搜索[yolo]结果-低调大师优秀个人博客

精选列表

搜索[yolo]，共353篇文章

深入解析YOLO26：原生NMS-Free架构如何重塑实时目标检测

在实时目标检测领域，YOLO系列一直是工业界和学术界关注的焦点。

2026-09-22

给YOLO检测器插 LoRA，'插对地方'比'插什么'更要命

大语言模型基本上是一摞结构几乎相同的 Transformer 层——每一层都是注意力 + MLP，参数化的方式高度一致。所以你在任意一层插 LoRA，行为都是可预测的，这就是 HuggingFace PEFT 这类通用库"按模块名匹配就能用"的底气。

2026-08-12

光伏巡检场景下基于 YOLO11 的缺陷检测工程实践

在光伏电站的日常运维中，太阳能电池板的表面状态直接影响发电效率。鸟粪遮挡、面板裂纹、灰尘积累等问题，如果不能被及时发现和处理，可能导致热斑效应甚至永久性损坏。传统的巡检方式依赖人工肉眼排查，效率低且容易遗漏。随着无人机航拍和计算机视觉技术的成熟，利用目标检测模型自动识别电池板缺陷，已经成为行业降本增效的关键路径。

2026-08-02

智慧桥梁缺陷检测数据集 YOLO模型如何训练桥梁病害检测数据集

数据集链接：https://universe.roboflow.com/kle-technological-university-qh0qv/bridge-detection-cld81

2026-07-30

检测类别：10 Diamonds10 Hearts10 Spades10 Trefoils2 Diamonds2 Hearts2 Spades2 Trefoils3 Diamonds3 Hearts3 Spades3 Trefoils4 Diamonds4 Hearts4 Spades4 Trefoils5 Diamonds5 Hearts5 Spades5 Trefoils596 Diamonds6 Hearts6 Spades6 Trefoils7 Diamonds7 Hearts7 Spades7 Trefoils8 Diamonds8 Hearts8 Spades8 Trefoils9 Diamonds9 Hearts9 Spades9 TrefoilsA DiamondsA HeartsA SpadesA TrefoilsJ DiamondsJ HeartsJ SpadesJ TrefoilsK DiamondsK HeartsK SpadesK TrefoilsQ DiamondsQ HeartsQ SpadesQ Trefoils

2026-07-27

Apex英雄目标检测数据集深度学习框架YOLO如何训练APEX数据集

2026-07-25

什么是Adam/ReLU/YOLO？这里有一份深度学习（.ai）词典

在开始阅读前，请自问自答：什么是Adam、ReLU、YOLO？什么是AdaGrad、Dropout、Xavier Initialization？

2018-09-26

DINOv3助力YOLO26提升NEU-DET缺陷检测,map提升2%

🔍 🔍 🔍在NEU-DET数据集下验证：原始mAP50原始为 0.722提升至 0.743， GFLOPs几乎不变

2026-10-14

面向边缘计算的 YOLO 目标检测算法：核心思想与轻量化策略

YOLO 系列算法将目标检测视为一个回归问题，在单次前向传播中直接输出目标的位置和类别，天然契合边缘场景对速度的追求。

2026-08-13

从数据到部署：基于YOLO11的下水管道损坏检测工程实践

城市排水管网的健康监测是市政运维中的关键环节。传统的人工巡检方式效率低、风险高，且难以覆盖地下管网的复杂场景。借助计算机视觉技术，通过管道机器人（CCTV）采集内部影像，再使用目标检测模型自动识别破损、裂缝、变形等异常，已成为行业主流方案。

2026-08-03

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

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。

Rocky Linux

Rocky Linux（中文名：洛基）是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版，作为CentOS稳定版停止维护后与RHEL（Red Hat Enterprise Linux）完全兼容的开源替代方案，由社区拥有并管理，支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性，采用模块化包装和SELinux安全架构，默认包含GNOME桌面环境及XFS文件系统，支持十年生命周期更新。

Sublime Text

Sublime Text具有漂亮的用户界面和强大的功能，例如代码缩略图，Python的插件，代码段等。还可自定义键绑定，菜单和工具栏。Sublime Text 的主要功能包括：拼写检查，书签，完整的 Python API ， Goto 功能，即时项目切换，多选择，多窗口等等。Sublime Text 是一个跨平台的编辑器，同时支持Windows、Linux、Mac OS X等操作系统。

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。

精选列表

深入解析YOLO26：原生NMS-Free架构如何重塑实时目标检测

给YOLO检测器插 LoRA，'插对地方'比'插什么'更要命

光伏巡检场景下基于 YOLO11 的缺陷检测工程实践

智慧桥梁缺陷检测数据集 YOLO模型如何训练桥梁病害检测数据集

深度学习YOLO模型如何训练扑克牌检测数据集(极高精度)

Apex英雄目标检测数据集深度学习框架YOLO如何训练APEX数据集

什么是Adam/ReLU/YOLO？这里有一份深度学习（.ai）词典

DINOv3助力YOLO26提升NEU-DET缺陷检测,map提升2%

面向边缘计算的 YOLO 目标检测算法：核心思想与轻量化策略

从数据到部署：基于YOLO11的下水管道损坏检测工程实践

YOLO26 vs RF-DETR默认训练配方，谁更适合工业小数据？

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

基于 YOLO11 的课堂行为检测工程实践：从数据采集到模型推理

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

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

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

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

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

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

10分钟学会使用YOLO及Opencv实现目标检测（下）|附源码

资源下载

Mario

Rocky Linux

Sublime Text

WebStorm

欢迎您来访！

精选列表

深入解析YOLO26：原生NMS-Free架构如何重塑实时目标检测

给YOLO检测器插 LoRA，'插对地方'比'插什么'更要命

光伏巡检场景下基于 YOLO11 的缺陷检测工程实践

智慧桥梁缺陷检测数据集 YOLO模型如何训练桥梁病害检测数据集

深度学习YOLO模型如何训练 扑克牌检测数据集(极高精度)

Apex英雄目标检测数据集 深度学习框架YOLO如何训练APEX数据集

什么是Adam/ReLU/YOLO？这里有一份深度学习（.ai）词典

DINOv3助力YOLO26提升NEU-DET缺陷检测,map提升2%

面向边缘计算的 YOLO 目标检测算法：核心思想与轻量化策略

从数据到部署：基于YOLO11的下水管道损坏检测工程实践

YOLO26 vs RF-DETR默认训练配方，谁更适合工业小数据？

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

基于 YOLO11 的课堂行为检测工程实践：从数据采集到模型推理

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

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

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

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

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

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

10分钟学会使用YOLO及Opencv实现目标检测（下）|附源码

资源下载

Mario

Rocky Linux

Sublime Text

WebStorm

欢迎您来访！

深度学习YOLO模型如何训练扑克牌检测数据集(极高精度)

Apex英雄目标检测数据集深度学习框架YOLO如何训练APEX数据集