- 博客(13)
- 收藏
- 关注
RSS订阅原创 基于Faster-RCNN和RegNetX-3.2GF的混凝土裂缝检测与识别模型训练与评估
混凝土裂缝智能检测系统技术解析 基于Faster-RCNN与RegNetX-3.2GF的深度学习方案，本文构建了高效的混凝土裂缝检测系统。针对裂缝形态多样、背景复杂等技术难点，系统采用模块化设计：前端交互界面（ui.py）与后端模型训练（mmdetection框架）分离，支持YOLO系列模型优化训练，实测mAP50-95达68%。通过边缘增强网络和注意力机制提升小目标检测能力，结合TensorRT加速实现工程级部署。项目提供完整数据集构建指南（标注工具/数据增强）、训练脚本及B站视频教程，为基建安全监测提供
2025-11-13 09:28:35
549
原创 城市交通场景中的车辆检测与识别_YOLOv8-HSFPN模型应用
本文提出了一种改进的YOLOv8-HSFPN模型用于城市交通场景中的车辆检测。针对传统算法在复杂交通场景下的不足，该模型通过引入高效特征金字塔网络(HSFPN)、通道注意力机制和动态权重分配策略，显著提升了检测性能。实验结果表明，模型在mAP@0.5指标上达到0.875，相比原YOLOv8提升3.3个百分点，小目标检测AP提升4.5个百分点，同时保持11.8ms/帧的实时性能。该模型尤其擅长处理光照变化、遮挡等复杂场景，为智能交通系统提供了一种高效可靠的解决方案。文章还提供了完整的开源实现和详细的技术文档。
2025-11-13 08:55:29
997
原创 【智能停车】YOLO11多骨干网络DAF实现停车场车位状态与车牌识别系统详解
本文提出了一种基于YOLO11多骨干网络和DAF注意力机制的智能停车系统，用于实时检测车位状态和识别车牌信息。系统采用分层架构设计，结合CSPDarknet、ResNet和MobileNet三种骨干网络的优势，并创新性地引入DAF(Deformable Attention Fusion)注意力机制自适应调整感受野。通过构建包含10,000张停车场图像的数据集并采用多种数据增强策略，系统能够有效识别不同光照和角度下的车位状态及车牌信息。实验表明，该系统在保持较高精度的同时满足实时性要求，为解决城市停车难问题提
2025-11-12 22:01:33
909
原创 基于YOLO11与多骨干网络的车位状态检测系统详解
YOLO系列目标检测模型从v1到v13经历了显著进化，从YOLOv1的网格预测机制到YOLOv8的Anchor-Free设计，在速度和精度间不断寻求平衡。本文系统梳理了YOLO家族发展历程，对比了v5到v8的关键指标（如YOLOv8x达到0.837 mAP），并分析了MMDetection框架中的经典模型（如Cascade R-CNN）。针对车位检测场景，详细介绍了一个基于YOLO11的系统，采用多骨干网络架构（ResNet50+MobileNetV2）和自适应特征融合机制，通过注意力加权实现多尺度特征优化
2025-11-12 21:15:56
559
原创 【计算机视觉】集装箱及其部件检测与识别：基于YOLOv8-PST的智能识别系统_1
YOLOv8-PST是一种基于YOLOv8的改进目标检测模型，专门针对集装箱及其部件的检测任务进行了优化。该模型引入了PST(Position-Sensitive Transformer)模块，显著提升了小目标和密集目标的检测性能。本文详细介绍了一种基于YOLOv8-PST的集装箱及其部件智能识别系统。通过引入PST模块和多种优化策略，该系统在保持较高推理速度的同时，显著提升了检测精度，特别是在小目标和密集目标的检测任务中表现突出。
2025-11-11 23:44:14
754
原创 雪豹检测与识别：基于libra-faster-rcnn_r50_fpn_1x_coco模型的实现与优化
本文介绍了基于libra-faster-rcnn_r50_fpn_1x_coco模型的雪豹检测系统开发。针对雪豹这一濒危物种的野外监测需求，研究构建了包含227张标注图像的专用数据集，并详细阐述了数据预处理流程（包括标准化尺寸调整至416×416像素）和数据增强方法（水平/垂直翻转、随机裁剪、椒盐噪声）。模型采用改进的Faster R-CNN框架，集成LIBRA模块解决样本不平衡问题，通过ResNet-50骨干网络和FPN特征金字塔实现多尺度目标检测。实验配置包括PyTorch环境搭建、MMDetectio
2025-11-11 23:10:49
1011
原创 YOLO11-ASF蚕茧质量检测与分类系统实战教程
本文介绍了一个基于改进YOLO11-ASF模型的蚕茧质量自动检测与分类系统。该系统采用CSPDarknet作为骨干网络，引入ASF注意力机制增强小目标检测能力，并优化了损失函数设计。系统架构包含图像采集、预处理、检测分类和结果输出四大模块，支持对正常茧和三类缺陷茧的识别。文章详细阐述了数据集准备要求（1000+图像，COCO标注格式）、模型改进要点（ASF注意力机制、Focal Loss和CIoU损失）以及训练环境配置，为蚕茧质量检测提供了一套完整的计算机视觉解决方案。项目通过注意力机制和自定义损失函数显著
2025-11-09 22:57:59
682
原创 YOLOv10n-HWD复合材料挖补修理结构缺陷检测方法
摘要： 本文提出基于YOLOv10n-HWD的复合材料挖补修理结构缺陷检测方法，针对蜂窝、加载、空洞等五类缺陷优化算法。通过改进骨干网络、引入HWD注意力机制和多尺度特征融合，在自建数据集（300张图像，含数据增强）上实现高效检测。实验表明，该方法平均F1分数达0.929，mAP达0.928，尤其对蜂窝缺陷检测效果最佳（F1=0.941）。研究为航空航天复合材料缺陷检测提供了自动化解决方案，显著提升检测效率和准确性。
2025-11-09 22:32:24
854
原创 基于yolov8-PSFM的集装箱检测与识别系统实现_1
本文提出了一种基于改进YOLOv8算法的集装箱检测识别系统。针对港口环境复杂、集装箱尺度差异大等特点，该系统创新性地引入了PSFM（金字塔空间特征融合）模块和轻量化注意力机制，有效提升了检测精度。实验结果表明，改进后的YOLOv8-PSFM在mAP指标上比原始YOLOv8提升3.7%，小尺寸集装箱召回率提高5.2%，同时保持实时性能。该系统已成功应用于港口管理场景，显著提升了集装箱识别效率和准确性。未来将进一步优化模型轻量化程度，并探索多模态融合技术。
2025-11-08 09:54:38
716
原创 课堂学生专注度检测：基于YOLOv10n与全局边缘信息融合的智能监控系统
本文提出了一种基于YOLOv10n与全局边缘信息融合的智能课堂监控系统，可实时检测学生专注度。系统采用改进的YOLOv10n目标检测算法，结合Canny边缘检测提取的全局特征，通过多维度评估（面部朝向、眼部状态等）量化学生专注度。实验表明，该系统在真实课堂场景中达到85.3%的平均准确率，处理速度32ms/帧，满足实时需求。相比传统方法，该系统在复杂背景下检测精度提升10%，为教师提供客观的教学反馈，促进教育信息化发展。未来将融合更多特征信息并优化模型结构，拓展应用场景。
2025-11-08 09:30:33
1017
原创 YOLO11-RePViT：伪装物体检测模型改进与实现详解
本文提出YOLO11-RePViT模型，通过引入重参数化视觉Transformer（RepViT）和C3k2模块改进YOLOv11的伪装物体检测性能。模型采用多分支特征融合和解耦检测头设计，结合自适应训练策略与数据增强，在COD10K等数据集上mAP提升3.2%，召回率提高5.8%。实验验证了RepViT架构（贡献2.1%mAP提升）等组件的有效性。模型经优化可部署于边缘设备，已成功应用于军事、环保等领域。未来将探索更先进的重参数化技术和自监督学习以提升泛化能力。
2025-11-06 21:14:28
633
原创 钢绞线损伤检测与分类：基于Faster R-CNN和RegNetX-1.6GF的FPN多尺度训练方法
本文提出了一种基于Faster R-CNN和RegNetX-1.6GF的FPN多尺度训练方法，用于钢绞线损伤检测与分类。该方法结合特征金字塔网络(FPN)和多尺度训练策略，有效提升了不同尺寸损伤的检测精度。实验结果显示，该模型在钢绞线损伤检测任务中mAP@0.5达92.3%，小损伤召回率为85.6%，分类准确率达94.7%。通过模块化系统设计，该方法可集成到基础设施监测系统中，实现钢绞线损伤的自动化检测，显著提升检测效率和准确性。
2025-11-06 20:52:04
824
原创 3D点云分割算法总结
3D点云的深度学习点云表示是3D场景理解的常用数据格式。为了处理点云，早期的方法[2,3,36,37]根据点的统计属性提取手工制作的特征。最近的深度学习方法学习从点中提取特征。基于PointNet的方法[pointnet]提出通过共享的多层感知器(MLP)处理点，然后从对称函数（例如最大池化）中聚合区域和全局特征。卷积方法被积极探索用于点云处理。连续卷积方法[23、40、44、45]学习与局部点的空间分布相关的内核。离散卷积方法[5,8,13,19,25,34]学习从点量化获得的规则网格的内核。
2025-10-01 21:17:01
762
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