- 博客(3)
- 收藏
- 关注
RSS订阅原创 目标检测_YOLOv5-AFPN-P2345_行人摩托车识别系统
本文提出了一种基于改进YOLOv5算法的行人摩托车识别系统，通过引入AFPN特征金字塔网络、P2345结构和SE注意力机制，显著提升了检测精度。系统采用Vue+Flask框架实现，在自建数据集上测试表明，改进模型mAP@0.5达到0.862，比原始YOLOv5提升10.2%，同时保持105FPS的实时性能。消融实验验证了各改进模块的有效性，实际应用表明该系统适用于智能交通监控和自动驾驶等场景，为复杂交通环境下的目标检测提供了高效解决方案。
2025-12-28 21:11:00
481
原创 基于YOLO11-C3k2-gConv的茶芽检测与识别系统实现
本文提出了一种基于改进YOLO11模型的茶芽检测系统YOLO11-C3k2-gConv，通过引入C3k2模块增强特征提取能力和gConv模块提升复杂背景鲁棒性。实验表明，该系统在2000张茶园图像数据集上达到0.912 mAP@0.5和92 FPS，优于主流检测模型。消融实验验证了关键模块的有效性，且对不同类别茶芽均保持良好检测性能。该系统实现了精度与速度的平衡，为茶叶智能化生产提供了可靠解决方案。
2025-12-28 20:40:45
416
原创 【详细解读DETR，基于transformer的目标检测网络】DETR： End-to-End Object Detection with Transformers
本文详细介绍了Transformer和DETR模型的结构与原理。Transformer的核心模块包括多头自注意力机制、残差连接与层归一化（Add+LayerNorm）以及前馈网络（FFN）。DETR是基于Transformer的目标检测模型，通过CNN提取图像特征后，使用Transformer编码器-解码器结构预测固定数量的目标类别和位置。DETR的关键创新包括二维空间位置编码、无mask注意力机制以及通过匈牙利算法直接匹配预测框与真实框，从而避免了传统NMS后处理。实验表明，DETR特别适合大物体检测，其
2025-11-27 16:25:40
429
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人