2048 AI社区

2048 AI社区

AI资讯 AI造物社区 MCP

话题讨论活动竞赛科技篇产业对接

去全站搜索看看？

登录社区云

登录社区云，与社区用户共同成长

2048 AI社区

邀请您加入社区

欢迎加入社区

欢迎加入社区

目标检测

（论文速读）FSDC-DETR：一种用于小目标检测的频域-空域协同DETR

一种频率-空间协同的DETR框架FSDC-DETR，用于解决小目标检测中存在的频率信息损失问题。该方法通过双分支频率-空间自适应融合模块（DBFSAF）显式建模互补的频域和空域表示，结合分流特征融合（SFS-FF）和频率感知下采样（FSD-Down）模块，有效保护了高频信息。在VisDrone和AITODv2数据集上的实验表明，该方法相比现有技术显著提升6.4-6.9 AP指标，尤其在极小目标检测

 LJ1147517021
2026-08-25 19:55:18

 398

 12

#人工智能 #计算机视觉 #目标检测
YOLO室内壁球场黑色壁球目标检测数据集-5188张

YOLO室内壁球场黑色壁球目标检测数据集聚焦于室内运动场景中的目标识别任务，尤其适用于壁球运动相关的视觉分析需求。从名称可推断，该数据集主要用于检测在壁球场环境中使用的黑色壁球，其应用场景可能包括智能体育监控、运动员动作分析、自动计分系统开发等。该数据集的构建旨在为基于YOLO模型的目标检测任务提供专门的数据支持，尤其针对低光照条件下的小尺寸目标检测问题，具备一定的实际应用价值。数据集包含共计51

guo_xiao_xiao_
2026-08-25 16:55:56

 158

 4

#目标检测 #目标跟踪
基于 YOLO11 的学生课堂行为检测：从数据集构建到模型训练全流程

本文基于一个学生课堂行为检测数据集，详细介绍了从数据集理解、标注类别分析到 YOLO11 模型训练和验证的完整流程。该数据集虽然样本量不大，但覆盖了 12 种常见课堂行为，适合用于智慧课堂场景下的目标检测方案验证。通过训练实验，我们发现 YOLO11 在举手、阅读、书写等特征明显的行为上表现较好，而在低头、转头等细微动作上仍有提升空间。建议后续从增加样本量、优化数据增强策略和选择更大模型等方面进行

 轩轩软件
2026-07-12 18:15:39

 226

 4

#目标检测 #目标跟踪 #人工智能 +2
C#对接YOLO踩坑实录：内存泄漏、坐标偏移、推理慢全解决

C#对接YOLO的工程挑战，本质是托管语言与非托管AI运行时之间的鸿沟。内存泄漏源于对Native生命周期的漠视，坐标偏移来自对训练-推理一致性的忽视，推理慢则是对数据搬运成本的低估。解决这些问题，不需要高深的算法知识，而需要对底层机制的敬畏与对细节的执着。当你的C#程序能在产线上稳定运行数月无泄漏、检测框毫米级精准、帧率榨干GPU每一分算力时，那才是“对接”真正的完成——不是调通了API，而是驯

 威哥说编程
2026-06-27 08:44:50

 407

 10

#c##开发语言 #人工智能 +2
第17期｜实战3：AI建筑物提取与城市建成区扩张分析

在前面的专栏实战中，我们先后完成了AI水体智能提取NDVI植被覆盖度反演两大生态遥感核心项目，掌握了遥感AI解译、地物统计、时序分析的标准化落地流程。本期正式进入城镇人工地物遥感实战高精度建筑物提取 + 多年城市建成区扩张动态分析。建筑物是城市遥感的核心骨架，建成区范围、建筑密度、新增建设用地规模，是衡量城镇化进程、城市扩张、国土空间变化的核心指标。传统建筑提取手段弊端显著：传统阈值分割极易与裸土

 DXM0521
2026-06-18 16:05:55

 197

 8

#人工智能 #目标跟踪 #计算机视觉 +2
交通违规目标检测数据集VOC+YOLO格式992张7类别

数据涵盖日间/夜间、多样天气及动态行驶状态，精准标注7类关键交通元素（含头盔佩戴、行人安全等），所有标注经交通法规验证，支持复杂多目标检测。标注类别名称(注意yolo格式类别顺序不和这个对应，而以labels文件夹classes.txt为准):["bamaxian","buxing","chepai","jidongche","motuoche","toukui","wutoukui"]对应中文类

 FL1623863129
2026-06-09 12:04:04

 214

 2

#目标检测 #目标跟踪
【昇腾CANN】changelog自动化：用脚本省掉80%的版本记录工作

开源项目发版本这事，看着简单——打个tag、改个changelog、push上去就行了。真到实际操作的时候，每个环节都能给你整出点意外。release-management 这个仓库就是来解决这些问题的。它本质上是昇腾CANN社区的发布规范层，把版本号怎么定、changelog 怎么写、发布流程怎么跑这些问题固化下来，避免每个 maintainer 各搞各的。

站在风口的猪222
2026-05-25 11:23:35

 243

 5

#机器人 #计算机视觉 #numpy +1
公鸡母鸡分类识别数据集（1300张）｜YOLO训练数据集家禽智能识别智慧养殖视觉分类检测

本“公鸡母鸡分类识别数据集”围绕智慧养殖与家禽视觉识别场景构建，兼具真实场景覆盖、高质量标注、标准化结构以及良好泛化能力等特点，可广泛应用于 YOLO 系列模型训练、家禽智能识别以及农业AI项目研发。无论是用于科研实验、毕业设计，还是工业级智慧养殖系统开发，本数据集都具备较高的应用价值与工程价值，能够为家禽智能识别与智慧农业发展提供可靠的数据基础与视觉支撑。

一键难忘
2026-05-21 23:08:56

 286

 5

#分类 #数据挖掘 #目标检测
YOLOv11改进 | 融合GMM与LMM：高精度密度估计与局部特征匹配的目标检测新范式

YOLOv11作为实时目标检测的标杆框架，在通用场景（如自然图像中的行人、车辆）中表现卓越，但在（如拥挤人群、密集车辆）与为解决上述问题，本文提出，通过集成与，实现“目标检测+密度估计+小目标增强”的端到端解决方案。GMM建模目标空间分布，提升密度估计精度；LMM强化局部特征匹配，解决小目标与密集目标的漏检问题。改进后，YOLOv11在（Shanghai Tech数据集），同时保持实时性（推理速度

 鱼弦
2026-05-19 09:35:16

 748

 19

#目标检测 #目标跟踪
当AI开始“未卜先知”：深度强化学习如何让云资源伸缩不再慢半拍

为了让你更直观地理解深度强化学习在干什么，我想先讲一个游戏。想象你在玩一个超级马里奥，但不是你在控制，而是一个AI。这个AI每秒钟要做一个决定：往前走、跳、蹲下，或者吃蘑菇。每次它做出一个好动作（比如躲过了板栗仔），游戏就给它+1分；如果踩到敌人，就-10分；如果能顺利过关，一次性给+1000分。一开始这AI完全是个智障，疯狂踩坑、撞墙。但它会记住：上次往右走撞墙了，扣了分，下次不这么干了；上次跳

 算法魔法师
2026-05-14 10:10:28

 29

#人工智能 #机器学习 #深度学习 +2
基于「YOLO目标检测 + 多模态AI分析」的水果蔬菜病害智能检测分析预警系统

本项目开发了一个基于YOLO系列模型的水果蔬菜病害智能检测分析预警系统。系统采用Vue+Flask技术栈，集成YOLOv8/YOLO11/YOLO12/YOLO26等先进模型，支持图片、视频和实时摄像头三种检测模式。核心功能包括：1）多类别果蔬目标识别与病害检测；2）通义千问VL大模型辅助分析，提供病害评估、详细分析和农艺建议；3）模型性能评估系统；4）实时预警功能，支持五级严重程度分级。系统包含

 羊羊小栈
2026-05-12 17:53:21

 492

 7

#人工智能 #目标检测 #计算机视觉
【跟李沐学AI】25 物体检测和数据集

本文介绍了目标检测的核心概念与实现方法。首先阐述了目标检测与图像分类的区别，重点讲解了边界框、IoU、NMS等关键概念。然后详细介绍了COCO数据集的特点和评价指标。通过代码示例展示了边界框的表示转换和可视化方法。最后以香蕉检测数据集为例，演示了目标检测数据的加载和处理流程，包括边界框归一化、批量组织等关键技术。文章强调目标检测数据集规模较小但标注成本高的特点，并提供了完整的代码实现路径，为读者理

 spgazing
2026-05-11 18:15:29

 554

 11

#深度学习 #人工智能 #目标检测
Roboflow100-VL: A Multi-Domain Object Detection Benchmark for Vision-Language Models论文精读

这篇论文《Roboflow100-VL: A Multi-Domain Object Detection Benchmark for Vision-Language Models》提出了一个专门用于评估视觉语言模型（VLMs）在分布外目标检测任务上表现的基准数据集，并系统性地探索了多种微调策略。以下是基于论文内容的详细解析，重点会放在微调策略及其效果上。

点PY
2026-05-06 17:30:34

 559

 18

#目标检测 #语言模型 #目标跟踪
大模型训练技术降维打击！YOLO26的MuSGD如何让小模型训练效率翻倍

摘要： 2026年，尽管大模型盛行，90%的工业AI仍依赖边缘设备上的小模型（<100M参数），但传统优化器（SGD/Adam）面临收敛慢、泛化差等难题。YOLO26创新性融合大语言模型的Muon优化思想与SGD，推出MuSGD混合优化器，通过两阶段更新（前期Muon快速收敛，后期SGD微调）、分层参数处理及动态动量策略，显著提升训练效率。实验显示，MuSGD使YOLO26-nano训练耗时

 shanwei_spider
2026-04-10 06:31:38

 192

 1

#人工智能 #机器学习 #目标检测 +2
102类昆虫目标检测数据集（34156张）｜农业虫害识别昆虫检测 YOLO训练数据集智能农业

本文介绍了一个面向农业虫害识别的大规模昆虫目标检测数据集，包含34156张图像和102类昆虫标注（YOLO格式）。该数据集针对智慧农业需求，覆盖多种作物害虫，具有小目标检测难度高、类别多且差异细微的特点。数据集结构规范，可直接用于YOLOv5/YOLOv8等主流框架训练。文章详细说明了数据特性、标注格式和使用方法，并提供了训练参数建议和优化策略，包括提高分辨率、类别平衡处理等。该数据集适用于农业病

 一键难忘
2026-04-09 21:48:37

 474

 7

#目标检测 #目标跟踪
农场畜牧目标检测数据集（15000张高质量标注）｜YOLO训练数据集

本文介绍了一个包含15,000张高质量标注图像的农场畜牧目标检测数据集，适用于YOLO系列模型的训练。数据集涵盖奶牛、马、猪、绵羊等5类常见养殖动物，标注格式符合YOLO标准，包含训练集/验证集/测试集划分。该数据集覆盖多种农场场景和复杂条件（光照变化、目标密集、姿态多样等），经过多轮人工校验确保标注质量。文章详细说明了数据结构和类别定义，并提供了YOLOv8训练配置建议和优化策略，适用于智慧养殖

 一键难忘
2026-04-09 21:14:17

 598

 11

#目标检测
AI智能违规停车识别车辆违章识别违章停车识别图像数据集违章停车检测场景下的目标检测交通违章监管停车场智能管理第10435期

AI智能违规停车识别车辆违章识别违章停车识别图像数据集违章停车检测场景下的目标检测交通违章监管停车场智能管理第10435期

 QQ67658008
2026-04-09 19:36:52

 200

 2

#人工智能 #目标检测 #计算机视觉
无脚本（低代码）自动化测试到底是什么？为什么90%的人都理解错了？

无脚本（低代码）自动化测试的本质并非简单减少编码，而是通过模型驱动重构软件工程方式。真正的无脚本测试采用对象、行为、数据和场景四层模型结构，将核心表达从代码转向结构化模型，从而提升复用性、可维护性和AI适配能力。当前行业误区在于将"无脚本"等同于录制工具或拖拽界面，实际上这些方案仍存在流程固化、耦合度高的问题。未来测试将作为系统控制层，模型成为核心资产，无脚本的价值在于使代码不

 tiger从容淡定是人生
2026-04-09 11:36:56

 348

 6

#低代码 #人工智能 #自动化 +4
解决工业视觉核心痛点：C#上位机+YOLO实现“看见即控制”毫秒级闭环，返工率降92%

摘要：工业自动化中传统AI视觉检测方案存在链路长、延迟不稳定、丢包率高、调试难和维护成本高等痛点。通过改用纯C#方案（.NET 8 + OpenCVSharp4 + ONNX Runtime + HslCommunication + Avalonia），将5层链路压缩为2层，延迟稳定在25ms以内，丢包率降至0.01%以下，返工率降低92%，同时简化调试和维护流程。该方案采用分层解耦架构，支持跨平

 威哥说编程
2026-04-09 07:05:50

 442

 6

#c##自动化 #人工智能 +2
【鸿蒙HarmonyOS毕业系统毕设选题】最新颖的鸿蒙HarmonyOS毕业设计选题汇总易过的精品毕设项目分享(建议收藏)✅

本文介绍了一系列计算机毕业设计项目案例和技术服务，涵盖数据分析、微信小程序、人工智能等多个领域。博主提供从选题指导到论文降重、答辩辅导等全流程服务，涉及SpringBoot、Vue、Python等主流技术。文章推荐了20+新颖选题案例，包括AI法律咨询、无人机航迹优化、虚拟股票交易等系统，每个案例均标注技术栈、创新点和开发难度。同时还展示了贷款数据分析、智能健身评估等已完成项目的界面截图，为计算机

 AissenMe
2026-04-09 09:00:00

 540

 14

#harmonyos #华为 #目标检测 +3
零Python依赖！开箱即用的Java YOLO视频AI识别平台，工业场景直接落地

摘要：本文介绍了一套纯Java实现的工业视频AI检测方案，替代传统的Python+YOLO方案。通过整合DJL、OpenCV Java和SpringBoot，该方案解决了Python跨语言接口复杂、部署维护成本高的问题。文章详细对比了三种技术方案的优劣，展示了分层架构设计，并提供了开箱即用的SpringBoot Starter实现——只需引入依赖、配置参数和编写3行业务代码即可快速搭建系统。核心优

 Java程序员威哥
2026-04-09 07:03:47

 377

 4

#python #java #开发语言 +3
从CRUD到月入2W接单：Java+YOLO全栈实战，10个落地项目覆盖图像分类→目标检测→工业视觉

很多Java开发者觉得AI视觉是Python的地盘，自己没有竞争力，其实恰恰相反。企业客户要的不是一个只能跑通的Python脚本，而是一个能无缝集成到现有系统、稳定运行、易维护的完整解决方案，而这正是Java开发者的强项。不用再羡慕别人靠AI视觉接单赚钱，你只需要跑通一个Demo，打造好自己的作品集，就能从零开始接单。本文的所有代码和项目方案都可以直接复用，如果你有任何问题，欢迎在评论区交流。

Java程序员威哥
2026-04-08 19:22:43

 243

 4

#java #分类 #人工智能 +3
质检数据再也改不了！YOLO+Hyperledger Fabric实现AI检测结果上链存证全流程，附链码与对接源码

import ("fmt""time"// QualityInspection 质检存证核心结构体ProductSN string `json:"productSN"` // 产品唯一序列号（主键）BatchNo string `json:"batchNo"` // 生产批次号DeviceID string `json:"deviceID"` // 检测设备编号OperatorID string

shanwei_spider
2026-04-08 19:14:09

 182

 3

#fabric #人工智能 #python +3
边缘AI目标检测与跟踪——模块化技术架构对比分析

因此，设计一套“粗簪化”的AI模块产品线，覆盖从入门型到旗舰型的不同算力等级，同时保持统一的接口标准和通信协议，是一种常见且合理的工程策略。本文以Tofu系列AI识别跟踪模块为例，从算力、接口、算法、功耗等维度进行技术对比，探讨边缘AI模块的选型思路。然而，不同场景对算力、功耗、体积、接口的需求差异巨大——一台固定安装的安防相机和一架无人机吊舱，对AI处理单元的要求完全不同。全系列标配人、车、船、

LittroInno
2026-04-03 09:44:16

 519

 5

#人工智能 #目标检测 #架构 +2
yolo26+anaconda3+labelme目标检测

一种可以一键转换目标检测标签格式的工具，实现labelme.json、yolo.txt、voc.xml、coco.json四种格式数据集标签之间的相互转换。使用官方提供的预训练权重进行训练，使用yolo26n.pt，也可以使用yolo26s.pt，模型大小n<s<m<l<x，训练时长成倍增加。labelme生成的标注文件的后缀是.json，需要转换成.txt文件，才能用来训练。使用命令行执行训练（

Cara_呐
2026-04-01 16:35:19

 424

 7

#目标检测 #人工智能 #计算机视觉 +1
随机森林十年演进

摘要： 2015-2025年，随机森林（Random Forest）完成了从经典集成学习算法到可解释因果决策核心的跨越式演进。其凭借抗过拟合、鲁棒性强、可解释性等优势，在金融、医疗等强监管场景保持不可替代性。十年间，技术经历了三大升级：从单机离线到分布式大数据处理，再到联邦学习与因果推断融合，最终形成与大模型协同的混合范式。核心突破包括深度森林（gcForest）提出树模型深度化路径、因果森林（C

jzwspace
2026-03-30 08:43:38

 144

#随机森林 #算法 #机器学习 +4
SpringAI目标检测：定位图像中的物体位置

摘要：本文介绍了SpringAI在目标检测中的应用，重点分析了R-CNN、SSD和YOLO等主流算法的特点及适用场景，对比了预训练模型和自定义模型的优缺点。通过Java代码示例展示了SpringAI实现目标检测的具体流程，包括图像加载、检测服务和结果输出等环节。针对检测不准确和漏检问题，提出了增加训练数据、数据增强、调整模型参数和使用非极大值抑制等解决方案。这些内容为开发者使用SpringAI进行

 fyakm
2026-03-26 21:15:00

 423

 10

#目标检测 #目标跟踪 #人工智能
arxiv | 2025 | DuGI-MAE: Improving Infrared Mask Autoencoders via Dual-Domain Guidance

红外成像技术在弱光环境及恶劣天气条件下具有关键应用价值。然而，由于红外图像具有独特特征，基于可见光数据训练的掩码自编码器（MAE）等基础模型在红外图像解析任务中表现欠佳尽管InfMAE效果显著，但仍存在信息标记缺失、全局关联建模不足及非均匀噪声处理不力等局限性图1：(a)典型场景的代表性红外图像。左图：原始红外图像，背景信号强烈常会掩盖实际目标；中图：图像熵图；右图：采用自适应频域调制（AFDM）

折月织
2026-03-20 21:54:53

 517

 9

#算法 #人工智能 #深度学习 +2
接口文档一丢，AI自动生成测试用例和自动化脚本？

AI IDE + MCP 的出现，让软件测试开始进入一个新的阶段：过去的软件测试：需求 → 手写用例 → 手写脚本未来的软件测试：需求 →AI生成用例 → AI生成脚本 → CI自动执行需求必须足够清晰。因为 AI 的能力来自于输入数据。如果需求标准化，测试自动化程度会大幅提升。而软件测试工程师的角色，也正在逐渐从：写测试转变为设计测试体系 + 管理 AI。

霍格沃兹测试开发学社
2026-03-18 10:44:12

 162

#人工智能 #测试用例 #自动化 +4
告别“数货”噩梦：C#+YOLO打造10秒级货架盘点神器，实测准确率98.5%

技术落地的本质，不是追求模型的 SOTA（State of the Art），而是在成本、速度和精度之间找到最佳平衡点。这套 C# + YOLO 的方案，没有使用昂贵的专用硬件，也没有依赖不稳定的网络，仅仅通过算法参数的微调和对业务场景的深刻理解，就实现了10秒级盘点的惊人效率。它证明了：在零售数字化的浪潮中，轻量级、本地化、高可用的 AI 应用才是王道。如果你也在为库存盘点头疼，不妨试着跑通这套

 威哥说编程
2026-03-15 07:14:47

 269

 4

#c##开发语言 #python +3
铁路障碍物目标检测数据集（5500+张已标注图像）| 适用于YOLO/Mask R-CNN/Detectron2训练的AI视觉数据集

本文介绍了一个专为铁路障碍物检测构建的高质量视觉数据集，包含5500+张标注图像，覆盖倒树、落石等4类铁路常见障碍物。数据集已按标准划分训练集、验证集和测试集，兼容YOLO、Mask R-CNN等主流算法。该数据集的突出特点是包含复杂铁路环境下的多视角、多光照条件图像，并经过精细标注，可用于开发铁路智能巡检系统、无人机监测等应用。作者强调在铁路场景中数据质量对模型性能的关键作用，该数据集经过严格筛

 一键难忘
2026-03-12 15:33:53

 238

 1

#人工智能 #目标检测
中草药检测数据集（10000 张图片已划分、已标注）| AI训练适用于目标检测任务

希望本数据集能够为相关领域的研究人员提供有价值的数据支持，也期待更多研究者基于该数据集开展算法研究与应用实践，共同推动人工智能技术在中医药领域的创新应用与发展。本 **中草药图像分类数据集**包含 **10000 张图像和 45 个类别**，为中药材识别研究提供了良好的数据基础。研究人员可以基于该数据集训练不同类型的深度学习模型，并探索更加高效的中药材识别算法。

一键难忘
2026-03-06 22:47:53

 163

#人工智能 #目标检测 #计算机视觉
棉花病害图像分类数据集（2320张图片已划分、已标注）| AI训练适用于目标检测任务

总体来看，本棉花病害图像分类数据集具有数据结构清晰、类别划分合理、场景多样性强等特点，非常适合用于农业视觉识别研究与深度学习模型训练。通过该数据集，研究人员可以快速构建并验证棉花病害识别模型，从而探索更加高效的农业智能识别算法。在未来的研究中，还可以在此基础上进一步扩展数据规模，例如增加：更多棉花病害类型不同生长阶段图像更复杂的田间环境数据多光谱或无人机遥感图像通过不断完善数据资源，并结合先进的

 一键难忘
2026-03-06 22:31:01

 206

 1

#人工智能 #分类 #目标检测 +1
打击罂粟种植检测数据集（1000张图片已划分、已标注）| AI训练适用于目标检测任务

随着人工智能技术的不断发展，计算机视觉在农业与植物识别领域的应用越来越广泛。高质量的数据集是推动相关研究的重要基础。本罂粟检测数据集通过整理和标注 1000 张图像，为植物识别和目标检测研究提供了可靠的数据支持。研究人员可以基于该数据集训练目标检测模型，探索更加高效的植物识别算法。未来，随着数据规模的扩大和算法的不断优化，基于视觉识别的植物监测技术将在农业研究、生态保护以及智能农业系统中发挥更加

 一键难忘
2026-03-06 22:01:37

 432

 8

#人工智能 #目标检测 #计算机视觉
南瓜叶片病害图像分类数据集（2000张图片已划分、已标注）| AI训练适用于目标检测任务

随着人工智能技术在农业领域的不断发展，利用计算机视觉进行植物病害识别已经成为智慧农业的重要研究方向。高质量的数据集是推动相关技术进步的重要基础。本南瓜叶片病害图像分类数据集提供了 2000 张高质量叶片图像，并涵盖 5 种典型病害类型，可广泛应用于图像分类模型训练、农业科研以及教学实践。

一键难忘
2026-03-06 21:48:22

 365

 9

#人工智能 #分类 #目标检测
无人机战场侦察 6 类军事目标检测数据集（10,000张图片已划分、已标注）| AI训练适用于目标检测任务

本文介绍了一个用于无人机战场侦察的军事目标检测数据集，包含9,978张标注图像，涵盖6类关键军事目标(BRT、DOM、DST等)。数据集已按标准YOLO格式标注，并划分为训练集(6,994)、验证集(1,984)和测试集(1,000)。该数据集覆盖山地、丛林、城市废墟等多种复杂战场环境，包含大量小目标和遮挡场景，适用于YOLO、Faster R-CNN等目标检测模型的训练与评估。作者强调了高质量数

 一键难忘
2026-03-06 20:44:20

 531

 10

#人工智能 #无人机 #目标检测
零基础能学目标检测吗？需要哪些前置知识

大家好，我是唐宇迪，资深AI讲师、学习规划师，专注计算机视觉与目标检测教学已经有10年+。这些年，我带过上千名零基础学员，从文科转行的小白、在校大学生，到职场跨行的新人，我会像在课堂上一样，一步步拆解，穿插真实学员案例、迪哥小提示和避坑指南，让你读完不仅不焦虑，还能立刻拿起电脑开始行动。

唐宇迪（学习规划+技术培训）
2026-03-06 15:27:27

 365

 10

#目标检测 #人工智能 #计算机视觉 +3
项目解决方案：智能小区AI识别建设解决方案

本文阐述了智能小区AI识别系统的建设方案。项目基于智能化转型需求和安全管理的升级，结合高清摄像头、AI算法等技术，旨在实现全方位智能监控。系统需满足多平台访问、权限管理、AI识别（包括烟火检测、垃圾满溢检测等）及数据分析功能。建设目标强调高性价比、先进实用、安全可靠等特性，同时需解决系统兼容性、权限管理、识别准确性等技术难点。方案采用分层架构设计，通过视频汇聚和AI分析实现智能监控，为居民提供安全

 威迪斯特
2026-03-06 10:53:54

 385

 8

#人工智能 #计算机视觉 #目标检测
从AI模型到桌面应用：用Electron + FastAPI + YOLO打造开箱即用的智能检测系统（前端文档二）

基于 Electron 构建的目标检测系统桌面应用，采用现代化深色主题设计，实现图像/视频目标检测、AI 对话、系统监控、数据可视化大屏等功能

 BestSongC
2026-03-06 10:17:29

 401

 6

#目标跟踪 #人工智能 #计算机视觉 +2
基于 Anaconda + VS Code 使用 ModelScope SDK 完整教程

本文是面向 AI 开发者的 ModelScope（魔搭社区）SDK 入门实操教程，基于 Anaconda 与 VS Code 工具链，完整覆盖从环境搭建到功能验证的全流程，可复现、低踩坑。教程详解了 Anaconda 独立 Python 环境的创建激活、ModelScope SDK 镜像加速安装、VS Code 解释器配置，以及汽车品牌公开数据集加载验证的核心代码，同时梳理了环境缺失、模块报错、网

 gangchuangangchu
2026-03-06 08:57:18

 786

 15

#python #visual studio code #视觉检测 +3
大模型算法（七）：计算机视觉

首次将 CNN 引入目标检测，打破传统手工特征（HOG/SIFT）的局限。先通过 ** 选择性搜索（Selective Search）** 生成约 2000 个候选区域，再将每个候选区域缩放至固定尺寸，输入 AlexNet 提取特征，最后用 SVM 做分类、线性回归做边框修正。相比传统方法，检测精度提升超 50%，奠定了两阶段检测 “

wlyswh2010
2026-03-01 02:34:55

 506

 5

#计算机视觉 #目标检测
基于「YOLO目标检测 + 多模态AI分析」的植物番茄病害检测分析系统

本项目是一个基于AI技术的番茄病害智能检测系统，采用Vue3+Flask技术栈开发。系统集成了YOLOv8/YOLO11等先进目标检测模型，支持图片、视频和实时摄像头三种检测模式，能够识别6种番茄常见病害和药害。核心功能包括用户管理、数据集上传、模型训练、病害检测分析等，检测精度达mAP50 0.89。创新性地结合多模态大模型提供防治建议，并具备模型评估系统。适用于设施农业、露地种植等场景，为番茄

 羊羊小栈
2026-03-05 22:00:21

 951

 13

#人工智能 #目标检测 #计算机视觉
YOLO26 数据增强策略：Mosaic、MixUp、CopyPaste 等实现

本文介绍了YOLO26目标检测模型中的数据增强策略。针对数据稀缺、过拟合等问题，YOLO26集成了多种先进的数据增强技术，包括基础增强（随机翻转、颜色抖动、随机缩放）和高级增强（Mosaic、MixUp、CopyPaste）。文章详细阐述了这些技术的实现方法，包括增强流程、核心代码实现以及具体应用场景。Mosaic增强通过拼接4张图片扩展样本多样性，MixUp和CopyPaste则进一步丰富了训练

 一键难忘
2026-03-05 17:57:37

 171

#目标检测 #人工智能 #计算机视觉 +1
脑肿瘤识别目标检测数据集（1200张图片已划分、已标注）| AI训练适用于目标检测任务

摘要本文介绍了一个专用于脑肿瘤识别的医学影像数据集，包含1200张已标注的MRI等脑部影像，分为阴性（无肿瘤）和阳性（有肿瘤）两类。数据集已规范划分为训练集和验证集，适用于深度学习模型的训练与验证。该数据集具有影像质量高、标注准确、病灶表现多样等特点，可用于脑肿瘤自动筛查、医学影像分类算法研究等医疗AI应用场景。文中还提供了基于PyTorch的模型训练示例代码，展示了如何使用该数据集构建脑肿瘤分

 一键难忘
2026-03-05 16:41:21

 368

 9

#人工智能 #目标检测 #计算机视觉
《Conditional Diffusion Models for Camouflaged andSalient Object Detection》论文分享（侵删）

原文链接：https://doi.org/10.1109/tpami.2025.3527469author={Ke Sun and Zhongxi Chen and Xianming Lin and Xiaoshuai Sun and Hong Liu and Rongrong Ji}摘要伪装目标检测（COD）是计算机视觉领域的一项重大挑战，在实际应用中起着至关重要的作用。现有的COD方法在用高置

 不吃香菜葱的程序猿
2026-01-05 22:06:48

 934

 20

#目标检测 #人工智能 #计算机视觉
从AI模型到桌面应用：用Electron + FastAPI + YOLO打造开箱即用的智能检测系统（前端文档一）

本文介绍了一个基于Electron+FastAPI+YOLO的目标检测桌面应用开发方案。该项目通过整合YOLO目标检测、大语言模型对话和系统监控等功能，实现了图像/视频智能分析、AI问答等核心能力。文章详细阐述了技术选型（Electron跨平台、FastAPI高性能后端）、UI设计理念（深色主题+玻璃拟态）以及功能实现方案（包括视频转码、CORS处理等关键技术难点）。该应用具有可视化操作界面、批量

 BestSongC
2026-03-05 14:08:33

 363

 4

#前端 #人工智能 #electron +1
从AI模型到桌面应用：用Electron + FastAPI + YOLO打造开箱即用的智能检测系统

本文介绍了一个基于Electron+FastAPI+YOLO的目标检测桌面应用开发方案。该项目通过整合YOLO目标检测、大语言模型对话和系统监控等功能，实现了图像/视频智能分析、AI问答等核心能力。文章详细阐述了技术选型（Electron跨平台、FastAPI高性能后端）、UI设计理念（深色主题+玻璃拟态）以及功能实现方案（包括视频转码、CORS处理等关键技术难点）。该应用具有可视化操作界面、批量

 BestSongC
2026-03-05 14:00:47

 567

 13

#目标跟踪 #人工智能 #计算机视觉 +2
火焰与烟雾目标检测数据集（13,500张图片已划分、已标注）| AI训练适用于目标检测任务

《火焰与烟雾目标检测数据集发布》摘要：本数据集包含13,500张高质量标注图像，涵盖室内外多种复杂场景（厂房/森林/住宅等），包含火焰(fire)和烟雾(smoke)2个类别。数据采用YOLO标准格式标注，已划分为训练/验证/测试集，支持主流目标检测模型（YOLOv5/v8/v10）训练。特点包括：多样化光照条件（昼夜/逆光）、多尺度目标、复杂背景干扰（雾气/蒸汽等），可有效提升模型泛化能力。适

 一键难忘
2026-03-05 11:51:34

 592

 8

#人工智能 #目标检测 #计算机视觉
YOLO26 小目标检测技术：遥感 / 工业 / 交通场景适配

YOLO26小目标检测技术针对遥感、工业和交通场景进行了优化适配。研究背景显示，小目标检测在多个领域具有重要应用价值，但面临特征丢失、样本失衡等挑战。YOLO26通过STAL标签分配和ProgLoss训练策略进行优化，并针对不同场景特点采用差异化配置：遥感场景增强感受野和上下文融合，工业场景注重细节保留和高精度定位，交通场景优化实时性和跟踪辅助。核心代码实现了场景自适应的网络架构和数据增强策略，包

 一键难忘
2026-03-05 10:11:39

 600

 8

#目标检测 #人工智能 #计算机视觉
YOLO26 边缘部署技术：嵌入式低功耗优化要点

YOLO26边缘部署技术通过模型量化、剪枝、知识蒸馏和算子优化等策略，显著提升了在嵌入式设备上的运行效率。实验表明，优化后的YOLO26n-Edge在树莓派4上达到8FPS，功耗仅5W；在Jetson Nano上实现22FPS；高端手机芯片上可达50FPS。该技术有效解决了边缘设备计算资源受限、内存容量小、功耗限制等挑战，为低功耗边缘计算场景提供了高效的AI推理方案。

一键难忘
2026-03-05 10:11:04

 447

 8

#人工智能 #计算机视觉 #目标检测 +1

加载更多

回到
顶部

提供社区服务与技术支持

提供社区服务与技术支持

©1999-2023北京创新乐知网络技术有限公司京ICP备19004658号