yolo

地平线BPU部署实战：YOLOv8在J5/X3上的算法适配与性能优化地平线的BPU不是通用NPU——它是专门为CNN优化的贝叶斯处理器。理解BPU的"脾气"，才能把YOLOv8跑出最佳性能。这篇文章从架构原理到实战调优，一次性讲透。

YOLO数据集集合

无人机航拍地质灾害智能识别山体滑坡实例分割数据集落地实战 | 泥石流监测道路险情封堵深度学习模型训练方案10296期#无人机巡检 #地质灾害AI预警 #山体滑坡识别 #实例分割 #深度学习数据集 #遥感影像解译 #泥石流监测 #道路滑坡检测 #模型训练实战 #灾害智能防控

YOLO系列目标检测数据集大全【第二十九期】data.yaml配置：data.yaml配置：data.yaml配置：data.yaml配置：data.yaml配置：

YOLO边缘部署深度指南：从YOLOv8n到NPU加速的全链路优化在NVIDIA Jetson上跑YOLOv8n能到200FPS，但换到RK3588的NPU只有30FPS——差距不在算力，在适配。这篇文章拆解从模型训练到NPU部署的每一个技术细节。

第 03 讲《监督学习：数据、标签、Loss与训练循环》第 03 讲《监督学习：数据、标签、Loss与训练循环》整理说明：本文基于 B 站视频《第03讲〈监督学习：数据、标签、Loss与训练循环〉》的公开信息、课程课件主线，并结合 PyTorch 训练循环常见写法进行原创化整理。本文不是逐字稿，重点是把“模型如何通过做题、对答案、改参数来学习”整理成科研小白能照着学、照着跑、照着排错的教程。

国内快递面单识别检测数据集VOC+YOLO格式422张6类别数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件)

YOLO系列目标检测数据集大全【第三十期】data.yaml配置：data.yaml配置：data.yaml配置：data.yaml配置：data.yaml配置：

【73】墙壁建筑缺陷数据集(有v5/v8模型)/YOLO墙壁建筑缺陷检测➷点击跳转至数据集及模型获取处☇图片数量1522张，已标注txt格式训练集验证集按1217:305划分，可直接用于目标检测训练

前网易架构师-高司机

带标注的辣椒病叶数据集，识别率95.9%，可识别三种病害和健康叶子，9916张图，支持yolo，coco json，voc xml,文末有模型训练代码带标注的辣椒病叶数据集，识别率95.9%，可识别三种病害和健康叶子，9916张图，支持yolo，coco json，voc xml,文末有模型训练代码

直升机停机坪目标检测数据集分享（适用于YOLO系列深度学习分类检测任务）链接:https://pan.baidu.com/s/10HQw06rF_Nprb2_OJwTrJw?pwd=bwjr

yolo模型训练空闲 GPU 训练能够自动选择多 GPU 系统中利用率最低的 GPU，从而在无需手动选择的情况下优化资源使用。此功能根据利用率指标和 VRAM 可用性来识别可用 GPU。

再一次等风来

YOLO26 实测记录：从模型下载、预测验证到 ONNX Runtime 推理部署本文记录一次 YOLO26 模型的完整测试流程，主要包括环境验证、官方模型下载、测试模型预测、自定义数据集训练、模型导出为 ONNX、.pt 与 .onnx 推理结果对比，以及使用 ONNX Runtime 手动验证导出的 ONNX 模型。

用于实验室智能识别的目标检测数据集分享（适用于YOLO系列深度学习分类检测任务）链接:https://pan.baidu.com/s/1g-Yl6cS59822APpZtuaEaw?pwd=zk43

基于 YOLOv8 + CRNN 的车牌识别系统本项目基于 YOLOv8 + CRNN+CTC 双模型流水线实现车牌检测与字符识别，提供完整的训练流程与可视化桌面应用，支持图片、视频、摄像头多种输入方式的实时检测，并能直接输出车牌号码字符串。

装不满的克莱因瓶

掌握基于YOLO v5实现车牌目标检测任务的完整流程——从数据到部署的工业级实践目录一、前言二、任务目标拆解（一）任务本质（二）系统目标（三）后续扩展三、整体流程架构四、数据采集（一）数据来源

YOLO系列目标检测数据集大全【第二十八期】data.yaml配置：data.yaml配置：data.yaml配置：data.yaml配置：data.yaml配置：

【YOLO-Master】When YOLO-Master Sees GhostsYOLO 中引入 MoE（Mixture of Experts）后（eg：yolo-master），漏检下降但误检(FP)升高是非常常见的问题。因为 MoE 本质上增加了模型容量和表达能力，如果路由器（Gate）没有学好，很容易产生「过拟合局部模式」和「专家幻觉」。

前网易架构师-高司机

带标注的土豆马铃薯病叶数据集，识别6种病害和健康叶，识别率93.4%，3718张图，支持yolo，coco json，voc xml,文末有模型训练代码带标注的土豆马铃薯病叶数据集，识别6种病害和健康叶，识别率93.4%，3718张图，支持yolo，coco json，voc xml,文末有模型训练代码

户外垃圾类型检测数据集VOC+YOLO格式4278张10类别数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件)

前网易架构师-高司机

带标注的番茄成熟颜色识别数据集，可识别红色，橙色，绿色，识别率80.6%，2517张图，支持yolo，coco json，voc xml,文末有模型训练代码带标注的番茄成熟颜色识别数据集，可识别红色，橙色，绿色，识别率80.6%，2517张图，支持yolo，coco json，voc xml,文末有模型训练代码