- 博客(124)
- 收藏
- 关注
RSS订阅原创 建筑工地安全防护装备检测与违规行为识别：基于SABL-Cascade R-CNN R50 FPN模型的训练与应用详解
本文提出了一种基于改进SABL-Cascade R-CNN的建筑工地安全防护装备检测方法。针对工地环境复杂、装备尺度多变的特点，结合SABL的尺度感知能力和Cascade R-CNN的级联检测机制，构建了高性能检测模型。实验表明，该模型在自建数据集上达到82.1%的mAP，65.1ms处理速度，71FPS的实时性能，能有效识别安全帽、安全带等装备的佩戴情况。系统架构包含图像采集、预处理、检测和报警模块，为工地安全管理提供了可行的智能化解决方案。
2025-11-17 13:22:45
1059
原创 微塑料颜色分类识别_基于RepPoints改进模型实现
本文提出了一种基于改进RepPoints模型的微塑料颜色分类识别方法。通过HSV色彩空间转换提取微塑料颜色特征，对RepPoints模型进行改进，采用多任务学习框架设计损失函数。实验结果表明，改进模型在五类微塑料（透明、白、黑、红、蓝）分类任务中表现优于YOLOv4和Faster R-CNN等对比模型，mAP达到0.881。该方法为微塑料污染监测提供了有效的技术手段，未来可进一步优化模型实时性和小样本检测能力，推动环境监测应用。
2025-11-17 12:48:21
748
原创 AI赋能农业：YOLO11-C2PSA-EPGO如何革新椰子叶片虫害检测？
本文介绍了一种基于YOLO11-C2PSA-EPGO模型的椰子叶片虫害智能检测系统。该系统创新性地融合了C2PSA注意力机制和EPGO优化算法，显著提升了检测精度。研究构建了包含5000张多样化样本的数据集，采用渐进式训练策略，最终模型准确率达92.3%。实际应用中，该系统检测效率比人工提升10倍，减少农药使用30%，增产15%。未来将探索多模态融合和边缘计算等方向，推动智慧农业发展。这一技术为农业生产提供了高效精准的虫害检测解决方案。
2025-11-17 12:22:38
1047
原创 文档类型识别与分类_yolo13-C3k2-SFSConv实现详解
本文详细介绍了yolo13-C3k2-SFSConv模型在文档识别与分类任务中的应用。该模型通过创新的C3k2模块（包含多卷积分支和残差连接）增强特征提取能力，以及SFSConv模块实现自适应特征选择。实验结果显示，模型在多个文档数据集上保持高识别精度（mAP@0.5达92.3%）和实时处理能力（45FPS）。文章还提供了关键模块的PyTorch实现代码，并分享了多阶段训练策略和实际应用案例。该技术已成功应用于银行票据识别等场景，展现了深度学习在文档处理领域的实用价值。
2025-11-17 11:57:12
778
原创 【甲状腺病理AI】基于YOLO11-SOEP的甲状腺乳头状癌病理特征识别与分类系统研究
🔬 近年来，甲状腺乳头状癌（PTC）的发病率逐年上升，早期准确诊断对提高患者生存率至关重要！💪 传统的病理诊断依赖医生经验，存在主观性和效率低下的问题。随着人工智能技术的发展，深度学习在医学图像分析领域展现出巨大潜力。本文介绍了一种基于YOLO11-SOEP的甲状腺乳头状癌病理特征识别与分类系统，该系统能够自动识别和分类多种病理特征，为临床诊断提供辅助决策支持。🎯。
2025-11-17 11:28:58
1165
原创 香烟品牌识别与分类：yolov5-LSKNet模型应用
本文提出了一种基于YOLOv5-LSKNet的香烟品牌识别与分类方法。LSKNet通过局部空间注意力机制有效提取香烟包装的细节特征，在保持轻量化的同时提升识别精度。实验表明，该方法在10个品牌10000张图像的数据集上达到79.6% mAP@0.5，相比YOLOv5s提升4.8%，同时参数量减少19.4%。该模型适用于零售、仓库等场景的实时品牌识别，具备部署成本低、识别速度快的优势。未来可拓展至更多品牌，并优化复杂光照条件下的识别性能。
2025-11-17 10:57:57
1144
原创 城轨列车轨道检测与识别：基于YOLOv10n-MAN-FasterCGLU-WFU的改进方法
本文提出一种改进的YOLOv10n-MAN-FasterCGLU-WFU方法用于城轨列车轨道检测。该方法在YOLOv10n基础上引入改进的MAN-FasterCGLU模块（计算量降低14.3%）和WFU加权特征上采样模块，显著提升复杂环境下的检测性能。实验结果表明：在包含10,000张图像的数据集上，改进算法达到89.6% mAP和98 FPS，相比原始YOLOv10n提升2.4个百分点，同时保持良好实时性。该方法解决了传统检测技术在精度与速度平衡、环境适应性等方面的不足，为城轨安全运行提供了有效的自动化检
2025-11-17 10:30:47
821
原创 悬链线形态识别与检测_Mask-RCNN_RegNetX_3.2GF_FPN_MS-3x_COCO模型实战
本文详细介绍了基于Mask-RCNN_RegNetX_3.2GF_FPN_MS-3x_COCO模型的悬链线形态识别与检测技术，从数据集构建、模型训练到实际部署的全过程。实验结果表明，该模型在悬链线检测任务上取得了优异的性能，能够满足实际应用的需求。多模态融合：结合红外图像、激光雷达等多源数据，提高检测的鲁棒性。3D形态重建：基于单目图像或立体视觉，重建悬链线的3D形态，更全面地评估其状态。异常检测：结合深度学习和传统信号处理技术，实现悬链线异常状态的自动检测和预警。自适应学习。
2025-11-16 18:32:52
806
原创 基于YOLOv8的汽车目标检测系统实现与优化_含多种车型识别与自动驾驶应用场景
基于YOLOv8的汽车目标检测系统实现与优化 摘要：本文提出了一个基于YOLOv8的汽车目标检测系统，通过优化模型架构和训练策略，实现了高效准确的多种车型识别。系统采用CSP-Darknet53骨干网络和PAN-FPN特征融合结构，结合157,481张包含12种车型的图像数据训练。实验表明，优化后的模型在测试集上达到92.3%的车型分类准确率，推理速度提升30%，模型体积减小40%，适用于智能交通和自动驾驶场景。通过知识蒸馏、量化训练等技术进一步提升了模型性能，为实际应用提供了可靠的解决方案。
2025-11-16 18:03:37
1122
原创 从YOLO13-C3k2-AKConv模型出发：电容检测与识别技术的突破与实践
YOLO13-C3k2-AKConv模型通过创新的网络结构和优化策略，在电容器检测领域取得了突破性进展。该模型不仅提高了检测精度和速度，还为工业视觉检测提供了新的思路和方法。未来，我们将继续优化模型性能，拓展应用场景，推动电容器检测技术的进一步发展。相信随着技术的不断进步，电容器的检测将变得更加精准、高效，为电子制造业的发展注入新的动力！🚀YOLO13-C3k2-AKCap项目文档，获取更多技术资料和实战经验分享！📚。
2025-11-16 17:24:26
887
原创 伪装目标检测改进：YOLO11-RepNCSPELAN_CAA模型创新与应用持续更新
本文提出了一种基于YOLO11架构改进的RepNCSPELAN_CAA模型，用于解决伪装目标检测的难题。该模型创新性地融合了RepNCSPELAN模块和CAA注意力机制：RepNCSPELAN通过多尺度特征金字塔结构增强特征提取能力，CAA则引入上下文感知提升伪装目标识别率。实验表明，该模型在军事侦察、野生动物保护等应用场景表现优异，mAP@0.5达到83.7%，较YOLOv8提升11.4个百分点，同时保持42FPS的实时性能。模型通过多层次特征融合和上下文分析，有效克服了目标与背景高度相似导致的检测困难，
2025-11-16 16:04:30
1051
原创 柑橘表面缺陷与病虫害识别 Faster-RCNN_R50_FPN_AMP-1x_COCO训练与评估
本文研究了基于Faster-RCNN_R50_FPN_AMP-1x_COCO模型的柑橘表面缺陷与病虫害识别方法。通过ResNet50骨干网络和FPN特征金字塔结构，实现了对小目标和密集缺陷的高精度检测。实验采用自动混合精度训练和1x学习率调度策略，在COCO格式数据集上获得了89.2%的mAP@0.5。研究表明，该方法能有效识别柑橘常见病害（如绿霉病和黑腐病），检测准确率达95%以上，为农业生产中的柑橘品质自动化检测提供了可靠解决方案。未来可通过轻量化模型、注意力机制等进一步优化性能。
2025-11-16 15:26:45
785
原创 【实战案例】基于dino-4scale_r50_8xb2-36e_coco的棉田叶片病害识别与分类项目详解
本文介绍了一种基于改进DINO模型的棉田叶片病害识别系统，通过多尺度特征融合、注意力机制和自适应加权损失优化，解决了传统方法精度低、小目标识别弱等问题。项目构建了包含5种病害的8000张叶片数据集，采用数据增强技术扩充至12000张样本。改进后的DINO模型在mAP指标上达到92.6%，比原始模型提升8.7%，检测速度达35FPS，满足田间实时检测需求。实际测试表明，该系统能准确识别89.3%的病害，显著提高监测效率。
2025-11-16 14:43:17
739
原创 【目标检测】YOLOv10n-ADown弹孔检测与识别系统
本文提出了一种基于YOLOv10n-ADown的弹孔检测与识别系统，针对传统目标检测在小目标检测、尺度变化和复杂背景等挑战中的局限性，设计了创新的ADown自适应下采样模块。该模块通过通道分割和双路径池化策略，结合平均池化与最大池化的优势，显著提升了特征提取效率和质量。系统架构包含增强骨干网络、增强特征金字塔和一致双重分配检测头，通过训练-推理一致性框架解决了传统方法训练与推理不匹配的问题，并设计了轻量级部署方案以适应边缘设备需求。实验结果表明，该方法在弹孔检测任务中具有更高的精度和效率。
2025-11-16 14:01:14
726
原创 【水下目标检测】Yolov8-GDFPN实现水下气泡智能识别系统
本文提出了一种基于改进Yolov8-GDFPN网络的水下气泡智能识别系统。针对水下环境复杂、气泡目标小且不规则的特点，系统通过GDFPN增强特征金字塔网络，提升多尺度特征提取能力。研究详细介绍了数据集构建、预处理方法、模型训练流程和评估指标，并提供了可视化预测代码。实验表明，该系统能够有效识别水下气泡，为海洋研究、机器人导航等应用提供技术支持。通过调整超参数和使用预训练模型等优化策略，可进一步提高检测精度和鲁棒性。
2025-11-16 13:32:38
963
原创 YOLOv5-RevCol：甜椒病害智能检测系统实战
摘要：本文提出了一种基于YOLOv5改进的甜椒病害检测系统YOLOv5-RevCol，针对农业应用中的复杂环境和病害特征进行了专门优化。通过引入RevCol（反向颜色增强）模块和优化网络结构，显著提升了模型性能。实验结果表明，改进后的模型在甜椒病害数据集上达到92.3%的平均检测准确率，较原始YOLOv5提升8.7%。该系统包含多项创新：RevCol模块通过自适应颜色增强突出病害特征；改进的CSP结构增强了特征提取能力；自适应多尺度融合策略优化了检测效果。研究构建了包含5类常见病害、1200张图像的数据集，
2025-11-16 11:39:54
750
原创 猪只行为状态识别与分类：基于YOLO13-C3k2-ESC模型的实现与优化_3
本文详细介绍了一种基于改进YOLO13-C3k2-ESC模型的猪只行为状态识别与分类系统。通过引入C3k2模块和ESC注意力机制，优化颈部网络结构，我们显著提升了模型对猪只行为的识别精度和实时性。实验结果表明，改进后的模型在自建数据集上取得了92.3%的mAP，检测速度达到45FPS，为智慧养殖提供了有力的技术支持。未来，我们将继续优化模型性能，探索多模态融合方法，并致力于将研究成果转化为实际应用，推动智慧养殖技术的发展。
2025-11-15 19:15:35
1214
原创 基于YOLOv5-AUX的棕熊目标检测与识别系统实现
本文提出了一种基于改进YOLOv5-AUX的棕熊目标检测系统，通过引入辅助检测头和优化训练策略，显著提升了复杂野外环境下的检测性能。系统采用CSP结构优化特征提取，设计双路径检测策略，结合数据增强和损失函数优化。实验结果表明，改进模型在mAP、召回率和精确率上分别达到87.6%、84.3%和89.7%，同时保持42.8FPS的推理速度。消融实验验证了各改进模块的有效性，特别是在小目标和遮挡目标检测方面的优势。该系统为野生动物监测提供了高效解决方案，适用于资源受限的野外监测设备。
2025-11-15 18:10:34
861
原创 【深度学习】基于Faster R-CNN与HRNet的豆类品种识别与分类系统
本文介绍了一种基于Faster R-CNN与HRNet的豆类品种识别与分类系统。通过结合Faster R-CNN的目标检测能力和HRNet的高分辨率特征提取能力，系统在10种豆类品种识别任务上取得了93%的平均mAP，同时通过TensorRT优化，推理速度达到10ms/张，满足实时识别需求。系统采用模块化设计，包含数据预处理、模型训练、模型部署和应用服务四个核心模块，具有良好的可扩展性和实用性。实验结果表明，该系统可广泛应用于农业生产、农产品收购、品质检测等多个领域，为豆类产业的智能化发展提供了有力支持。
2025-11-15 17:34:12
756
原创 【深度学习】YOLOv10n-MAN-Faster实现包装盒flap状态识别与分类，提高生产效率
YOLOv10n-MAN-Faster是基于最新YOLOv10架构的轻量级目标检测模型，专为工业检测场景优化。🏭YOLO系列模型以其速度和精度的平衡而闻名，而YOLOv10n-MAN-Faster在保持高精度的同时，进一步优化了推理速度，特别适合工业实时检测场景。从图中可以看到，模型训练控制台提供了丰富的配置选项和实时监控功能，帮助我们更好地管理和优化模型训练过程。通过YOLOv10n-MAN-Faster模型，我们成功实现了包装盒flap状态的自动识别与分类，大幅提升了生产效率。
2025-11-15 16:09:17
1317
原创 YOLO11-seg结合Faster-EMA的乒乓球拍与球检测识别算法
摘要 本文提出一种基于YOLO11-seg结合Faster-EMA的乒乓球拍与球检测算法。针对乒乓球比赛中目标尺寸小、运动速度快的特点，改进YOLO11-seg模型结构，引入动态卷积模块和跨尺度注意力机制。创新性地提出Faster-EMA机制，根据不同参数特性自适应调整平滑系数。实验结果表明，该方法在自建数据集上mAP达0.848，推理速度38FPS，较原始YOLOv5提升13.6%，有效解决了复杂场景下乒乓球拍与球的检测问题。未来可探索多模态融合和3D姿态估计等方向。（150字）
2025-11-15 15:18:03
962
原创 YOLOv8多场景人物识别定位与改进ASF-DySample算法详解
本文提出了一种改进的YOLOv8目标检测算法，通过引入ASF-DySample策略提升多场景人物识别性能。ASF模块采用注意力机制增强小目标检测能力，DySample策略根据图像复杂度动态调整采样参数。实验表明，改进算法在Pascal VOC和COCO数据集上mAP提升3.2%，小目标检测精度提升5.8%，推理速度仅下降8.3%。该算法在智能监控、自动驾驶等实际场景中展现出优异的检测精度和适应性，同时代码实现表明其计算效率适合边缘设备部署。
2025-11-15 14:49:35
948
原创 基于MRI影像的脊髓区域检测与定位：YOLO11与SCcConv模型实战指南
本文提出了一种结合YOLO11与SCcConv模型的脊髓MRI检测方法。该方法通过YOLO11的多尺度特征提取和SCcConv的特征冗余减少机制，有效提升了脊髓边界检测精度。实验结果表明，改进后的模型在mIoU指标上提升1.8%，参数量仅增加3.5%，显著优于传统方法。该方法为临床脊髓病理诊断提供了高精度、高效率的自动化解决方案。
2025-11-15 14:22:43
960
原创 冠状动脉狭窄检测与定位_mask-rcnn_regnetx-4GF_fpn_1x_coco模型详解
本文提出了一种基于Mask R-CNN和RegNetX-4GF的冠状动脉狭窄检测系统。通过改进RegNetX-4GF骨干网络和FPN特征金字塔结构，系统实现了对冠状动脉狭窄区域的精准检测。实验表明，该方法在精确率(89.7%)、召回率(85.3%)和mAP(87.5%)等指标上优于基线模型，特别是对轻度狭窄检测精度提升显著(82.6%)。系统计算效率高(0.35秒/图像)，满足临床实时检测需求，具有重要的临床应用价值。未来研究将聚焦于提升系统对低质量图像的鲁棒性和罕见狭窄类型的检测能力。
2025-11-15 13:43:14
1018
原创 地铁定位点方向标识检测_yolov10n-WaveletPool算法实现
本文提出了一种基于YOLOV10n-WaveletPool算法的地铁定位点方向标识检测方法。针对地铁环境中光照变化大、视角多样、遮挡严重等问题，该算法结合小波变换的多尺度分析特性和YOLOV10n的高效网络结构，有效提升了箭头标识检测精度和实时性。实验结果表明，该方法在mAP指标上达到89.7%，比YOLOV8n提升4.1个百分点，同时模型大小减小21.3%，实现了轻量化部署。系统采用客户端-服务器架构，支持多摄像头实时处理，为地铁智能导航提供了可靠解决方案。未来将进一步完善数据多样性、检测效率和自适应机制
2025-11-15 12:31:31
802
原创 基于RetinaNet的建筑设计师风格识别与分类研究_1
RetinaNet是一种高效的单阶段目标检测模型，由Facebook AI Research团队在2017年提出。与传统两阶段检测器（如Faster R-CNN）不同，RetinaNet通过解决类别不平衡问题和引入Focal Loss损失函数，实现了在保持高精度的同时提高检测速度的特性。这些特点使其非常适合应用于建筑设计师风格的实时识别任务。特征金字塔网络（FPN）：通过多尺度特征融合，有效解决了目标检测中的尺度变化问题，这对于识别不同规模和比例的建筑元素至关重要。Focal Loss损失函数。
2025-11-14 21:13:23
1070
原创 Arang Briket木炭块检测与识别：基于Mask R-CNN的精确识别方案详解
本文提出了一种基于改进Mask R-CNN的Arang Briket木炭块精确检测与识别方案。针对传统人工检测效率低、主观性强的问题，该系统通过引入多尺度注意力机制和改进RoIAlign等技术，显著提升了检测精度。实验结果表明，改进算法在mAP(91.5%)和IoU(82.3%)等指标上优于传统方法。该系统已成功应用于实际生产中，检测准确率达95%以上，效率提升10倍。研究为木炭行业智能化质检提供了有效解决方案，未来将进一步优化算法轻量化与多模态融合技术。
2025-11-14 20:19:51
1010
原创 海洋生物检测实战 Faster-RCNN改进版实现鳐鱼鲨鱼鲸鲨识别_1
海洋生物检测数据集Aquarium简介与Faster-RCNN改进方法 摘要：本文介绍了一个专业海洋生物检测数据集Aquarium，包含251张预处理图像（640×640像素），标注了鳐鱼、鲨鱼和鲸鲨三类生物。针对该数据集，提出了改进版Faster-RCNN算法，主要创新包括：(1)引入特征金字塔网络(FPN)实现多尺度特征融合，提升不同尺寸目标的检测效果；(2)加入CBAM注意力机制，使模型更关注生物关键特征并抑制背景干扰。实验表明，改进后的模型在小目标检测准确率提升8%，复杂背景下检测准确率提高12%。
2025-11-14 19:36:55
693
原创 芦笋嫩茎形态分类与识别_YOLO11-C3k2-MambaOut-SFSC模型实现_1
芦笋嫩茎形态分类YOLO模型研究 本研究提出了一种改进的YOLO11-C3k2-MambaOut-SFSC模型用于芦笋嫩茎形态分类。模型通过引入C3k2模块增强多尺度特征提取能力，采用MambaOut模块捕捉长距离依赖关系，并利用SFSC模块进行自适应特征融合。在包含6个类别（Ab粗壮型、At细长型等）的3000张芦笋图像数据集上，模型达到0.928的mAP@0.5，比原始YOLOv11提升4.6%。消融实验验证了各模块的有效性，C3k2、MambaOut和SFSC模块分别贡献了0.014、0.019和0.
2025-11-14 19:02:01
2395
原创 YOLOv8家用电器识别与定位：立式空调、滚筒洗衣机和普通洗衣机的自动检测与分类
摘要： 本文基于YOLOv8算法实现了立式空调、滚筒洗衣机和普通洗衣机的自动检测与分类，适用于智能家居与物联网场景。通过构建多样化的家电数据集并进行专业标注，采用数据增强和优化训练策略（如注意力机制、知识蒸馏等），模型在mAP指标上达到92.3%，兼顾实时性（52 FPS）。实验表明，定制化数据集训练显著提升识别精度14.4%，有效解决家电外观差异、光照变化等挑战，为智能家居系统提供可靠的识别方案。
2025-11-14 18:35:12
906
原创 苹果质量检测与分类 - YOLO13结合RFCAConv实现
本文介绍了一种基于改进YOLO13模型的苹果质量检测与分类系统。该系统采用YOLO格式标注的3418张苹果图像数据集，通过数据增强扩展至10254张，包含优质和劣质两类标注。模型架构结合了改进的CSPDarknet特征提取网络、PANet特征融合模块，并创新性地引入RFCAConv(残差特征通道注意力卷积)模块，增强对小缺陷的检测能力。实验表明，该系统在苹果质量检测任务上实现了94.8%的准确率，相比传统YOLOv8提升6.2%。文章详细介绍了数据收集、预处理、模型设计和性能验证的全流程，为农业智能化质检提
2025-11-14 17:55:04
1221
原创 基于Mask R-CNN的汽车防夹手检测与识别系统
本文介绍了一种基于Mask R-CNN的汽车防夹手检测系统，该系统利用深度学习技术实现对车门区域的实时监控和危险预警。系统由数据采集、预处理、检测和决策四个模块组成，采用ResNet-50作为特征提取网络，结合RPN和RoIAlign技术实现精准检测。通过构建包含多种场景的车门和手部图像数据集，并采用数据增强、损失函数优化和学习率调度等训练策略，系统能够准确识别手部位置与危险情况，有效预防车门夹伤事故。相比传统传感器方案，该系统具有非接触式检测、覆盖范围广和自学习能力等优势。
2025-11-14 17:08:26
1026
原创 基于YOLO11-DBBN-CSP-ELAN的肾结石检测与识别_1
本文提出了一种改进的YOLO11-DBBN-CSP-ELAN模型用于肾结石检测。该模型融合动态双分支归一化(DBBN)、跨阶段局部连接(CSP)和扩展高效层聚合网络(ELAN)等技术，在公开CT影像数据集上达到91.3%的mAP，较基线模型提升8.4%。实验表明各模块协同作用显著提升了检测性能，尤其适应医学影像数据分布差异。该系统可集成至医院PACS，实现肾结石自动筛查与随访监测，具有重要临床价值。未来研究方向包括模型轻量化、多模态数据融合及结石成分分类等。
2025-11-14 16:22:32
820
原创 救护车检测与识别Mask-RCNN_R50_FPN_2x_COCO改进应用
本文基于Mask RCNN_R50_FPN_2x_COCO模型，提出改进的救护车检测方法，通过优化FPN结构、引入注意力机制和颜色一致性损失，显著提升检测精度（mAP达89.7%）。实验表明，该方法在城市道路等复杂场景中表现优异，检测速度15FPS满足实时需求，可为智能交通和应急救援提供技术支持。未来将探索轻量化模型和多模态融合，进一步提升系统在恶劣环境下的可靠性。🚑🔍
2025-11-14 15:12:27
669
原创 门窗对象检测系统源码分享
数据集信息展示在本研究中，我们使用了名为“CAD object window door”的数据集，以支持对门窗对象检测系统的改进，特别是针对YOLOv8模型的训练与优化。该数据集专注于两个主要类别：门（door）和窗（window），这两个类别在建筑物的结构设计和空间利用中具有重要意义。通过精确识别和分类这些对象，能够为智能建筑、自动化监控以及增强现实等应用提供强有力的支持。“CAD object window door”数据集包含丰富的标注信息，旨在为深度学习模型提供高质量的训练样本。
2024-10-08 13:44:17
1734
原创 基站设备检测系统源码分享
数据集信息展示在本研究中，我们使用了名为“BSNL”的数据集，旨在改进YOLOv8模型在基站设备检测系统中的表现。该数据集的设计和构建充分考虑了基站设备的多样性和复杂性，涵盖了16个不同的类别，这些类别不仅反映了基站设备的基本构成要素，还包括了与其功能和维护相关的多种组件。
2024-10-07 22:23:01
1271
原创 水上基础设施检测系统源码分享
数据集信息展示在现代计算机视觉领域，数据集的质量和多样性直接影响到模型的性能和泛化能力。为此，本研究采用了名为“BEWA_23082022”的数据集，以支持改进YOLOv8的水上基础设施检测系统。该数据集专注于水上环境中的关键基础设施，涵盖了六个主要类别，分别为：A.10、A.5、A_1、船只（boat）、系缆柱（bollard）和桥梁（bridge）。这些类别的选择反映了水上基础设施的多样性及其在实际应用中的重要性。
2024-10-07 17:26:04
1373
原创 球类物体检测系统源码分享
数据集信息展示在现代计算机视觉领域，物体检测技术的不断进步使得各种应用场景得以实现，尤其是在体育领域，球类物体的检测与识别显得尤为重要。本研究旨在改进YOLOv8模型，以提升其在球类物体检测任务中的性能。为此，我们构建了一个名为“Ball Object Detection”的数据集，专门用于训练和评估该系统的有效性。“Ball Object Detection”数据集包含五个类别的球类物体，具体包括：篮球、蓝色篮球、红色篮球、排球和足球。
2024-10-07 14:20:44
1458
原创 药物识别与分类系统源码分享
数据集信息展示在现代医学和药物管理领域，药物识别与分类的准确性和效率显得尤为重要。为此，我们构建了一个名为“AI Drug Analysis Service”的数据集，旨在为改进YOLOv8的药物识别与分类系统提供强有力的支持。该数据集专注于单一类别的药物，即“Pill”，以确保系统在特定领域内的高效性和准确性。“AI Drug Analysis Service”数据集包含大量经过精心挑选和标注的药物图像，这些图像涵盖了不同形状、颜色和大小的药丸。
2024-10-02 13:39:39
1828
原创 药品识别与分类系统源码分享
数据集信息展示在药品识别与分类的研究领域，数据集的质量和多样性直接影响到模型的训练效果和最终的应用性能。本研究采用的“8-pill”数据集，专门为改进YOLOv8模型在药品识别与分类任务中的表现而设计。该数据集包含了8个不同的类别，涵盖了多种常见药品和补充剂，旨在为模型提供丰富的训练样本，以提高其识别准确率和分类能力。“8-pill”数据集的类别包括：C、LIP、VINEGAR、ace、air、centrum、iron和mag。这些类别代表了不同类型的药品和营养补充剂，分别对应于不同的功能和用途。
2024-10-01 21:14:55
1605
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