搜索[yolo]结果-低调大师优秀个人博客

精选列表

搜索[yolo]，共246篇文章

YOLO26 vs RF-DETR默认训练配方，谁更适合工业小数据？

不再只问「模型能不能检出」，而是问：在最新训练栈上，默认配方到底长什么样、贵不贵、准不准。底座选定两套当下最热的检测训练框架——

2026-07-27

单目深度估计的“速度革命”：YOLO26 Depth，让每个像素都能“测距”

在自动驾驶、机器人导航、AR/VR和3D重建中扮演着不可替代的角色——单目深度估计（Monocular Depth Estimation）。

2026-07-15

基于 YOLO11 的课堂行为检测工程实践：从数据采集到模型推理

教育信息化正在从“设备覆盖”走向“数据驱动”。课堂行为分析作为智慧教学的重要环节，通过计算机视觉技术识别学生的抬头、低头、举手、站立等行为，可以为教学质量评估、学生注意力分析以及课堂互动研究提供量化依据。然而，课堂场景具有学生密集、行为多样、光照变化大、遮挡严重等特点，对目标检测模型的精度和鲁棒性提出了较高要求。

2026-07-11

ECCV 2018丨YOLO遇上OpenPose，近200FPS的高帧数多人姿态检测

这是今年ECCV上的一篇名为《Pose Proposal Networks》的论文，作者是日本柯尼卡美能达公司的関井大気（Taiki SEKII），结合了去年CVPR上的YOLO和CMU的OpenPose

2018-09-10

从课堂监控到行为分析：基于YOLO11的学生课堂行为检测工程实践

智慧课堂建设正在从“有视频”向“会分析”演进。传统的课堂监控系统仅能提供视频回放和人工巡检，难以实现大规模、实时的教学行为量化分析。如何利用计算机视觉技术，自动识别学生在课堂中的举手、阅读、写字、讨论、睡觉、使用手机等行为，成为教育信息化领域的一个关键技术挑战。

2026-08-07

基于 YOLO11 的课堂行为识别：从数据标注到模型部署的工程实践

随着教育信息化持续推进，智慧课堂系统正在从“录播回看”向“智能分析”演进。学校和教育机构希望通过非侵入式的视觉感知技术，自动识别课堂中学生的听课状态、参与度和互动行为，从而为教学质量评估、个性化教学干预提供数据支撑。

2026-08-04

图像标注开源软件：BlackBatFlower 的 AI 辅助标注与 YOLO11 数据集链路

计算机视觉项目的瓶颈常常不在模型训练，而在训练数据的生产链路。图片、视频、历史 LabelMe 数据集和现场摄像头流通常来自不同入口，若标注工具只能处理离线图片，数据导入、人工标注、模型辅助和数据集导出便容易断开。BlackBatFlower 采用 Python 3.x 构建，后端使用 Flask 3.1.2，前端由 HTML5、CSS3 与 JavaScript 组成。该组合将标注工作台、文件管理、模型配置和数据集导出放在浏览器界面中，降低了标注人员使用本地脚本或多个独立工具的门槛。数据入口覆盖图片文件夹、视频文件和 LabelMe 格式数据集，适合将既有标注资产接入统一工作台。对于视频分析场景，BlackBatFlower 还支持 RTSP 流和网络摄像头输入，使现场画面可以进入标注流程。不同输入类型最终需要归并为一致的标注对象和类别管理逻辑，才能避免训练集在来源切换时丢失上下文。

2026-08-03

基于YOLO11的垂钓人员识别：从数据采集到模型部署的工程实践

随着我国水域生态保护力度加大，河道、水库、禁钓区和水利设施周边的违规垂钓行为监管需求日益突出。传统人工巡查方式存在覆盖面有限、响应不及时、人力成本高等痛点。视频监控结合计算机视觉技术，为水域安全监管提供了一种可行的智能化方案。

2026-07-30

基于YOLO11的课堂行为检测：从数据采集到模型部署的工程实践

智慧教育领域正经历从“经验驱动”向“数据驱动”的转型。课堂行为分析作为教学质量管理的重要环节，其核心需求在于：如何通过计算机视觉技术，自动识别学生在课堂中的举手、阅读、书写、低头、使用手机等行为，从而辅助教师进行教学互动分析和课堂秩序管理。

2026-07-12

10分钟学会使用YOLO及Opencv实现目标检测（下）|附源码

在上一节内容中，介绍了如何将YOLO应用于图像目标检测中，那么在学会检测单张图像后，我们也可以利用YOLO算法实现视频流中的目标检测。

2018-11-20

10分钟学会使用YOLO及Opencv实现目标检测（上）|附源码

那么，今天将向读者介绍该领域中表现优异的一种算算法——“你只需要看一次”（you only look once，yolo），提出该算法的作者风趣幽默可爱，其个人主页及论文风格显示了其性情，目前该算法已是第三个版本

2018-11-19

从R-CNN到YOLO，一文带你了解目标检测模型（附论文下载）

R-CNN R-CNN是2014年出现的。它是将CNN用于对象检测的起源，能够基于丰富的特征层次结构进行目标精确检测和语义分割来源。如何确定这些边界框的大小和位置呢？R-CNN网络是这样做的：在图像中提出了多个边框，并判断其中的任何一个是否对应着一个具体对象。要想进一步了解，可以查看以下PPT和笔记： http://www.image-net.org/challenges/LSVRC/2013/slides/r-cnn-ilsvrc2013-workshop.pdf http://www.cs.berkeley.edu/~rbg/slides/rcnn-cvpr14-slides.pdf http://zhangliliang.com/2014/07/23/paper-note-rcnn/ Fast R-CNN 2015年，R-CNN的作者R

2018-05-20

YOLO模型如何训练红外鸟类目标检测数据集红外航拍海鸟目标检测数据集｜6类1109张 YOLO格式正文：海上红外鸟类监测数据集，全部为红外航拍图像，适配

：近海航拍海上塑料漂浮垃圾目标检测数据集｜4类913张 YOLO格式正文：海面漂浮塑料垃圾航拍目标检测数据集，近海海域实拍航拍图像，适合无人机海洋污染巡检算法训练。

2026-08-03

基于 YOLO11 的睡岗检测系统：从数据标注到模型部署的工程实践

在工厂车间、值班室、监控中心以及仓储安防等场景中，人员睡岗或异常离岗是安全生产监管中的常见风险点。传统的人工巡查方式效率低、覆盖范围有限，难以实现7x24小时不间断监控。随着计算机视觉技术的发展，利用目标检测模型自动识别睡岗行为，已成为提升岗位纪律检查和安全生产管理效率的有效手段。

2026-07-29

深度学习在 iOS 上的实践 —— 通过 YOLO 在 iOS 上实现实时物体检测

本文讲的是深度学习在 iOS 上的实践 —— 通过 YOLO 在 iOS 上实现实时物体检测，原文地址：Real-time object detection with YOLO 原文作者：Matthijs

2017-10-16

小目标无人机、飞机、直升机检测数据集(DST，yolo和voc两种标注方式如何使用YOLO模型训练小目标检测数据集小目标无人机飞机检测数据集

含3个类别以及框数：AirPlane (2535), Drone (4812), Helicopter (2628)

2026-07-30

如何使用YOLO和VOC两种标注方式来处理蘑菇检测数据集。8857张 21类毒蘑菇数据集构建YOLO模型来进行目标检测，并提供代码示例来加载和处理这些数据。

蘑菇检测数据集，8857张 yolo和voc两种标注方式21类，标注数量：Lentinus edodes: 香菇 - 2690Flammulina velutiper: 金针菇 - 550Pleurotus

2026-07-20

基于YOLO26的道路损伤检测系统（Python源码+数据集+Pyside6界面）

💡💡💡本文摘要：基于YOLO26的道路损伤检测系统，阐述了整个数据制作和训练可视化过程

2026-08-27

基于YOLO26的道路裂缝检测系统（Python源码+数据集+Pyside6界面）

💡💡💡本文摘要：基于YOLO26的道路裂缝检测系统，阐述了整个数据制作和训练可视化过程

2026-08-05

智慧交通-yolo 无人机视角道路裂缝数据集无人机道路裂缝检测数据集

智慧交通-yolo 无人机视角道路裂缝数据集【数据内容】包含多条道路裂缝，图片清晰标注，适合目标检测模型训练【格式支持】数据集已标注好，支持yolo格式输出，直接可用【适用场景】科研、项目开发、模型训练等

2026-08-04

资源下载

更多资源

Mario

马里奥是站在游戏界顶峰的超人气多面角色。马里奥靠吃蘑菇成长，特征是大鼻子、头戴帽子、身穿背带裤，还留着胡子。与他的双胞胎兄弟路易基一起，长年担任任天堂的招牌角色。

腾讯云软件源

为解决软件依赖安装时官方源访问速度慢的问题，腾讯云为一些软件搭建了缓存服务。您可以通过使用腾讯云软件源站来提升依赖包的安装速度。为了方便用户自由搭建服务架构，目前腾讯云软件源站支持公网访问和内网访问。

Spring

Spring框架（Spring Framework）是由Rod Johnson于2002年提出的开源Java企业级应用框架，旨在通过使用JavaBean替代传统EJB实现方式降低企业级编程开发的复杂性。该框架基于简单性、可测试性和松耦合性设计理念，提供核心容器、应用上下文、数据访问集成等模块，支持整合Hibernate、Struts等第三方框架，其适用范围不仅限于服务器端开发，绝大多数Java应用均可从中受益。

WebStorm

WebStorm 是jetbrains公司旗下一款JavaScript 开发工具。目前已经被广大中国JS开发者誉为“Web前端开发神器”、“最强大的HTML5编辑器”、“最智能的JavaScript IDE”等。与IntelliJ IDEA同源，继承了IntelliJ IDEA强大的JS部分的功能。