目标检测

WACV 2025 | MCOR：基于跨模态信息互补与余弦相似度通道重采样模块增强的多光谱目标检测每一个阶段输出的特征图送入 MCOR 模块，该模块包含 CIC 跨模态信息互补模块与 CSCR 余弦相似度通道重采样模块。 CIC 模块分为两个子模块：模态感知差异学习MADL模块；模态感知交叉自注意力MACSA模块。 CSCR 包含两个子模块：基于余弦相似度的通道排序CS²模块；目标加权通道重采样OCR模块。

YOLO数据集集合

天空红外小目标检测数据集 | 红外小目标天空目标检测无人机检测鸟类识别低空安防9099期本数据集专注于天空背景下的红外小目标检测与分类，服务于低空安防、反无人机系统及航空目标监测。数据涵盖飞机、无人机、直升机与鸟类四类空中目标，适配红外成像条件下的目标识别、空域态势感知及鸟击防范等应用。

基于「YOLO目标检测 + 多模态AI分析」的水稻病害智能检测分析预警系统（LangChain框架）b站演示视频与部署教程视频(点击这里) https://www.bilibili.com/video/BV1HMec6xEKc/?share_source=copy_web&vd_source=31c839f46a9a845dd6dd641cbd5c2ac1

江畔柳前堤

字节跳动·大模型应用知识手册岗位：校园招聘 - 大模型应用（商业化基模 & Agent 方向）- 内容质量与数据服务平台办公地点：北京市朝阳区时尚·万科中心（朝阳北路 152 号院，东四环红领巾桥，5A 甲级写字楼）业务归属：抖音集团「内容质量与数据服务平台（CQC）」× 字节商业化「巨量引擎 · 商业信任与安全」——用大模型保障广告 / 生服 / 电商的商业内容安全与合规序列：运营序列（做算法的事、要业务的结果） Leader 关注点：懂 Agent、懂后训练、有创新能力；纯技术画像，产品向不 OK 团队形态：模型中台，对

【题目练习】动态规划+背包问题题一：分割等和子集解题思路：1、求数组总和 sum，如果 sum%2 !=0 → 直接返回 false

YOLO数据集集合

智慧工业工地安全防护检测数据集 | 工业安全防护装备检测安全帽识别口罩检测 9097期本数据集专注于工业场景下个人安全防护装备（PPE）的视觉检测与合规性判断，服务于工地安全监控、智能巡检及高危作业环境管理。数据涵盖17类人体部位与防护装备，适配安全穿戴合规检测、行为分析及多任务模型开发等应用。

爱吃火鸡面呀

基于 dlib 与 OpenCV 的人脸换脸实战：从关键点检测到无缝融合人脸换脸（Face Swap）是计算机视觉领域中最具趣味性和挑战性的应用之一。它通过检测人脸关键点、计算仿射变换矩阵、调整颜色分布并融合图像，将一张人脸自然地“移植”到另一张图像上。本文基于 dlib 的 68 点人脸关键点检测器和 OpenCV 的图像处理能力，从零实现一个完整的换脸流程。

初识OpenCV——疲劳检测在上一篇博客中，我们学习了Dlib的人脸关键点定位与表情识别技术。今天，我们将把这些技术应用到一个极具现实意义的场景——疲劳检测。

根目录下的猫

RK3588适配的轻量级AI模型推荐RK3588 是 Rockchip 推出的一款高性能芯片，适用于多种应用场景，包括 AI 计算、图像处理、视频编解码等。其强大的 NPU（神经网络处理单元）和 GPU（图形处理单元）使其成为运行深度学习模型的理想选择。

YOLO数据集集合

高铁轨道紧固件损坏检测数据集 | 高铁巡检紧固件缺陷轨道安全9093期本数据集专注于高铁轨道紧固件缺陷的视觉检测与分类，服务于铁路智能巡检、轨道状态监测及运维决策。数据采集自高铁巡检车实拍全景大图，完整保留紧固件整体排布结构，适配工程级缺陷识别与轨道安全评估。

Deep Learning for Computer Vision——Generative Models 2最大似然估计（Maximum Likelihood）是所有生成模型的核心思想。核心目标：最大化观测数据的似然。

YOLO数据集集合

光伏板红外-可见光配对缺陷检测数据集 | 光伏板缺陷红外可见光配准多模态检测无人机巡检目标检测 YOLO格式9094期本数据集专注于光伏板缺陷的多模态视觉检测，提供红外与可见光一一配对的图像数据，服务于光伏电站智能巡检、缺陷诊断及运维管理。数据采集自无人机航拍，同一时间、同一位置、同一角度拍摄，适配多模态融合检测、缺陷分类及电站健康评估等应用。

YOLO数据集集合

无人机航拍地面目标检测数据集 | 无人机航拍地面目标检测坦克识别人员检测俯视视角目标检测9092期本数据集专注于无人机航拍视角下的地面目标检测，服务于低空侦察、智慧巡检及空域态势感知。数据涵盖建筑、坦克、地表设施与人员等多类地面目标，适配军事侦察、安防监控及航拍图像理解等应用。

西柚研究生123456

论文分析17：YOLOv11＿UAVNet:无人机航拍图像专用目标检测算法引用：[1]侯颖,黄嘉超,申家轩,等.YOLOv11＿UAVNet:无人机航拍图像专用目标检测算法[J/OL].计算机工程与应用,1-16[2026-09-18].https://link.cnki.net/urlid/11.2127.TP.20260917.1311.009.

YOLO数据集集合

小目标无人机、飞机、直升机检测数据集 | 小目标检测无人机检测空中目标识别低空安防反无人机9090期本数据集专注于低空场景下的空中目标检测，涵盖无人机、固定翼飞机与直升机三类典型飞行器。数据面向小目标检测任务，适用于反无人机安防、低空监控及航空目标识别等应用。

YOLO数据集集合

全球无人机航拍树冠覆盖数据集 | 树冠分割语义分割无人机航拍全球森林监测 GeoTIFF 生态恢复9083期本数据集是全球规模最大的无人机航拍高分辨率树冠覆盖数据集，专注于树木树冠的语义分割，服务于全球森林监测、生态恢复评估及碳汇计量。数据覆盖全球多数陆地生物群系，包含约28万棵单棵树与5.6万个树冠组的掩膜标注，适配大尺度植被覆盖分析与生态研究。

一个生成接口统一计算机视觉：SenseNova-Vision 硬核解剖想象你要给一台机器人装上"视觉"。传统做法是一张购物清单：每个模型有自己的架构、权重、解码规则、部署依赖。系统集成者的日常，是在四个 GPU 进程之间搬运张量、对齐坐标系、祈祷误差不要级联放大。

YOLO数据集集合

无人机树木识别检测数据集 | 树木检测树种分类无人机航拍林业调查9082期本数据集专注于无人机视角下多树种树木的视觉检测与分类，服务于林业资源调查、森林生态监测及植被覆盖评估。数据采集自真实无人机树林区域，通过在不同光照、不同时间、不同地区下拍摄获取，适配树木计数、树种分类及林分调查等应用。

Deep Learning for Computer Vision——Generative Models 1核心概念：获取相似的对（正样本）和不相似的对（负样本），将相似对拉近，不相似对推开。流程：输入未标记图像 x，应用两个随机变换。送入编码器（ViT/CNN）提取特征。计算 2N×2N 的相似度矩阵（NN张图，每张有2个变换版本）。

蝙蝠侠的小蝙蝠

【目标检测】YOLOV3 & YOLOV4 网络基本结构YOLO 系列目标检测器标准的三段式架构（Backbone-Neck-Head）。Backbone（骨干）：解决“看懂图像”的问题，将原始像素转化为不同层次的特征图。