您是不是在找：

宋大水4月前
带你手搓EMA注意力机制代码——提点YOLO,UNet模型 #yolov5 #yolov8 #yolov11 #目标检测 #计算机视觉
00:00 / 23:52
连播
清屏
智能
倍速
点赞75
宋大水4月前
将SE注意力机制融入YOLOv8的C2f结构中 #yolov8 #yolov11 #yolov5 #深度学习 #目标检测
00:00 / 05:23
连播
清屏
智能
倍速
点赞157
南风-论文指导4周前
2026 顶会常客！YOLO 凭借轻量化部署友好、端侧实时性强、多场景泛化性优优势，覆盖视觉检测全赛道，理论扎实落地性强，目标检测领域常年首选选题#YOLO #SCI论文#计算机论文#研究生论文#深度学习
00:00 / 00:54
连播
清屏
智能
倍速
点赞18
宋大水7月前
给SE注意力机制加三个创新点——提点YOLO/UNet模型 #深度学习 #注意力机制 #目标检测 #yolov8 #yolov11
00:00 / 02:49
连播
清屏
智能
倍速
点赞64
宋大水3月前
对YOLO11进行轻量化设计-1 #深度学习 #目标检测 #计算机视觉 #yolov11 #yolov8
00:00 / 02:24
连播
清屏
智能
倍速
点赞51
宋大水6月前
给CBAM注意力加三个创新点——提点YOLO/UNet模型 #深度学习 #yolov8 #yolov11 #unet #计算机视觉
00:00 / 03:48
连播
清屏
智能
倍速
点赞533
大家好我叫王大顺11月前
手把手教你 在YOLOv11中 加模块 本期视频带大家一起动手改造 YOLOv11，缝合自定义模块，提升检测性能！ 无论你是想插入 CBAM / SE / Ghost 模块，还是学习网络结构改造思路，这期内容都能帮你快速上手。
00:00 / 05:46
连播
清屏
智能
倍速
点赞232
宋大水2月前
将 CBAM注意力机制融入到YOLOv11的C3k2结构中 #深度学习 #目标检测 #计算机视觉 #yolov8 #yolov11
00:00 / 03:23
连播
清屏
智能
倍速
点赞95
宋大水3月前
在YOLO11中加入EMA注意力机制 #深度学习 #目标检测 #yolov8 #yolov11 #注意力机制
00:00 / 04:02
连播
清屏
智能
倍速
点赞47
宋大水4月前
将CBAM注意力机制融入YOLOv8的C2f结构中 #深度学习 #注意力机制 #yolov8 #yolov11 #yolo26
00:00 / 04:22
连播
清屏
智能
倍速
点赞87
Yolo算法旅行家1周前
基于深度学习Yolov11的鱼类识别系统 随着海洋资源的开发利用和生态环境保护意识的增强，海洋生物监测与识别技术的研究变得尤为重要。传统的鱼类识别方法主要依赖人工 观察，存在效率低、主观性强等缺点。本文基于深度学习技术，设计并实现了一种基于YOLOV11的海洋鱼类自动识别系统，为海洋生物 监测提供智能化解决方案。 本研究首先构建了包含多种海洋鱼类的图像数据集，通过数据增强技术解决了样本不足的问题。系统采用改进的YOLOv11目标检测算法 作为核心模型，该算法在YOLOvS的基础上引入了更高效的网络结构和优化策略，显著提升了小目标检测性能。针对海洋鱼类识别任务， 对模型的锚框参数和损失函数进行了针对性优化，并采用NMS+lOU算法提高检测框的准确性。 #目标检测 #计算机毕设 #深度学习#深度学习算法 #yolov5
00:00 / 03:05
连播
清屏
智能
倍速
点赞17
Yolo算法旅行家3周前
yolov11的焊接缺陷检测识别系统 本研究的主要贡献包括： （1）构建了包含3类焊接缺陷的专业数据集，采用Mosaic数据增强和自适应锚框技术，使数据利用率提升40%；（2）改进YOLOV11网络架构，引入小目标检测增强模块和动态NMS算法，在自建数据集上达到92.3%的mAP，较基准模型提升3.1个百分点； （3）开发了完整的检测系统，在NVIDIA TeslaT4显卡上实现45FPS的实时检测速度，模型体积压缩至8.3MB。 #目标检测 #计算机毕设 #深度学习 #深度学习算法 #yolov5
00:00 / 02:47
连播
清屏
智能
倍速
点赞4
Yolo算法旅行家1周前
深度学习yolo11空域安全无人机检测识别系统 随着无人机技术的快速发展和广泛应用，空域安全问题日益突出。未经授权的无人机可能对航空安全、隐私保护和重要设施构成严重威 胁。因此，开发高效准确的无人机检测系统具有重要的现实意义和应用价值。 本文设计并实现了一种基于深度学习YOLOV11的空域安全 无人机检测识别系统，能够在复杂背景下实时准确地检测无人机目标。 本系统采用YOLOv11-smal|作为基础检测模型，针对CPU环境进行了优化。通过构建包含1000+张无人机图像的数据集，使用数据增强技 术提升模型泛化能力。 系统实现了基于PyQt5的图形用户界面，支持图片识别、视频分析和实时摄像头检测三种工作模式。在模型优化方 面，采用改进的NMS算法和IOU阈值策略，有效提升了密集目标的检测准确率。训练过程中，通过调整学习率衰减策略和损失函数权重， 使模型在100个epoch内快速收敛。 #深度学习 #深度学习入门 #目标检测 #计算机毕设 #yolov5
00:00 / 04:47
连播
清屏
智能
倍速
点赞13
Yolo算法旅行家2周前
深度学习 | yolo11电动车骑行规范识别系统 随着电动自行车保有量的快速增长，不规范骑行行为导致的安全事故日益突出。针对传统人工监管效率低下、现有检测系统精度不足等问题，本研究提出了一种基于YOLOv11深度学习算法的电动车规范骑行行为智能检测系统。 本研究主要工作包括： （1）构建包含2000+标注图像的电动车骑行行为专用数据集，覆盖多种场景和天气条件； （2）基于YOLOV11框架改进目标检测算法，提出动态NMS+IOU优化策略，使mAP@0.5达到0.892； （3）开发支持图片、视频和实时三种检测模式的完整系统，在普通 笔记本CPU环境下实现18.7FPS的实时性能； （4）采用PyQt5框架设计交互式界面，集成违规行为统计与报表生成功能。 #深度学习 #深度学习算法 #计算机毕设 #计算机毕设项目 #目标检测
00:00 / 04:42
连播
清屏
智能
倍速
点赞16
Yolo算法旅行家2周前
毕业设计 深度学习yolo11垃圾分类系统 随着城市化进程加快和人口增长，生活垃圾处理已成为严峻的环境挑战。传统的垃圾分类方法效率低下且成本高昂，而基于计算机视觉的自动分类技术展现出巨大潜力。本研究设计并实现了一种基于YOLOv11深度学习框架的垃圾分类识别系统，旨在通过目标检测技术实现垃圾的自动化分类。 系统采用YOLOv11目标检测算法作核心，该算法在保持YOLO系列实时性优势的同时，通过改进的特征提取网络和损失函数，显著提升了小目标检测精度。研究构建了包含可回收物、有害垃圾、厨余垃圾和其他垃圾四大类别的专业数据集，总计超过5000张标注图像。通过数据增强和迁移学习技术，有效解决了垃圾分类场景中的样本不平衡问题。 #目标检测 #目标检测算法 #计算机毕设 #深度学习 #yolov5
00:00 / 07:24
连播
清屏
智能
倍速
点赞4
宋大水3月前
将SE注意力机制融入到YOLO11的C3k2结构中 #yolov11 #深度学习 #目标检测 #计算机视觉 #yolov8
00:00 / 03:34
连播
清屏
智能
倍速
点赞69
Yolo算法旅行家3周前
毕业设计 | 深度学习Yolo11暴力行为识别 随着社会安全需求的日益增长，基于计算机视觉的暴力行为自动识别技术展现出重要的应用价值。本文设计并实现了一种基于YOLOV11深度学习框架的暴力行为识别系统，通过实时视频分析技术，能够有效检测暴力行为事件，为公共安全监控提供智能化解决方案。 本系统采用YOLOv11-smal/作为基础模型，在自制暴力行为数据集上进行迁移学习。数据集包含2个类别（NonViolence和Violence），共计3000余张标注图像，按照6:2:2的比例划分为训练集、验证集和测试集。针对实际应用场景中的计算资源限制，系统特别优化了CPU环境下的推理性能，在保持较高检测精度的同时实现了实时处理能力。 #深度学习 #计算机毕设 #目标检测 #目标检测算法 #yolov5
00:00 / 03:37
连播
清屏
智能
倍速
点赞6
大家好我叫王大顺1年前
如何在 YOLOv11 中缝合注意力机制模块 | 实战教学
00:00 / 12:44
连播
清屏
智能
倍速
点赞93
非鱼AI编程10月前
【零基础】PyTorch+YOLOv11部署教程小白一看就会 【零基础】PyTorch+YOLOv11部署教程，从0开始简单而又快速，小白一看就会！ #人工智能 #计算机视觉 #YOLO #机器学习 #深度学习
00:00 / 01:12
连播
清屏
智能
倍速
点赞108
计算机博士迪哥6月前
YOLOV11算法目标检测核心技术 #热点小助手 物体检测实战进阶篇：注意力机制模块的作用与添加方法+算法实验中加入自己的模块@❤️资料小助手 #YOLO目标检测 #物体检测 #目标检测 @在抖音学习 @DOU+小助手 @抖音创作小助手 @抖音小助手 @DOU+上热门
00:00 / 55:54
连播
清屏
智能
倍速
点赞67
风衍·Yugen1周前
标题：KZ战斧电竞游戏耳机：不到200块就能买到的“物理外挂”？#游戏耳机 #kz战斧 #天霸yolo
00:00 / 02:25
连播
清屏
智能
倍速
点赞30
落花不写码5月前
#人工智能 #YOLO26 #YOLOv11 #YOLOv8#AI YOLOv8/YOLOv11/YOLO26目标检测系统与多目标跟踪检测系统，PySide6目标检测界面搭建，目标检测、分割、姿势估计、旋转框，用户端系统+后台管理系统开发实战，系统是一个通用的目标跟踪与目标检测系统，适配多种场景如：鱼苗检测与跟踪、行人多目标跟踪、车辆多目标跟踪、牛只行为识别与跟踪、口罩佩戴检测、安全帽佩戴检测、火灾检测等。
00:00 / 47:47
连播
清屏
智能
倍速
点赞120
宋大水4月前
将YOLOv8进行轻量化设计-1 #深度学习 #yolov5 #yolov8 #yolov11 #计算机视觉
00:00 / 05:05
连播
清屏
智能
倍速
点赞51
宋大水1周前
YOLOv11的疲劳驾驶检测系统设计实现｜答模模拟 #深度学习 #人工智能 #计算机视觉 #图像处理 #计算机毕业答辩
00:00 / 07:16
连播
清屏
智能
倍速
点赞310
大家好我叫王大顺1年前
手把手教你用YOLOv11训练自己的数据集—以人物摔倒检测 #人工智能 #计算机 #python #yolo #目标检测
00:00 / 20:46
连播
清屏
智能
倍速
点赞1210
启明云端科技1月前
ESP-Detection 是一个基于 Ultralytics YOLOv11 的轻量级目标检测项目，专为 ESP 系列芯片定制。该项目提供一系列轻量化模型与易用 API，使用户能够根据实际需求训练特定目标的检测模型。这些模型针对 ESP AI 芯片（如 ESP32-P4、ESP32-S3）进行了高效部署优化，可实现猫咪检测、犬只检测、手部检测等实时 AI 应用，使边缘端视觉智能更加轻量化、灵活。 #乐鑫科技 #乐鑫代理 #ESP32 #AIOT #ESP32-P4
00:00 / 28:19
连播
清屏
智能
倍速
点赞0
AI-人工智能技术1年前
Yolov11部署在rk3588 yolov11部署在RK3588-模型准备pt->onnx->rknn#ai #程序代码 #人工智能 #嵌入式 #边缘计算
00:00 / 02:45
连播
清屏
智能
倍速
点赞316
Ai学术叫叫兽1年前
YOLOv11改进：融合CAFM-2024年3月15月开源 实例分析答疑+YOLOv11全网最新创新点改进系列：融合最新顶会提出的HCANet网络中卷积和注意力融合模块(CAFM-2024年3月15月开源)，有效提升YOLOv11小目标检测性能，大幅度拉升目标检测效果！#实例分析答疑 #YOLOv11 #YOLO #sci #毕业设计
00:00 / 13:32
连播
清屏
智能
倍速
点赞6
在搞AI科研，憋烦姐1年前
目标检测 2025必卷：YOLOv11改进+即插即用 #目标检测#论文#深度学习#机器学习#yolo
00:00 / 00:30
连播
清屏
智能
倍速
点赞32
迪哥谈AI7月前
成年人看的YOLOV11代码讲解 #热点小助手 #内容启发搜索 #YOLOV11 #YOLO #物体检测 @迪哥资料小助手 @DOU+上热门 @抖音创作小助手 @抖音创作灵感 @在抖音学习 @抖音小助手
00:00 / 28:17
连播
清屏
智能
倍速
点赞36
迪哥教学1月前
基于YOLOv11的古籍上色实战 #人工智能 #计算机视觉 #YOLOv11 #神经网络 #深度学习
00:00 / 35:39
连播
清屏
智能
倍速
点赞214
一只云卷云舒1年前
Jetson配置YOLOv11环境（3）榨干jetson性能 通过安装jtop的方式来对风扇，电源功率模式，时钟频率jetson clock进行设置，最大程度释放开发板性能。 图文教程：https://blog.csdn.net/python_yjys/article/details/145382546?sharetype=blogdetail&sharerId=145382546&sharerefer=PC&sharesource=python_yjys&sharefrom=mp_from_link #jetson #jtop #风扇 #时钟频率 #人工智能
00:00 / 10:12
连播
清屏
智能
倍速
点赞14
Ai学术叫叫兽1年前
YOLOv11最新创新点改进系列：融合华为Gold-YOLO YOLOv11全网最新创新点改进系列：融合华为提出Gold-YOLO，高效实时目标检测器，精度再提升，多目标、小目标无处遁形！#yolov11 #模型改进 #sci #目标检测 #毕业设计
00:00 / 10:16
连播
清屏
智能
倍速
点赞5
AI-人工智能技术1年前
yolov11算法介绍 Yolov11目标检测算法在结构上最主要的创新点介绍-AKconv#人工智能 #ai
00:00 / 03:56
连播
清屏
智能
倍速
点赞370
落花不写码10月前
手把手教你完成基于YOLOv11+CNN车牌识别系统 #YOLOv11 #CNN #车牌识别系统 车牌识别系统是智能交通、安防监控等领域的关键技术，结合深度学习方法可提升识别模型准确率。传统方法依赖手工特征提取，而OpenCV的车牌矫正技术进一步优化倾斜或变形车牌的预处理，为后续识别提供高质量输入，基于 YOLOv11的目标检测与 CNN 分类器的结合，能够实现端到端的车牌定位与字符识别。
00:00 / 13:18
连播
清屏
智能
倍速
点赞255
kk在学机器学习4月前
MASF-YOLO刷新小目标检测SOTA | 多尺度特征聚合与注意力机制，性能效率全面超越YOLOv11 #YOLO #小目标检测 #SOTA #科研 #深度学习
00:00 / 01:38
连播
清屏
智能
倍速
点赞15
小柒外设桌搭1周前
全新升级，加量不加价！ikf v11 pro 2.0卷出新高度！ #游戏耳机 #电竞耳机 #ikf电竞耳机 #ikfv11pro
00:00 / 00:45
连播
清屏
智能
倍速
点赞58
大家好我叫王大顺1年前
在yolov11中缝合CoTAttention模块实战教程 本期视频将带你手把手实战，将CoTAttention（Contextual Transformer Attention）模块成功嵌入到YOLOv11目标检测模型中。 如果你正在寻找一种提升检测精度、增强网络感受野的方法，那么这期内容不容错过！
00:00 / 12:03
连播
清屏
智能
倍速
点赞25
计算机博士迪哥10月前
YOLO每个版本都要系统学吗 #热点小助手 #YOLO #YOLO算法 #YOLOV11 #物体检测 @抖音创作小助手 @DOU+小助手 @抖音小助手 @DOU+上热门 @在抖音学习
00:00 / 05:14
连播
清屏
智能
倍速
点赞26
桃气包1年前
三连【180】掉落一张捷风垫子 今天分享的是iKF V11pro，超软耳罩加轻量化设计，久戴耳机依旧舒适，持续游戏不掉线。 #ikfv11 #ikf电竞耳机 #ikf降噪耳机 #头戴式耳机
00:00 / 00:59
连播
清屏
智能
倍速
点赞277
落花不写码1年前
YOLOv8融合改进，实现极限涨点，发期刊必备 #YOLOv8改进 #YOLOv11改进 #计算机期刊 为了提升提升检测精度和速度，主干网络采用MobileNetV4，以增强对不同目标的特征提取能力，在颈部（Neck）网络 中 引 入 CBAM注意力机制，增强对细节特征的识别精度，我们知道YOLOv8默认采用CIoU，CIoU损失函数虽然得到了广泛应用并获得了较好效果，但CIoU损失函数存在不合理的惩罚因子，导致锚框的面积已经大于目标框，导致收敛缓慢的情况。为了解决锚框扩大等问题，加入了一个具有尺寸适应性的惩罚因子，引导锚框沿着高效路径回归，称为PIoU 损失，PIoU 损失在回归的早期阶段，它引导锚框几乎沿着直线路径向目标框移动，因此收敛速度比现有基于 IoU 的损失函数更快。整个改进网络结构实现极限涨点，大家也可以尝试在我的博客自由组合网络结构，也更新了最新的YOLOv11改进，也适合分割，关键点检测等任务
00:00 / 02:11
连播
清屏
智能
倍速
点赞286
Yolo算法旅行家4周前
深度学习 | Yolo苹果采摘护理定位辅助系统 一、本文首先对YOLOV11目标检测算法进行了深入研究，构建了适用于苹果识别的专业数据集，并在CPU环境下完成了模型的训练与优化。 二、通过改进非极大值抑制（NMS）算法和交并比（IOU）计算方法，有效提升了模型的检测精度。 三、实验结果表明，在自建数据集上，该系统能够稳定地检测到不同光照、遮挡条件下的苹果实，平均检测精度达到较高水平。 #计算机毕设 #计算机毕设项目 #深度学习 #深度学习算法 #目标检测
00:00 / 06:04
连播
清屏
智能
倍速
点赞12
Yolo算法旅行家1月前
深度学习 | Yolo11作物杂草识别系统 本研究的主要工作包括： （1）构建了包含2个类别（作物和杂草）的专用数据集，共计5000余张田间场景图像； （2）采用YOLOV11-small模型架构，通过优化训练策略和超参数设置，在CPU环境下实现了高效训练； （3）开发了包含图片识别、视频识别和实时识别三种模式的多功能检测系统，并引入NMS算法优化检测结果； （4）基于PyQt5框架设计了用户友好的图形界面，支持检测结果可视化展示和操作日志记录。 #目标检测 #计算机毕设 #深度学习 #深度学习入门 #yolov5
00:00 / 05:27
连播
清屏
智能
倍速
点赞51
Yolo算法旅行家3周前
基于YOLOv11的血红细胞计数与类型识别系统 血细胞分析是临床医学诊断中的重要环节，准确的血细胞计数和分类对于疾病诊断和治疗监测具有重要意义。传统的显微镜人工计数方法效率低下且容易产生主观误差，而现有的自动化分析仪器价格昂贵且操作复杂。针对这些问题，本文设计并实现了一种基于YOLOv11深度学习框架的血红细胞计数与类型识别系统，通过计算机视觉技术实现了高效、准确的血细胞自动分析。 #目标检测 #计算机毕设 #计算机毕设项目 #深度学习 #yolov5
00:00 / 03:48
连播
清屏
智能
倍速
点赞6
Yolo算法旅行家3周前
yolov11的医学影像脑瘤检测识别系统 本研究的理论价值体现在： 1、探索深度学习在医学影像分析中的可解释性方法 2、提出针对医疗数据稀缺场景的小样本学习策略 3、建立医学影像分析算法的评估标准体系 实际应用价值包括： 1、提升诊断效率：预计可缩短单例分析时间至3分钟以内 2、提高诊断质量：目标检测准确率可达90%以上 3、促进分级诊疗：为基层医院提供专家级诊断支持 4、降低医疗成本：减少重复检查和不必要活检 #目标检测 #目标检测算法 #计算机毕设 #深度学习 #深度学习算法
00:00 / 02:14
连播
清屏
智能
倍速
点赞11
Yolo算法旅行家1周前
深度学习yolo智能安防盗窃行为识别系统 随着社会的发展和科技的进步，安防监控系统在维护公共安全中发挥着越来越重要的作用。传统的视频监控系统依赖人工实时观察，存在 效率低、易漏检等问题。 为此，本文设计并实现了一套基于深度学习YOLO11的安防监控盗窃行为识别系统，旨在通过自动化手段提升盗 窃行为的检测效率与准确率。 本系统采用YOLO11目标检测模型作为核心算法框架，结合非极大值抑制（NMS）与交并比（loU）算法对检测结果进行优化，能够高效 识别视频中的多种可疑行为，如遮挡脸部、撬门、匆忙行走等。 系统集成了OpenCV图像处理技术与PyQt5图形界面开发框架，实现了从视频流输入、行为识别到可视化展示的完整流程。此外，系统还具备良好的用户交互体验，支持本地视频文件与摄像头实时视频的检测功能。 #目标检测 #深度学习 #深度学习入门 #计算机毕设 #yolov5
00:00 / 05:09
连播
清屏
智能
倍速
点赞6
Yolo算法旅行家2周前
深度学习yolov11痤疮检测医疗辅助系统（源码+论文） 痤疮作为全球最常见的皮肤疾病之一，其准确识别与定位对皮肤病临床诊断具有重要意义。传统诊断方法依赖医生经验，存在主观性强，效率低下等问题。本文基于深度学习技术，设计并实现了一套痤疮自动识别定位系统，为皮肤病辅助诊断提供了智能化解决方案。 本研究采用YOLOV11-smal|目标检测算法作为核心框架，构建了包含4682张标注图像的专业痤疮数据集。系统实现了图片、视频和实时摄像头三种检测模式，通过PyQt5开发了友好的图形用户界面。在算法层面，优化了非极大值抑制（NMS）算法，采用交井比（IOU）阈值0.7进行检测框筛选，有效提高了识别精度。 训练过程中使用Adam优化器，设置初始学习率0.01，经过100个epoch的训练，模型在测试集上达到了mAP50 0.60185的识别精度，召回率达到0.63121。 #目标检测 #目标检测算法 #计算机毕设 #深度学习 #深度学习算法
00:00 / 04:44
连播
清屏
智能
倍速
点赞5
尚学堂（北京）8月前
YOLOv11火焰识别_加载预训练模型-02 #人工智能 #图像识别 #yolo11 #火焰检测 #ai
00:00 / 10:25
连播
清屏
智能
倍速
点赞2
Ai学术叫叫兽3周前
粉丝小灶：无偿获取，超强改进方法！家人们，冲冲冲！！！ 粉丝小灶：无偿获取，超强改进方法——采用SAM+YOLO双主干的改进方法融合，独家爆强 YOLO 改进秘籍！！ SAM+YOLO 双主干深度融合，精度狂飙不卡顿、轻量化不冗余，不用额外付费、不用复杂操作，手把手教你吃透模型升级核心，轻松拿捏目标检测性能天花板，手慢无！ 模型 A（双主干思路）：YOLO 主干 + SAM 辅助分支 模型 B（Adapter 思路）：SAM 特征通过高效 Adapter 注入 YOLO26 主干
00:00 / 04:18
连播
清屏
智能
倍速
点赞26
Yolo算法旅行家1月前
深度学习 | 智能安防盗窃行为识别系统 本系统采用YOLO11目标检测模型作为核心算法框架，结合非极大值抑制（NMS）与交并比（IoU）算法对检测结果进行优化，能够高效 识别视频中的多种可疑行为，如遮挡脸部、撬门、匆忙行走等。系统集成了OpenCV图像处理技术与PyQt5图形界面开发框架，实现了从 视频流输入、行为识别到可视化展示的完整流程。此外，系统还具备良好的用户交互体验，支持本地视频文件与摄像头实时视频的检测功能。 #计算机毕设 #深度学习 #深度学习算法 #目标检测 #目标检测算法
00:00 / 05:09
连播
清屏
智能
倍速
点赞13
Yolo算法旅行家1周前
深度学习yolo11水稻病害检测识别系统 水稻作为全球最重要的粮食作物之一，其生长过程中常受到各种病害的威胁，严重影响产量和品质。传统的水稻病变识别方法主要依赖人 工观察，存在效率低、主观性强等缺点。本文基于深度学习技术，设计并实现了一套高效准确的水稻病变自动识别系统，为农业生产提供 智能化解决方案。 本研究采用YOLOv11目标检测算法作为核心模型，针对三种常见水稻病变（细菌性叶枯病、褐斑病和叶黑粉病）进行识别。系统构建了 包含大量标注样本的专业数据集，通过数据增强技术提升模型泛化能力。 在模型训练阶段，优化了网络结构和超参数，实现了在CPU环境 下的高效训练。系统开发方面，基于PyQt5框架构建了用户友好的图形界面，支持图片、视频和实时摄像头三种识别模式，并采用多线程 技术保证界面流畅性。 #目标检测 #目标检测算法 #计算机毕设 #深度学习 #深度学习入门
00:00 / 03:52
连播
清屏
智能
倍速
点赞17
Ai学术叫叫兽1年前
YOLOv11全网最新创新点改进系列 YOLOv11全网最新创新点改进系列：YOLOv11利用组卷积技术来有效地排列卷积滤波器，融合双卷积核（DualConv）来构建轻量级深度神经网络,目标检测模型有效涨点神器！！！#yolov11 #北大核心 #毕业 #硕士 #打卡学习
00:00 / 10:30
连播
清屏
智能
倍速
点赞10
欧尼-论文指导2周前
极速端到端检测实力拉满！YOLO 一站式完成定位分类，推理速度远超同行，实时视觉任务运行效率直接登顶。#YOLO #目标检测 #计算机视觉 #深度学习 #图像识别
00:00 / 00:44
连播
清屏
智能
倍速
点赞11
知来者逆7月前
无人机视角下目标检测与追踪 实现无人机视角纯视觉目标检测与追踪，针对 200 米以上高空目标小于 32 像素、俯拍行人特征模糊致普通问题，基于 YOLOV11 引入 NWD 损失函数提升检测精度，采用 trackers 算法稳定追踪 300 + 目标，轻量化部署适配无人机算力，实现实时推理，满足高空监控需求。 #目标检测 #无人机 #无人机作战 #人工智能 #YOLO
00:00 / 00:34
连播
清屏
智能
倍速
点赞39
晚霞-论文指导3周前
YOLO + 卡尔曼爆火，工业自动驾驶刚需，稳冲中科院一区 Top！#SCI #yolo #卡尔曼滤波 #计算机论文 #人工智能
00:00 / 00:33
连播
清屏
智能
倍速
点赞24
尚学堂（北京）8月前
04_YOLOv11火焰识别_数据集准备与管理 #人工智能 #YOLO #图像识别 #计算机视觉 #火焰识别
00:00 / 10:32
连播
清屏
智能
倍速
点赞13
毛豆-论文指导4周前
科研人私藏✨YOLO架构引入差分特征融合+自适应非极大值抑制，解决密集目标重叠干扰，硕士SCI创新绝佳选题#计算机论文#硕博圈#论文投稿#SCI论文
00:00 / 00:46
连播
清屏
智能
倍速
点赞0
牧马城市z4月前
想找一款兼顾游戏、通勤、办公的头戴耳机？iKF-V11 Pro实测来袭！四模连接无缝切换，虚拟7.1声道还原真实声场，275g轻量化设计佩戴无负担。1000mAh大电池续航拉满，支持APP自定义调音，手机、主机、电脑全兼容，无电也能有线使用，实用派必看！#ikf #ikf头戴式耳机 #头戴式电竞耳机 #ikf电竞耳机 #ikfv11pro
00:00 / 03:32
连播
清屏
智能
倍速
点赞43
落花不写码1年前
基于Django+Vue3的YOLOv11目标检测系统 #YOLOv11 #django #vue3
00:00 / 02:03
连播
清屏
智能
倍速
点赞41
大象-论文指导3周前
目标跟踪黄金组合：YOLO+卡尔曼滤波，顶会高产选题！#SCI #计算机论文 #人工智能 #Yolo #卡尔曼滤波
00:00 / 00:33
连播
清屏
智能
倍速
点赞34
宋大水2月前
将YOLOv11的C2PSA结构改成C2CBAM #深度学习 #人工智能 #计算机视觉 #yolov11 #yolov8
00:00 / 02:08
连播
清屏
智能
倍速
点赞36
Ai学术叫叫兽1月前
挖掘亮点，打造原创好文！SCI精读！！ # 一、首次开展YOLO26与YOLOv11的PPE检测专项全面基准对比 1. 这是**YOLO26（2026年1月发布）** 首次在PPE检测这类真实工业场景下的系统性实证评估，填补了该模型在专业垂直领域的性能空白。 2. 实验设计极严谨：控制**30种模型配置**（2种架构×5种模型尺度×3个PPE数据集），统一硬件（NVIDIA A100-80GB）、超参数、COCO预训练权重，排除无关变量干扰，保证对比公平性。 # 二、揭示跨数据集一致的**量表级性能规律** 1. 明确**尺度依赖**的核心结论：YOLOv11在**nano/small小尺度**全数据集占优；YOLO26在**large/X-Large大尺度**全面领先，mAP50–95优势达**1.3%~3.1%**；medium尺度为两者性能交叉点。 2. 该规律在3个差异极大的PPE数据集（小样本CHV、中样本SHEL5K、大样本多分类SH17）上均成立，证明是**架构本质特性**，而非数据集特例。 # 三、发现数据集规模与模型性能的强关联规律 1. 首次观测到**数据集大小与YOLO26性能优势呈强负相关（r=−0.98）**：数据越稀缺（如133图的CHV），YOLO26优势越明显；数据越充足（如1620图的SH17），两者性能越趋近。 2. 为**小样本/少样本PPE检测**的模型选型提供了关键实证依据，解决工业小众场景数据不足的选型痛点。 # 四、厘清两者计算效率的核心差异与工程异常 1. 效率 trade-off 明确：排除异常数据集后，YOLOv11**训练快15%~20%、推理快9%~18%**；YOLO26**参数效率更高**（每百万参数/每GFLOP的mAP更高），大尺度下算力利用率更优。 2. 定位并验证**SH17数据集上YOLOv11训练异常**：所有尺度训练时间均约17.5h，属于**框架实现问题**而非架构缺陷，为工程落地避坑提供关键参考。 # 五、输出可直接落地的**PPE检测部署选型指南** 基于性能、效率、场景约束，给出分场景的明确选型建议
00:00 / 06:49
连播
清屏
智能
倍速
点赞282
迪哥AI课堂4月前
yolov11入门到精通+训练自己的数据集 #计算机视觉 #目标检测 #人工智能 #ai #yolo
00:00 / 28:08
连播
清屏
智能
倍速
点赞57

简介:

您在查找“YOLOV11加入轻量化通道注意力”短视频信息吗？帮您找到更多更精彩的短视频内容！最新发布时间：2026-05-31 06:24

相关推荐:

热门推荐: