Limiiiing-优快云博客

原创计算机视觉数据集下载目录 | 涉及遥感、声呐、SAR、多模态、医学、农业、异常/缺陷检测、日常生活目标等

专栏内整理了大量常用的计算机视觉相关图像数据集，包括但不限于：遥感🛰️、多模态🧩、海洋声呐🌊、SAR📡、异常/缺陷🛠️、医学🧬、农业🌱、日常场景📸等。

2026-09-07 09:38:05 2211 1

原创 YOLO26改进目录一览 | 涉及卷积层、轻量化、注意力、损失函数、Backbone、SPPF、Neck、检测头等全方位改进

1️⃣ 什么！不知道如何改进模型⁉️ 本专栏已更新260多种不同的改进方法，所使用并改进的每一个模块均包含详细的模块分析、原理讲解、个人总结、多种改进方式以及完整的修改流程，所有改进100%可直接运行，性价比极高。2️⃣ 找不到合适的模块⁉️ 所有改进点均为近三年顶会，顶刊提出的先进算法，将其融入到中，并进行二次创新，新颖度高，创新度高，能够适应不同的任务场景。3️⃣ 不确定自己改进的步骤、结果是否正确⁉️ 订阅专栏即可进群享受模型训练、模型改进、论文写作、投稿选刊，从入门到论文的各种答疑内容，非常适合新手

2026-02-10 09:23:50 6293 29

原创 YOLOv13改进目录一览 | 涉及卷积层、轻量化、注意力、损失函数、Backbone、SPPF、Neck、检测头等全方位改进

1️⃣ 已更新种不同的改进方案，专栏内的每篇文章皆，均可顺利运行。2️⃣ 订阅专栏即可进群获取以及从的各种答疑内容。3️⃣ 全新的YOLOv13改进专栏，，只为更好的满足论文发表的要求。专栏内容，专栏实时评分，全网最高，质量保证。🎫。。

2025-08-25 08:29:58 9136 27

原创《多模态融合改进》目录一览 | 专栏介绍：全网第一份完整的多模态改进教程，提供《多模态模型改进完整项目包》-开箱即用

在大家订阅专栏后，便可获得多模态模型改进完整项目包-开箱即用，方便简单

2025-04-15 13:31:46 11044 29

原创 YOLOv12改进目录一览 | 涉及卷积层、轻量化、注意力、损失函数、Backbone、SPPF、Neck、检测头等全方位改进

1️⃣ 什么！不知道如何改进模型⁉️ 本专栏所使用并改进的每一个模块均包含详细的模块分析、原理讲解、个人总结、多种改进方式以及完整的修改流程，所有改进100%可直接运行，性价比极高。2️⃣ 找不到合适的模块⁉️ 所有改进点均为近三年顶会，顶刊提出的先进算法，将其融入到中，并进行二次创新，新颖度高，创新度高，能够适应不同的任务场景。3️⃣ 不确定自己改进的步骤、结果是否正确⁉️ 订阅专栏即可进群享受模型训练、模型改进、论文写作、投稿选刊，从入门到论文的各种答疑内容，非常适合新手。4️⃣ 团队内发表数篇SCI论

2025-03-10 22:00:24 21339 113

原创 YOLO训练/写作脚本目录一览 | 涉及标签格式转换、数据扩充、热力图、感受野、精度曲线、数量统计等近百个脚本文件

在大家购买专栏后，便可获得全部的脚本文件。在获取到文件后，只需按照将程序放在个人项目中即可一键运行。

2024-12-30 16:02:54 2375 2

原创 YOLOv8改进目录一览 | 涉及卷积层、轻量化、注意力、损失函数、Backbone、SPPF、Neck、检测头等全方位改进

1️⃣本专栏已更新150多种不同的改进方法，所使用并改进的每一个模块均包含详细的模块分析、原理讲解、个人总结、多种改进方式以及完整的修改流程，所有改进100%可直接运行。2️⃣所有改进点均为近三年顶会，顶刊提出的先进算法，将其融入到中，紧跟学术热点，适应不同的任务场景。3️⃣团队内发表数篇SCI论文，熟悉完整的发表流程，订阅专栏即可进群享受模型训练、模型改进、论文写作、投稿选刊，从入门到论文的各种答疑内容。4️⃣专栏内容会持续更新，最近更新时间：2024-12-24。项目介绍在大家购买专栏后，加入学

2024-12-24 13:26:10 11933 30

原创 RT-DETR改进目录一览 | 涉及卷积层、轻量化、注意力、损失函数、Backbone、SPPF、Neck、检测头等全方位改进

1️⃣本专栏已更新260多种不同的改进方法，所使用并改进的每一个模块均包含详细的模块分析、原理讲解、个人总结、多种改进方式以及完整的修改流程，所有改进100%可直接运行。2️⃣所有改进点均为近三年顶会，顶刊提出的先进算法，将其融入到中，紧跟学术热点，适应不同的任务场景。3️⃣团队内发表数篇SCI论文，熟悉完整的发表流程，订阅专栏即可进群享受模型训练、模型改进、论文写作、投稿选刊，从入门到论文的各种答疑内容。4️⃣专栏内容会持续更新，最近更新时间：2024-12-4。项目介绍在大家购买专栏后，加入学习

2024-12-03 20:39:23 28495 122

原创 YOLOv11改进目录一览 | 涉及卷积层、轻量化、注意力、损失函数、Backbone、SPPF、Neck、检测头等全方位改进

如今各种网络模型更新迭代越来越快，计算机视觉相关的文章也越来越多，多到一些普通，通用的改进点无法达到发表的要求。本专栏正是解决这个问题！如何寻找创新点？为什么要使用这个模块？如何才能提升模型的精度？这是贯穿我们研究始终的问题。创新点在这个专栏中我已经整理好了，这已经省去了大部分时间，但是当我们使用这些新的模块去优化已有的模型，如何才能提升模型的精度，才是我们要达到的最终目标。当然我们可以使用传统的A+B+C的方法去堆积模块，然后是进行大量的实验去排列组合以实现最终的精度提升，这无可厚非。

2024-10-11 15:10:44 61919 388

原创 YOLOv10改进目录一览 | 涉及卷积层、轻量化、注意力、损失函数、Backbone、SPPF、Neck、检测头等全方位改进

如何寻找创新点？为什么要使用这个模块？如何才能提升模型的精度？这是贯穿我们研究始终的问题。创新点在这个专栏中我已经整理好了，这已经省去了大部分时间，但是当我们使用这些新的模块去优化已有的模型，如何才能提升模型的精度，才是我们要达到的最终目标。当然我们可以使用传统的A+B+C的方法去堆积模块，然后是进行大量的实验去排列组合以实现最终的精度提升，这无可厚非。

2024-10-11 12:33:51 11156 10

原创 YOLOv9改进目录一览 | 涉及卷积层、轻量化、注意力、损失函数、Backbone、SPPF、Neck、检测头等全方位改进

2024-09-20 15:24:43 4209 3

原创【YOLO26多模态融合改进】| SDFM 表层细节融合模块，利用通道-空间注意力机制，实现跨模态特征融合，抑制噪声干扰

本文记录的是利用SDFM 模块改进 YOLO26 的多模态融合部分。SDFM模块（Surface Detail Fusion Module，表层细节融合模块）通过在特征提取网络的浅层引入通道-空间注意力机制，动态生成跨模态特征融合权重。该模块可自适应保留不同模态中的独特信息，抑制背景噪声与光照干扰，实现低层细节的精准对齐与互补增强，为后续检测提供高保真度的底层特征表示，从而提升模型在复杂场景下的目标检测鲁棒性与定位准确性。Rethinking the necessity of image fusion i

2026-09-24 08:23:37 54

原创【YOLO26多模态融合改进】| PSFM，深层语义融合模块引入跨模态交叉注意力机制，动态建模不同模态特征的全局语义依赖关系

本文记录的是利用PSFM 模块改进 YOLO26 的多模态融合部分。PSFM模块（Profound Semantic Fusion Module，深层语义融合模块）通过在特征提取网络的深层引入跨模态交叉注意力机制，动态建模红外与可见光特征的全局语义依赖关系。该模块以可见光语义为引导、红外热信号为补充，通过双向注意力计算实现“语义类别”与“热目标位置”的精准对齐，同时捕捉长距离语义关联，增强融合特征的判别性与场景理解能力，为检测头提供包含全局上下文的高层语义表示，从而提升模型在复杂场景下的目标检测准确率与语

2026-09-24 08:23:17 49

原创【YOLO26多模态融合改进】| CGA Fusion：内容引导的注意力融合模块，空间权重引导的多模态特征自适应融合

本文记录的是利用CGA Fusion 模块改进 YOLO26 的多模态融合部分。（Content-Guided Attention Fusion）通过内容引导注意力生成空间权重，引导高低层特征的自适应融合。本文利用模块，通过内容引导注意力生成空间权重，自适应地融合两个模态的特征，在特征融合阶段实现跨模态语义对齐与噪声抑制，增强对不同模态互补特征的利用能力，从而提升模型在多模态场景下的检测鲁棒性与准确性。DEA-Net: Single image dehazing based on detail-enhanc

2026-09-23 08:25:45 48

原创【YOLO26多模态融合改进】| CFT：跨模态融合Transformer | 利用Transformer的自注意力机制，解决跨模态融合中的长距离依赖和全局信息整合问题

本文记录的是利用 CFT 模块改进 YOLO26 的多模态目标检测网络模型。的设计出发点在于解决传统多模态检测中跨模态特征融合不充分的问题，即当不同模态数据需协同检测时，基于CNN的方法因局部卷积的局限性，难以捕捉长距离依赖和全局模态间的互补信息，导致复杂光照、遮挡等场景下检测精度不足。本文利用模块，将多模态特征序列拼接后自动学习模态内与模态间的交互权重，在特征提取阶段整合全局上下文信息，增强对不同模态互补特征的利用能力，从而提升模型在多模态场景下的检测鲁棒性与准确性。Cross-Modality Fusi

2026-09-23 08:25:10 41

原创【YOLO26多模态融合改进】在前期、中期、中后期、后期多模态融合中添加P6大目标检测层，完整步骤及代码

主题： YOLO26的多模态融合改进中增加P6大目标检测层方式：分别在前期融合、中期融合、中-后期融合、后期融合中增加P6多模态融合检测层。内容：包含融合方式详解以及完整配置步骤，开箱即用，一键运行。原始模型结构如下：二、有效特征层对应的检测头类别2.1 P3/8 - small检测头原始模型中的对应的检测头主要用于检测相对较小的目标。其特征图大小相对较大，空间分辨率较高。适合检测尺寸大概在到像素左右的目标。2.2 P4/16 - medium检测头这个检测头对应的经过了更多的下采样操

2026-09-22 10:03:50 48

原创【YOLO26单模态融合改进】普通数据集的双模型融合改进，涉及中期、中后期、后期融合方式的完整配置步骤以及二次改进方案

在网络中间层（骨干网络与颈部网络之间）对多模态特征进行融合。

2026-09-22 10:03:14 26

原创【YOLO26多模态融合改进】在前期、中期、中后期、后期多模态融合中添加P2小目标检测层，完整步骤及代码

主题： YOLO26的多模态融合改进中增加P2小目标检测层方式：分别在前期融合、中期融合、中-后期融合、后期融合中增加P2多模态融合检测层。内容：包含融合方式详解以及完整配置步骤，开箱即用，一键运行。原始模型结构如下：二、有效特征层对应的检测头类别2.1 P3/8 - small检测头原始模型中的对应的检测头主要用于检测相对较小的目标。其特征图大小相对较大，空间分辨率较高。适合检测尺寸大概在到像素左右的目标。2.2 P4/16 - medium检测头这个检测头对应的经过了更多的下采样操

2026-09-21 16:40:03 51

原创【YOLO26多模态融合改进】（可见光+红外）涉及像素级融合、特征级融合（中期、中后期、后期）、决策级融合的完整配置步骤以及二次改进方案

在网络输入阶段将多模态数据直接合并，形成统一的特征表示。

2026-09-21 16:26:08 1064

原创【YOLOv10多模态融合改进】| TGRS 2026 CIFusion 通道交互融合全局通道自适应权重 + 双向残差模态互通，缓解模态互抑提升小目标精度

航拍可见光（RGB）与红外双模态图像存在天然互补性：RGB富含车辆纹理、色彩、边缘细节，但暗光、遮挡、雾霾场景信噪比极低；红外依靠热辐射凸显弱小车辆，但缺失精细轮廓、易受云层热杂波干扰。采用固定相加、简单通道拼接等静态融合方式，无自适应权重分配，RGB纹理极易淹没红外弱小目标热特征，或红外灰度覆盖RGB区分性细节；仅单向特征补充，缺少双向跨模态信息流通，两分支无法互相弥补自身缺陷，模态冲突严重；

2026-09-11 08:32:16 31

原创【YOLOv8多模态融合改进】| TGRS 2026 CIFusion 通道交互融合全局通道自适应权重 + 双向残差模态互通，缓解模态互抑提升小目标精度

2026-09-10 08:48:11 26

原创【RT-DETR多模态融合改进】| TGRS 2026 CIFusion 通道交互融合全局通道自适应权重 + 双向残差模态互通，缓解模态互抑提升小目标精度

2026-09-10 08:47:45 44

原创【YOLOv13多模态融合改进】| TGRS 2026 CIFusion 通道交互融合全局通道自适应权重 + 双向残差模态互通，缓解模态互抑提升小目标精度

2026-09-09 09:53:41 39

原创【YOLOv12多模态融合改进】| TGRS 2026 CIFusion 通道交互融合全局通道自适应权重 + 双向残差模态互通，缓解模态互抑提升小目标精度

2026-09-09 09:50:00 42

原创 RT-DETR改进策略【卷积层】| CVPR2025 ARConv自适应矩形卷积双维度尺度学习+动态采样，多尺度地物特征精准提取

普通卷积采用固定方形窗口、采样点数量预设固定，无法贴合长条/窄小地物轮廓，多尺度特征提取失效；DCN等可变形卷积需要逐采样点学习偏移，参数量随核尺寸平方暴涨，小遥感数据集极易难收敛，且不能动态增减采样点；金字塔多尺度卷积仅预设固定多组核，无法根据每个像素处地物真实尺寸自适应匹配感受野，跨尺度特征融合精度低。针对以上缺陷提出ARConv，仅学习高、宽两个维度参数，自适应生成矩形卷积窗口，并依据尺度动态调整采样点数量，兼顾空间自适应与低计算开销，适配遥感多尺度地物特征提取与全色、多光谱融合任务。

2026-09-08 21:28:37 77

原创 RT-DETR改进策略【Neck】| TGRS 2025 HFFE分层特征融合编码器深浅尺度对齐 + 层级注意力加权，强化单模态小目标分层特征融合

单幅图像内部浅层特征富含纹理、边缘细粒度细节，深层特征承载全局语义与大尺度上下文，但深浅特征尺度不统一、语义差距明显。深浅特征尺度不一致、语义鸿沟较大，直接叠加易引入浅层杂乱纹理噪声、深层平滑背景冗余信息；无自适应权重分配机制，浅层微小目标细节易被深层全局背景覆盖，小目标特征被淹没；缺少跨层级双向信息交互，无法同步融合浅层精细细节与深层全局语义信息。

2026-09-08 20:29:28 46

原创 RT-DETR改进策略【Neck】| CVPR2025 LCA轻量交叉注意力跨层级双向引导 + 分层降噪增强，提升微小目标特征表达

简单相加、拼接融合无法建立深浅层双向约束关系，浅层微小目标易被深层背景覆盖，深层全局信息难以修正浅层噪声；普通单路自注意力仅单一层内建模依赖，缺少跨层级特征互引导机制，深浅特征信息割裂；标准多头跨注意力计算量大、参数量高，轻量化单模态检测/分割网络部署困难，无法区分前景目标与背景噪声。为此设计单模态轻量化交叉注意力LCA，构建浅层细节、深层语义双分支双向引导结构，轻量完成跨层级特征交互，同步降噪并强化单模态微小目标特征。

2026-09-07 08:47:20 57

原创【YOLOv11多模态融合改进】| TGRS 2026 CIFusion 通道交互融合全局通道自适应权重 + 双向残差模态互通，缓解模态互抑提升小目标精度

2026-09-06 17:12:25 183

原创 NEU‑CLS & NEU‑CLS‑64热轧钢带表面缺陷分类数据集介绍、下载

NEU‑CLS & NEU‑CLS‑64热轧钢带表面缺陷分类数据集🛠️：数据集介绍、下载📥 | 目标分类｜原始图像✅｜分类标签✅

2026-09-06 17:11:55 312

原创 VTUAV 可见光‑红外双模态无人机航拍目标检测数据集介绍、下载及YOLO/VOC/COCO训练格式转换

2026-09-06 17:11:33 304

原创 PKU-Market-PCB 缺陷检测数据集介绍、下载及YOLO/VOC/COCO训练格式转换

2026-09-06 17:11:03 503 3

原创 GC10‑DET 钢材表面缺陷检测数据集介绍、下载及YOLO/VOC/COCO训练格式转换

2026-09-04 16:30:00 564

原创 KTH‑TIPS 材质 / 纹理分类数据集介绍、下载

KTH‑TIPS 材质 / 纹理分类测数据集🛠️：数据集介绍、下载📥 | 目标分类｜原始图像✅｜分类标签✅

2026-09-04 10:35:41 381

原创 Magnetic Tile Defect 磁瓦表面缺陷数据集介绍、下载

Magnetic Tile Defect 磁瓦表面缺陷数据集🛠️：数据集介绍、下载📥 | 语义分割 | 原始图像✅ | 掩码标签✅

2026-09-03 13:00:17 316

原创 OGSOD-2.0 数据集介绍、下载及YOLO/VOC/COCO训练格式转换

OGSOD-2.0 数据集🌊：数据集介绍、下载📥 | 旋转目标检测 | 多模态🧩 | 旋转框📌｜原始图像✅｜DOTA标签✅ | YOLO 旋转框标签✅

2026-09-03 08:30:33 950 1

原创 ELPR 大车放大号牌专用车牌识别数据集介绍、下载

ELPR 大车放大号牌专用车牌识别数据集🆔：数据集介绍、下载📥 | OCR字符识别｜原始图像✅｜真值标签✅

2026-09-02 15:27:59 334

原创 PKU-Market-Phone手机屏幕表面缺陷分割数据集介绍、下载及YOLO/VOC/COCO训练格式转换

2026-09-02 15:26:26 253

原创 I‑HAZE & O‑HAZE 图像去雾数据集介绍、下载

I‑HAZE & O‑HAZE 图像去雾数据集🌫️：数据集介绍、下载📥 | 图像去雾｜含雾图像✅｜真实图像✅

2026-08-31 16:40:00 486

原创蔬菜分类数据集介绍、下载

蔬菜分类测数据集🌱：数据集介绍、下载📥 | 目标分类｜原始图像✅｜分类标签✅

2026-08-31 13:07:58 193

原创海底海参检测数据集介绍、下载及YOLO/VOC/COCO训练格式转换

海底海参检测数据集🌊：数据集介绍、下载📥 | 目标检测 | 水平框📌｜原始图像✅｜VOC标签✅ | COCO 标签✅ | YOLO 标签✅

2026-08-29 13:22:01 246

指数加权移动平均平滑-Python实现

EWMA赋予每个数据点的权重随时间呈指数式递减，即越靠近当前时刻的数据点权重越大。权重分配是通过一个平滑系数α来实现的。该系数决定了近期数据相对于历史数据的权重比例。较大的α值意味着当前数据点的权重更大，平滑效果更灵敏于近期的变化；而较小的α值则使得平滑结果更加平滑，但可能会引入一定的滞后性。 ———————————————— 版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。原文链接：https://blog.youkuaiyun.com/qq_42591591/article/details/140851940

2024-10-24

YOLO v10 s模型的导出文件

2024-10-24

YOLO v10 L模型的导出文件

2024-10-24

高斯滤波-Python实现

高斯滤波计算滤波窗口内各点相对于中心点的权重。权重分配的原则是：距离中心点越近的点权重越大，距离越远的点权重越小。这样，通过对窗口内各点进行加权平均，可以实现数据的平滑处理。

2024-10-24

Savitzky-Golay滤波-Python实现

选择滤波窗口：首先选择一个合适大小的滑动窗口，这个窗口在数据上滑动，对窗口内的数据进行处理。多项式拟合：在每个滑动窗口内，使用多项式函数对数据进行最小二乘法拟合。多项式的阶数和窗口大小可以根据数据的特性进行调整，以达到最佳的滤波效果。计算拟合值：根据拟合得到的多项式函数，计算窗口中心点的估计值，作为滤波后的结果。这个估计值反映了窗口内数据的局部趋势，从而实现了数据的平滑。

2024-10-24

中值滤波算法-Python实现

中值滤波是将窗口内的均值换成中值，进行滤波处理

2024-10-24

移动平均平滑算法-Python实现

移动平均平滑是基于平均值的概念，通过计算序列中每个数据点周围的一定数量的数据点的平均值，来平滑时间序列中的噪声和波动，从而更清晰地观察序列的趋势和周期性。

2024-10-24

卡尔曼滤波算法-Python实现

2024-10-24

yolov10m导出的模型文件

2024-10-24

YOLOv10b的.onnx文件

YOLO v10模型导出文件

2024-10-24

RT-DETR官方最新源码资源

YOLO 系列由于在速度和准确性之间进行了合理的权衡，已成为最流行的实时目标检测框架。然而，我们观察到 YOLO 的速度和准确性会受到非极大值抑制（NMS）的负面影响。最近，基于端到端 Transformer 的检测器（DETRs）为消除 NMS 提供了一种替代方案。尽管如此，高计算成本限制了它们的实用性，并阻碍了它们充分发挥排除 NMS 的优势。在本文中，我们提出了实时检测 Transformer（RT-DETR），据我们所知，这是第一个解决上述困境的实时端到端目标检测器。我们分两步构建 RT-DETR，借鉴先进的 DETR：首先我们专注于在提高速度的同时保持准确性，然后在保持速度的同时提高准确性。具体来说，我们设计了一个高效的混合编码器，通过解耦尺度内交互和跨尺度融合来快速处理多尺度特征，从而提高速度。然后，我们提出最小不确定性查询选择，为解码器提供高质量的初始查询，从而提高准确性。

2024-10-24

小波卷积论文：Wavelet Convolutions for Large Receptive Fields

小波卷积（Wavelet Convolutions）是一种在卷积神经网络（Convolutional Neural Networks, CNNs）中用于增加感受野（Receptive Field）同时避免过度参数化的方法。 WT 是一种时频分析工具，本文采用 Haar WT，它可以在保留一定空间分辨率的情况下对信号进行分解。通过将 WT 与卷积操作相结合，提出了 WTConv 层。小波卷积首先对输入进行小波变换，将其分解为不同频率的子带，如通过与特定的卷积核进行深度可分离卷积实现一级 Haar WT，得到低频分量和多个高频分量。然后在不同的频率子带上进行小卷积核的卷积操作，这些小卷积核可以在更大的原始输入区域上操作，从而增加感受野。最后通过逆小波变换（IWT）将处理后的频率子带组合起来得到输出。

2024-10-24

TA关注的人

指数加权移动平均平滑-Python实现

YOLO v10 s模型的导出文件

YOLO v10 L模型的导出文件

高斯滤波-Python实现

Savitzky-Golay滤波-Python实现

中值滤波算法-Python实现

移动平均平滑算法-Python实现

卡尔曼滤波算法-Python实现

yolov10m导出的模型文件

YOLOv10b的.onnx文件

RT-DETR官方最新源码资源

小波卷积论文：Wavelet Convolutions for Large Receptive Fields

社团管理系统

基于java的社团信息管理系统

模型的剪枝和蒸馏，实现方法和步骤