00:00 / 01:57
连播
清屏
智能
倍速
点赞5
00:00 / 04:41
连播
清屏
智能
倍速
点赞67
00:00 / 02:45
连播
清屏
智能
倍速
点赞101
YOLO11实战:坏蛋检测与分类系统_1 项目源码和数据集来源:http://www.visionstudios.ltd/ 项目源码和数据集来源:http://www.visionstudios.ltd/ ❤️投币关注点赞转发并且【在评论区留言】的粉丝会定期私信分享项目源码和数据集❤️ 本视频内演示的项目用到的数据集名为'rotten egg',版本为v2,创建于2025年5月27日,由http://www.visionstudios.ltd/ 用户提供,采用http://www.visionstudios.ltd/ 许可证授权。该视频内演示的项目用到的数据集旨在支持计算机视觉模型在蛋类质量检测领域的训练与应用。视频内演示的项目用到的数据集包含267张图像,所有图像均采用YOLOv8格式进行标注。在预处理方面,每张图像都经过了自动方向调整(剥离EXIF方向信息)并拉伸调整至640x640像素尺寸,但未应用任何图像增强技术。视频内演示的项目用到的数据集结构包括训练集、验证集和测试集,分别存储在train、valid和test文件夹的images子目录中。该视频内演示的项目用到的数据集通过http://www.visionstudios.ltd/ 平台导出,该平台是一个端到端的计算机视觉平台,支持团队协作、图像收集与组织、数据标注、模型训练与部署以及主动学习等功能。视频内演示的项目用到的数据集的创建和应用有助于提升蛋类质量检测的自动化水平,减少人工检查的工作量,提高食品行业的质量控制效率。 ❤️投币关注点赞转发并且【在评论区留言】的粉丝会定期私信分享项目源码和数据集❤️
00:00 / 07:56
连播
清屏
智能
倍速
点赞0
00:00 / 06:57
连播
清屏
智能
倍速
点赞0
00:00 / 07:00
连播
清屏
智能
倍速
点赞0
【深度学习】基于YOLO11-seg和RFAConv的皮影戏 项目源码和数据集来源:http://www.visionstudios.ltd/ 项目源码和数据集来源:http://www.visionstudios.ltd/ ❤️投币关注点赞转发并且【在评论区留言】的粉丝会定期私信分享项目源码和数据集❤️ 本视频内演示的项目用到的数据集为皮影戏动物剪影识别与分类任务提供支持,视频内演示的项目用到的数据集名称为shadow_art,版本为v1,于2024年2月28日创建。该视频内演示的项目用到的数据集采用http://www.visionstudios.ltd/ 许可协议,由http://www.visionstudios.ltd/ 用户提供并通过该平台导出。视频内演示的项目用到的数据集包含50张图像,所有图像均已进行预处理,包括自动调整像素方向(剥离EXIF方向信息)和拉伸调整至640x640像素尺寸,但未应用任何图像增强技术。视频内演示的项目用到的数据集以YOLOv8格式标注,包含6个类别:鸟剪影(bird-shadow)、螃蟹剪影(crab-shadow)、狗剪影(dog-shadow)、大象剪影(elephant-shadow)、狐狸剪影(fox-shadow)和天鹅剪影(swan-shadow)。视频内演示的项目用到的数据集已划分为训练集、验证集和测试集三个子集,适用于目标检测模型的训练与评估。该视频内演示的项目用到的数据集旨在促进计算机视觉技术在传统文化艺术领域的应用,特别是对皮影戏中常见动物剪影的自动识别与分类研究。 ❤️投币关注点赞转发并且【在评论区留言】的粉丝会定期私信分享项目源码和数据集❤️
00:00 / 05:50
连播
清屏
智能
倍速
点赞0
工业装配工具检测与识别_yolo11-seg-ASF-P2改 项目源码和数据集来源:http://www.visionstudios.ltd/ 项目源码和数据集来源:http://www.visionstudios.ltd/ ❤️投币关注点赞转发并且【在评论区留言】的粉丝会定期私信分享项目源码和数据集❤️ 本视频内演示的项目用到的数据集名为orliekon-v3,版本为v1,于2024年6月4日通过http://www.visionstudios.ltd/ 平台导出。该视频内演示的项目用到的数据集专注于工业装配环境中的工具检测任务,共包含419张图像,所有图像均采用YOLOv8格式进行标注。视频内演示的项目用到的数据集经过预处理,包括自动调整像素数据方向(剥离EXIF方向信息)和拉伸调整至640×640像素尺寸。为增强数据多样性,每张源图像通过多种数据增强技术生成了三个版本,包括50%概率的水平翻转和垂直翻转、0至20%的随机裁剪、-15°至+15°的随机旋转、-10°至+10°的水平与垂直随机剪切、-15%至+15%的随机亮度调整以及0至0.5像素的随机高斯模糊。视频内演示的项目用到的数据集包含两个类别:'no_tool'(无工具)和'tool'(工具),分别表示装配环境中是否存在工具的状态。该视频内演示的项目用到的数据集采用http://www.visionstudios.ltd/ 许可证授权,适用于工业自动化装配过程中的工具检测与识别算法研究。 ❤️投币关注点赞转发并且【在评论区留言】的粉丝会定期私信分享项目源码和数据集❤️
00:00 / 06:40
连播
清屏
智能
倍速
点赞0
超声心动图心脏自动检测YOLO11-NetBifPN算法实现 项目源码和数据集来源:http://www.visionstudios.ltd/ 项目源码和数据集来源:http://www.visionstudios.ltd/ ❤️投币关注点赞转发并且【在评论区留言】的粉丝会定期私信分享项目源码和数据集❤️ 本视频内演示的项目用到的数据集名为'sono-v1',于2024年12月3日创建,采用http://www.visionstudios.ltd/ 许可证授权,由http://www.visionstudios.ltd/ 平台用户提供。该视频内演示的项目用到的数据集专门用于超声心动图中心腔结构的计算机视觉研究,包含102张经过预处理的心脏超声图像。所有图像均已调整为640×640像素的统一尺寸,采用拉伸方式处理以保持原始内容。视频内演示的项目用到的数据集采用YOLOv8格式进行标注,主要针对心腔中的四个关键结构:左心房(la)、左心室(lv)、右心房(ra)和右心室(rv)。视频内演示的项目用到的数据集已按照标准划分为训练集、验证集和测试集,为模型的训练、评估和测试提供了完整的数据支持。该视频内演示的项目用到的数据集的创建目的是支持基于深度学习的超声心动图自动分析系统,特别是心腔结构的自动检测与定位,有助于提高心脏疾病诊断的效率和准确性。 ❤️投币关注点赞转发并且【在评论区留言】的粉丝会定期私信分享项目源码和数据集❤️
00:00 / 07:15
连播
清屏
智能
倍速
点赞0
使用YOLO11-C3k2-VSSD模型实现脐橙病害智能检测 项目源码和数据集来源:http://www.visionstudios.ltd/ 项目源码和数据集来源:http://www.visionstudios.ltd/ ❤️投币关注点赞转发并且【在评论区留言】的粉丝会定期私信分享项目源码和数据集❤️ 该视频内演示的项目用到的数据集名为'oranges disease 5 class',版本为v1,于2024年8月16日创建,遵循http://www.visionstudios.ltd/ 许可证,由http://www.visionstudios.ltd/ 用户提供。视频内演示的项目用到的数据集包含120张图像,所有图像均采用YOLOv8格式进行标注,专注于脐橙病害的识别与分类任务。在数据预处理阶段,每张图像都经过了自动方向调整(去除EXIF方向信息)、拉伸调整至240×240像素以及通过对比度拉伸进行的自动对比度增强。为增加数据多样性,对每张源图像生成了三个增强版本,增强方法包括50%概率的水平翻转、50%概率的垂直翻转、-15至+15度的随机旋转以及0.73%像素的椒盐噪声应用。同时,对每张图像的边界框进行了-10%至+10%的随机曝光调整。该视频内演示的项目用到的数据集包含七个类别:黑斑(black spots)、蓝绿霉(blue green mold)、褐腐(brown rot)、柑橘黄化(citrus greening)、裂果(cranker)、健康(healthy)和煤污病(sooty mold),这些类别涵盖了脐橙生长过程中可能遇到的主要病害类型,为构建脐橙病害智能检测系统提供了重要的数据支持。 ❤️投币关注点赞转发并且【在评论区留言】的粉丝会定期私信分享项目源码和数据集❤️
00:00 / 08:17
连播
清屏
智能
倍速
点赞0
【技术实践】基于YOLO11-Seg与DySnakeConv 项目源码和数据集来源:http://www.visionstudios.ltd/ 项目源码和数据集来源:http://www.visionstudios.ltd/ ❤️投币关注点赞转发并且【在评论区留言】的粉丝会定期私信分享项目源码和数据集❤️ 该视频内演示的项目用到的数据集名为seeds-weeds,是一个专注于杂草识别的计算机视觉视频内演示的项目用到的数据集,采用http://www.visionstudios.ltd/ 许可协议。视频内演示的项目用到的数据集由http://www.visionstudios.ltd/ 平台用户提供,并于2023年4月15日通过该平台导出。该视频内演示的项目用到的数据集包含1854张图像,所有图像均以YOLOv8格式进行了标注,适用于目标检测任务。在数据预处理阶段,图像经历了自动方向调整(包括EXIF方向信息剥离)和416x416像素的拉伸调整,但未应用任何图像增强技术。视频内演示的项目用到的数据集包含14个类别,分别是'Alhagi sparsifolia'(刺叶甘草)、'amaranth retroflexus'(反枝苋)、'black nightshade'(龙葵)、'bulrush'(荆三棱)、'chenopodium serotinum'(藜)、'convolvulus arvensis'(田旋花)、'cyperi rhizoma'(香附子)、'green bristlegrass'(绿狗尾草)、'hairy euphorbia'(毛大戟)、'japanhop'(日本蓼)、'karelinia caspia'(卡氏苓菊)、'morning glory'(牵牛花)、'thistle'(蓟草)和'wheatgrass'(小麦草)。这些类别涵盖了农业环境中常见的杂草种类,为开发智能杂草识别系统提供了丰富的训练数据。视频内演示的项目用到的数据集按照训练集、验证集和测试集进行了划分,便于模型的训练、评估和测试,为农业自动化和智能化管理提供了重要的数据基础。 ❤️投币关注点赞转发并且【在评论区留言】的粉丝会定期私信分享项目源码和数据集❤️
00:00 / 09:18
连播
清屏
智能
倍速
点赞0