者与水中游泳者，对防范溺水、违规闯入等场景具有重要意义。本文基于一份包含1453张标注图像的水域人员检测数据集，详细介绍YOLOv8的训练流程，包括数据清洗、参数调优、小目标漏检处理及边缘设备部署优化，帮助

 EYES 乱
2026-08-26 10:15:10

 367

 12

#目标检测
YOLO铁路站台火车目标检测数据集训练全流程实战与避坑指南

深度学习目标检测技术近年来在工业视觉、交通监控等领域广泛应用，其中YOLO算法凭借其端到端推理和实时性能成为工程落地的首选框架之一。目标检测模型的性能高度依赖数据质量与训练策略，而针对垂直场景的专用数据集往往稀缺。铁路站台环境复杂，包含密集纹理、大范围尺度变化和光照差异，对检测模型提出了严峻挑战。本文从一份340张铁路站台火车目标检测数据集入手，系统梳理YOLO数据格式解析、类别校验、数据划分、迁

 遮弧酒邪
2026-08-24 16:15:09

 308

 11

#目标检测
YOLO数据集实战：钓鱼与游泳场景目标检测训练全流程解析

目标检测是计算机视觉领域的基础任务，旨在从图像中定位并识别出感兴趣的目标。YOLO作为一类经典的单阶段检测算法，凭借其高速与高效的特性，在实时监控、工业质检、智慧安防等场景中得到广泛应用。而高质量带标签的数据集，是训练可靠检测模型的关键前提。在户外场景中，水域安全与渔业管理常需要自动识别人员活动，例如钓鱼者、游泳者等。针对这类需求，利用YOLO格式的标注数据，配合现代训练框架，可以快速构建针对性的

 EYES 乱
2026-08-26 12:31:52

 243

 7

#目标检测
建筑空间分类目标检测数据 | 建筑空间识别室内检测智能楼宇多目标分类9023期

建筑空间分类目标检测数据 | 建筑空间识别室内检测智能楼宇多目标分类9023期

 qq_2529413168
2026-08-30 10:00:00

 296

 6

#分类 #目标检测 #人工智能 +2
三角洲行动目标检测数据集（Delta Force Action Dataset）

三角洲行动目标检测数据集（Delta Force Action Dataset）YOLOv8 游戏AI 敌我识别深度学习数据集计算机视觉

 鸭蛋粉
2026-08-23 03:30:00

 246

 4

#目标检测 #人工智能 #计算机视觉 +1
从“识别已知”到“发现未知”：3D通用目标检测如何打开智驾感知新边界

长尾未知障碍物制约智能驾驶感知安全性，传统算法易发生漏检。依托多模态基础模型与LiDAR几何推理的零样本3D检测方法，可通过识别道路异常检出未知障碍物。康谋aiSim（ISO 26262 ASIL‑D认证）可构建可控测试场景、输出精准真值，助力前沿感知算法验证迭代。

爱分享的康康
2026-08-28 11:18:27

 388

 8

#3d #目标检测 #人工智能
智慧桥梁巡检数据集与可运行源码：从目标检测到病害识别落地实践

在基础设施数字化进程中，目标检测技术正从通用场景走向行业垂直应用。桥梁病害识别作为计算机视觉与土木工程交叉的典型场景，面临着小目标、复杂背景、数据标注不规范等现实挑战。通过一套包含图像、标注、训练及评估代码的完整数据集，开发者可以快速建立可复现的算法基线，验证YOLO等主流检测框架在裂缝、剥落、露筋锈蚀等病害上的识别效果。从数据划分、标注原则到模型训练与迁移部署，工程化方法决定了AI巡检能否真正替

 The Type
2026-08-31 14:11:13

 299

 8

#目标检测