- 博客(2116)
- 收藏
- 关注
RSS订阅
原创 YOLO26-seg分割 魔术师专栏｜全网独家首发！2026 原创级创新赋能 CV 全场景
🔥 基于 YOLO26 核心架构迭代，融合顶会前沿成果，打造更高效更灵活更具创新性的计算机视觉解决方案！专栏核心创新方向。
2026-05-09 10:12:10
855
原创 YOLO26 魔术师专栏｜全网独家首发！2026 原创级创新赋能 CV 全场景
基于 YOLO26 核心架构迭代，融合原创自研、2026 AAAI/CVPR/ICCV 顶会前沿成果，打造更高效、更灵活、更具创新性的计算机视觉解决方案！
2026-01-22 09:33:06
4356
5
原创 《YOLO11魔术师专栏》专栏介绍 & 专栏目录
【原创自研模块】【多组合点优化】【注意力机制】【主干篇】【neck优化】【卷积魔改】【block&多尺度融合结合】【损失&IOU优化】【上下采样优化】【小目标性能提升】【前沿论文分享】【训练实战篇】
2024-10-12 13:19:28
13379
34
原创 《RT-DETR魔术师》专栏介绍 & 优快云独家改进创新实战 & 专栏目录
通过本专栏的阅读，后续你也可以自己魔改网络，在网络不同位置（Backbone、head、neck、loss等）进行魔改，实现创新！！！
2023-11-14 20:54:20
7357
26
原创 《YOLOv8-Pose关键点检测》专栏介绍 & 优快云独家改进创新实战 & 专栏目录
YOLOv8-Pose关键点检测:1）手把手从数据集标注、训练到模型的教程；2）模型轻量化创新；3）loss优化教程
2023-11-02 09:19:27
8009
19
原创 《深度学习工业缺陷检测》专栏介绍 & 优快云独家改进实战
深度学习工业缺陷检测：1）提供工业小缺陷检测性能提升方案，满足部署条件；2）针对缺陷样品少等难点，引入无监督检测；3）深度学习 C++、C#部署方案；4）实战工业缺陷检测项目，学习如何选择合适的框架和模型；
2023-09-22 21:05:56
7411
25
原创 腾讯开源“全知视觉“模型 WeVisOne-VL：一个模型干翻 9 大 CV 任务，2B 参数吊打 9B 巨头
从"目标"到"像素"，一个模型全包了。 检测、指代、计数、指点、OCR、分割、抠图——7 类任务、9 个 benchmark，它一个模型全干，而且在多数任务上把 8B~9B 的专用/通用大模型按在地上摩擦。
2026-11-06 13:43:30
280
原创 Plate-YOLO：把 YOLOv5 改造成“天文底片救活器“
对 YOLO 工程线而言，Plate-YOLO 给出了一条清晰的"档案特异性适配"路径：同一套检测骨架，靠 SPD + SimAM + P2 + NWD 四件套适配退化数据。值得在 YOLO11/26 上复现这组组合，验证它对满场小目标、噪点画质场景的迁移增益。
2026-11-04 09:39:24
328
原创 DINOv3 替换 YOLO26 骨干网络：NEU-DET 工业缺陷检测 mAP 提升 2.1%，零算力增加的涨点实战
DINOv3 负责"看得懂"，YOLO26 负责"检得快"——这一组合将在"标注稀缺 + 目标细小 + 要求实时"的工业与垂直场景中，成为高性价比的标配方案
2026-11-04 09:35:43
141
原创 JMT-YOLO：分割引导一致性学习，让 YOLO 在陌生域里也“看得清“
论文在消融里埋了几条未来线：掩码比与损失权重的精细调配、SAM 自动伪掩码在无 GT 框提示时的提示策略优化、以及噪声框提示下的鲁棒性验证，说明"用分割当结构监督"这条路还有很大挖潜空间。
2026-11-02 10:53:41
217
原创 DocLayout-YOLO：页面轴注意力 + 百万级合成预训练，让 YOLO 读懂文档版面
实验验证：四大异构基准全部 SOTA，D4LA/M6Doc/HJDataset/PRIMA-LAD 的 mAP50:95 分别为 72.4%/75.5%/96.0%/73.1%；精度-效率权衡优于现有实时检测器。
2026-10-29 14:50:38
391
原创 YOLO26-seg优化：TGRS2026 EDDNet | EDDConv注入C3k2，形变自适应+跨阶段协同，密集小目标检测精度炸裂
EDDConv 结合YOLO26的C3k2模块，嵌入 EDDConv 即装上“动态几何+多尺度”采样器，即插即用不改架构。
2026-10-23 16:12:23
356
原创 YOLOv13优化：TGRS2026 EDDNet | EDDConv注入C3k2，形变自适应+跨阶段协同，密集小目标检测精度炸裂
EDDConv 结合YOLOv13的C3k2模块，嵌入 EDDConv 即装上“动态几何+多尺度”采样器，即插即用不改架构。
2026-10-23 16:09:37
140
原创 YOLO11狂飙：TGRS2026 EDDNet | EDDConv注入C3k2，形变自适应+跨阶段协同，密集小目标检测精度炸裂
EDDConv 结合YOLO11的C3k2模块，嵌入 EDDConv 即装上“动态几何+多尺度”采样器，即插即用不改架构。
2026-10-22 12:41:39
145
原创 YOLO26狂飙：TGRS2026 EDDNet | EDDConv注入C3k2，形变自适应+跨阶段协同，密集小目标检测精度炸裂
EDDConv 结合YOLO26的C3k2模块，嵌入 EDDConv 即装上“动态几何+多尺度”采样器，即插即用不改架构
2026-10-22 12:41:28
257
原创 面向红外小目标检测的方向感知偏移增强与动态可变形卷积
1）速度代价：动态 offset 计算不可避免增加计算复杂度，相比静态卷积推理速度略有下降（完整版 15.228G FLOPs，约为 baseline 的 2.2 倍）；2）极端杂波虚警：在与目标特征相似的高强度杂波场景中，仍可能出现少量虚警；3）后续将聚焦模型轻量化与语义约束的进一步探索。
2026-10-22 08:52:28
352
原创 基于YOLO26的风力表面缺陷检测系统（Python源码+数据集+Pyside6界面）
摘要：本研究对Ultralytics YOLO26进行了全面分析，重点阐述了其关键架构改进及其在实时边缘目标检测中的性能基准测试。YOLO26于2025年9月发布，是YOLO系列最新、最先进的成员，专为在边缘及低功耗设备上实现高效、精确且易于部署的目标而构建。本文依次详述了YOLO26的架构创新，包括：移除了分布焦点损失（DFL）；采用端到端的无NMS推理；集成了渐进损失（ProgLoss）与小目标感知标签分配（STAL）；以及引入了用于稳定收敛的MuSGD优化器。
2026-10-19 10:10:30
209
原创 病斑只有几像素、叶脉纹理全是干扰？把 DINOv3 接进 YOLO，农业视觉的“老大难“有解了
DINOv3 是 Meta 在 2025 年 8 月发布的自监督视觉基座模型（DINO 系列第三代）。与需要人工标注的分类预训练不同，它在 LVD-1689M（16.89 亿张无标注图片）上做自蒸馏训练，核心目标是产出高质量的密集特征（dense features）——每个 patch 位置都有语义清晰、可直接用于检测/分割的向量。patch 级特征自带边界语义。弱纹理、低对比的早期病斑也有响应，这正是"病斑混在叶脉里"的场景最需要的；Gram anchoring 抑制长训练下的密集特征退化。
2026-10-19 10:07:55
395
原创 DINOv3助力YOLO26提升NEU-DET缺陷检测,map提升2%
DINOv3是Meta于2025年发布的自监督视觉基础模型，属于DINO系列（Distillation with No Labels）的第三代作品。仅依靠无标签图像数据，通过自监督学习即可获得通用、高质量的视觉表征。1）规模与性能DINOv3在17亿张图像上进行训练，参数量最高达70亿，分别是前代DINOv2的12倍和6倍。在ImageNet分类任务上取得了84.5%的Top-1准确率，并在目标检测、语义分割、深度估计等多个下游任务中无需微调即可达到领先水平。2）核心技术。
2026-10-14 09:18:30
244
原创 基于YOLO26的透明塑料瓶检测系统（Python源码+数据集+Pyside6界面）
摘要：本研究对Ultralytics YOLO26进行了全面分析，重点阐述了其关键架构改进及其在实时边缘目标检测中的性能基准测试。YOLO26于2025年9月发布，是YOLO系列最新、最先进的成员，专为在边缘及低功耗设备上实现高效、精确且易于部署的目标而构建。本文依次详述了YOLO26的架构创新，包括：移除了分布焦点损失（DFL）；采用端到端的无NMS推理；集成了渐进损失（ProgLoss）与小目标感知标签分配（STAL）；以及引入了用于稳定收敛的MuSGD优化器。
2026-10-12 10:01:39
263
原创 基于YOLO26的痰涂片显微镜检测系统（Python源码+数据集+Pyside6界面）
基于YOLO26的痰涂片显微镜检测系统，阐述了整个数据制作和训练可视化过程
2026-10-09 17:04:27
166
原创 基于YOLO26的肺部病理检测系统（Python源码+数据集+Pyside6界面）
摘要：本研究对Ultralytics YOLO26进行了全面分析，重点阐述了其关键架构改进及其在实时边缘目标检测中的性能基准测试。YOLO26于2025年9月发布，是YOLO系列最新、最先进的成员，专为在边缘及低功耗设备上实现高效、精确且易于部署的目标而构建。本文依次详述了YOLO26的架构创新，包括：移除了分布焦点损失（DFL）；采用端到端的无NMS推理；集成了渐进损失（ProgLoss）与小目标感知标签分配（STAL）；以及引入了用于稳定收敛的MuSGD优化器。
2026-09-28 12:38:08
213
原创 小缺陷、复杂背景检测难？给 YOLO26 装个 DINOv3
自监督视觉基座 DINOv3 的密集特征对"小目标"和"复杂背景"这两类老大难问题天然友好，但 ViT 的算力与结构差异让它难以直接替换 YOLO 的 CNN 骨干。本文给出一种 yaml 驱动的并行融合方案：DINOv3 作为冻结分支与原图并行，抽取中间层 patch token 后经轻量投影，在骨干 P4（Single P4）或 P3+P4（Dual P3+P4）两处注入，检测 / 分割 / 分类共用同一套接法。
2026-09-28 09:24:22
512
原创 基于YOLO26的箱子和仓库检测系统（Python源码+数据集+Pyside6界面）
基于YOLO26的箱子和仓库检测系统，阐述了整个数据制作和训练可视化过程
2026-09-21 16:37:28
147
原创 基于YOLO26的微塑料缺陷检测系统（Python源码+数据集+Pyside6界面）
自动定位与计数：YOLO输出边界框，可统计微纤维、微碎片数量与位置，替代人工挑拣。
2026-09-16 08:43:20
92
原创 基于YOLO26的玻璃缺陷检测系统（Python源码+数据集+Pyside6界面）
基于YOLO26的玻璃缺陷检测系统，阐述了整个数据制作和训练可视化过程；
2026-09-15 12:36:57
128
原创 YOLO26-seg优化：SAA+C2PSA | 选择性聚合全局上下文+空间注意力聚焦，小目标与遮挡跃升新高度 | CVPR2026 SAA
将 SAA 与 C2PSA 模块结合，可形成高效的全局-局部协同机制，显著提升分割性能。
2026-09-14 14:42:16
158
原创 YOLO26-seg优化：PolyMLP+C2PSA | 多项式通道协同空间聚焦，复杂背景分割稳定涨点 | ICML2026
在工业缺陷检测任务中，该组合相比基线可稳定提升mAP 2%以上，且推理速度保持实时。
2026-09-14 14:39:31
55
原创 YOLO26魔改：SAA+C2PSA | 选择性聚合全局上下文+空间注意力聚焦，小目标与遮挡检测跃升新高度 | CVPR2026 SAA
在YOLO26基础上，该组合在多个数据集上稳定提升mAP 1.5%~2%，尤其对遮挡、密集和低对比度目标检测精度提升显著，展现了优异的泛化性和鲁棒性。
2026-09-08 13:07:00
243
原创 YOLO11魔改：SAA+C2PSA | 选择性聚合全局上下文+空间注意力聚焦，小目标与遮挡检测跃升新高度 | CVPR2026 SAA
在YOLO11基础上，该组合在多个数据集上稳定提升mAP 1.5%~2%，尤其对遮挡、密集和低对比度目标检测精度提升显著，展现了优异的泛化性和鲁棒性。
2026-09-08 12:38:40
99
原创 YOLO26升维：PolyMLP+C2PSA | 多项式通道协同空间聚焦，复杂背景目标检测mAP稳定涨点 | ICML2026
在工业缺陷检测任务中，该组合相比基线可稳定提升mAP 2%以上，且推理速度保持实时。
2026-09-07 14:32:01
204
原创 YOLO11升维：PolyMLP+C2PSA | 多项式通道协同空间聚焦，复杂背景目标检测mAP稳定涨点 | ICML2026
实验表明，在工业缺陷检测任务中，该组合相比基线可稳定提升mAP 2%以上，且推理速度保持实时。
2026-09-07 14:31:43
194
原创 YOLO+VLM：AOI的下一站，从“检出一个缺陷”到“维护一个产品状态”
在AOI这个领域，真正的挑战不是让一个模型变得更强，而是让多个模型各司其职、协同工作——从“检出一个缺陷”走向“维护一个产品状态”。
2026-09-02 08:47:12
405
windows下成功编译dcnv4环境
2024-06-18
基于YOLOv8的足球赛环境下足球目标检测系统
2024-06-18
基于YOLOV8的注意力机制源代码获取，开箱即用
2023-08-19
铝片缺陷数据集，数据集大小1400张，缺陷类型一共四种：zhen-kong、ca-shang、 zang-wu、 zhe-zho
2023-06-09
红外小目标飞机检测数据集
2023-05-07
基于yolov5的二维码识别
2023-04-30
基于分割的工业划痕质检数据集
2023-04-30
yolov1、yolov2、yolov3、yolov4、yolov5、yolov6、yolov7等论文
2023-04-28
三星油污缺陷类别：头发丝和小黑点， 数据集大小：660张
2023-04-28
玻璃瓶缺陷检测，缺陷类型：cap，数据集数量：125张
2023-04-28
二维码数据集，数据集大小1085张
2023-04-28
pyqt+yolov5+pcb缺陷检测
2023-04-01
yolov5 tensorrt c++部署
2023-03-27
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人