搜索[yolo]结果-低调大师优秀个人博客

精选列表

搜索[yolo]，共347篇文章

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

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

准确率95%的开源智能问数YOLO Data Agent v1.0发布

"让模型直接写 SQL"这条路，大概率行不通；而"把确定性还给平台、还给工作流"这才是可行的路径。

2026-10-08

YOLO模型训练航拍路面裂缝检测数据集，无人机道路裂缝检测数据集

航拍路面裂缝检测数据集，无人机道路裂缝检测数据集3379张，目标检测算法yolo、voc、coco标注方式图像尺寸:640*640类别数量:2类

2026-09-20

无人机、飞机、直升机检测，yolo和voc两种目标检测标注方式

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

2026-09-13

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

基于YOLO26的肺部病理检测系统（Python源码+数据集+Pyside6界面）

💡💡💡本文摘要：基于YOLO26的肺部病理检测系统，阐述了整个数据制作和训练可视化过程

2026-10-09

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

基于 YOLO11 的驾驶员状态检测：从数据标注到模型推理的工程实践

在商用车队管理和智能座舱领域，驾驶员状态监测（Driver Monitoring System, DMS）正从选配功能逐步走向标配。疲劳驾驶、分心操作（如打电话、喝水、化妆）以及突发瞌睡等行为，是导致交通事故的主要诱因。传统基于规则的告警系统往往依赖单一传感器（如方向盘转角或车道偏离），误报率高且无法识别复杂驾驶行为。视觉 AI 方案通过车载摄像头实时捕捉驾驶员面部与肢体动作，能够实现细粒度的行为分类和疲劳预警。

2026-07-31

智慧桥梁缺陷检测数据集 1.1万张 6类病害检测数据集桥梁缺陷 YOLO GY

智慧桥梁缺陷检测数据集 1.1万张 6类病害检测数据集桥梁缺陷 YOLO GYU-DET 目标检测数据集111

2026-07-31

基于YOLO11的下水管道缺陷检测：从数据采集到模型部署的工程实践

城市排水管网作为地下基础设施的重要组成部分，其运行状态直接关系到城市防洪排涝、环境保护和居民生活质量。随着城市化进程加快，管道老化、破损、堵塞等问题日益突出，传统的人工巡检方式存在效率低、成本高、漏检风险大等痛点。近年来，基于计算机视觉的自动化管道缺陷检测技术逐渐成为行业关注的热点。

2026-07-23

基于YOLO11的下水管道损坏检测：从数据采集到模型部署的工程实践

城市排水管网、工业管廊和地下管道是基础设施的“生命线”，其健康状况直接关系到城市运行安全与环境保护。然而，传统管道巡检依赖人工下井或CCTV视频回看，存在效率低、主观性强、漏检率高、数据难以沉淀等问题。随着计算机视觉技术的成熟，利用目标检测模型自动识别管道内部的破损、错口、沉积、障碍物、变形等异常，成为提升巡检效率、降低安全隐患的重要技术路径。

2026-07-10

ResNet和YOLO同时拿下CVPR最高荣誉,现场全场泪目

丹佛,科罗拉多州。当地时间6月5日,CVPR 2026开幕式现场,当大屏幕上出现那个熟悉的名字时,整个会场安静了几秒。

2026-07-10

全志V853开发板NPU转换部署 YOLO V5 模型详细教程

NPU 转换部署 YOLO V5 模型本文以 YOLO v5s 模型为例，详述 ONNX 模型在 V853 平台的转换与部署的流程。

2022-12-12

资源下载

更多资源

Nacos

Nacos /nɑ:kəʊs/ 是 Dynamic Naming and Configuration Service 的首字母简称，一个易于构建 AI Agent 应用的动态服务发现、配置管理和AI智能体管理平台。Nacos 致力于帮助您发现、配置和管理微服务及AI智能体应用。Nacos 提供了一组简单易用的特性集，帮助您快速实现动态服务发现、服务配置、服务元数据、流量管理。Nacos 帮助您更敏捷和容易地构建、交付和管理微服务平台。

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。

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。