目标检测

基于「YOLO目标检测 + 多模态AI分析」的遥感影像目标检测分析系统(vue+flask+数据集+模型训练)基于「YOLO目标检测 + 多模态AI分析」的遥感影像目标检测分析系统(vue+flask+数据集+模型训练)

【目标检测】metrice_curve和loss_curve对比图可视化代码如下：可视化结果展示

基于「YOLO目标检测 + 多模态AI分析」的铁路轨道缺陷检测安全系统(vue+flask+数据集+模型训练)基于「YOLO目标检测 + 多模态AI分析」的铁路轨道缺陷检测安全系统(vue+flask+数据集+模型训练)

目标检测 | 基于Weiler–Atherton算法的IoU求解交并比（Intersection over Union, IoU）是计算机视觉领域中常用的一个评价指标，尤其在目标检测与图像分割任务中，用于衡量预测结果与真实标注之间的重合程度。

【论文笔记】SpaRC: Sparse Radar-Camera Fusion for 3D Object Detection原文链接：https://arxiv.org/pdf/2411.19860图像由卷积特征提取器编码，而雷达点则由基于Transformer的点编码器处理。随后进行两阶段融合：第一阶段将雷达特征投影到图像上关联语义特征，第二阶段则从透视提案初始化稀疏3D物体查询，通过交叉注意力聚合多模态特征。距离自适应的雷达细化基于距离指导物体与雷达的交互，透视空间中的可变形注意力则捕捉语义特征。

hjs_deeplearning

认知篇#12：基于非深度学习方法的图像特征提取有一个问题一直困扰着我，在机器学习发展之前，图像处理是依靠什么手段的呢？我们该怎样去提取图像的特征并进行修改呢，这有点像P图，确实值得深究。

基于「YOLO目标检测 + 多模态AI分析」的PCB缺陷检测分析系统(vue+flask+数据集+模型训练)基于「YOLO目标检测 + 多模态AI分析」的PCB缺陷检测分析系统(vue+flask+数据集+模型训练)

模型部署：（三）安卓端部署Yolov8-v8.2.99目标检测项目全流程记录下载并解压文件拷贝：将ncnn-20240410-android-vulkan解压后的四个文件复制到ncnn-android-yolov8\app\src\main\jni文件夹目录内

基于「YOLO目标检测 + 多模态AI分析」的植物病害检测分析系统(vue+flask+数据集+模型训练)基于「YOLO目标检测 + 多模态AI分析」的植物病害检测分析系统(vue+flask+数据集+模型训练)

深度学习lover

＜数据集＞yolo梨幼果识别数据集＜目标检测＞数据集下载链接https://download.csdn.net/download/qq_53332949/91916034数据集格式：VOC+YOLO格式

【深度学习计算机视觉】03：目标检测和边界框【作者主页】Francek Chen 【专栏介绍】 ⌈ ⌈ ⌈PyTorch深度学习 ⌋ ⌋ ⌋ 深度学习 (DL, Deep Learning) 特指基于深层神经网络模型和方法的机器学习。它是在统计机器学习、人工神经网络等算法模型基础上，结合当代大数据和大算力的发展而发展出来的。深度学习最重要的技术特征是具有自动提取特征的能力。神经网络算法、算力和数据是开展深度学习的三要素。深度学习在计算机视觉、自然语言处理、多模态数据分析、科学探索等领域都取得了很多成果。本专栏介绍基于PyTorch的深度学习算法实现

目标检测系列-Yolov5下载及运行由于项目需要，最近一直在看目标检测相关的资料，不过纸上得来终觉浅，绝知此事要躬行啊。从今日起，将学习的过程记录一下，作为以后用来复习的材料吧。我想最快的学习便是直接动手做项目，因此今天就将yolov5模型下载下来，研究下如何使用，整个过程都是在linux系统上运行。

一碗白开水一

【论文阅读】Far3D: Expanding the Horizon for Surround-view 3D Object Detection标题： Far3D: Expanding the Horizon for Surround-view 3D Object Detection

基于YOLOv8的车辆轨迹识别与目标检测研究分析软件源代码+详细文档本项目基于YOLOv8框架，能够对交通物体进行检测。对图片能检测到物体并用锚框进行标注展示，对于视频则是对每一帧进行物体检测分析，同样使用锚框进行标注，最终生成的物体检测视频能实时追踪物体并用不同颜色框进行标注展示。

大学生毕业题目

毕业项目推荐：83-基于yolov8/yolov5/yolo11的农作物杂草检测识别系统（Python+卷积神经网络）往期经典回顾具体项目资料请看项目介绍大全人工智能 (AI) 在智慧农业与作物田间管理领域应用广泛，基于深度学习的农作物杂草检测是重点研究方向。该系统依托无人机航拍，结合计算机视觉与深度学习模型，可自动识别农田中作物与杂草的类别、精准提取杂草位置坐标、覆盖范围等关键信息，大幅提升田间除草效率、施药精准度及作物生长保障能力，降低因杂草争夺养分导致的作物减产风险，本文还将提供简单 Python 代码实现以助理解。农作物杂草检测是农田管理、精准植保及产量保障的核心技术支撑，尤其在大面积规模化种植基地，或作物苗期与

weixin_37763484

【目标检测】特征理解与标注技巧在计算机视觉领域，目标检测是赋予机器“看见”并“理解”世界能力的核心任务。它的目标不仅是识别图像中的物体类别（“是什么”），还要精确定位其在空间中的位置（“在哪里”）。现代目标检测模型，特别是基于深度学习的检测器，其成功的基石在于其强大的分层特征提取能力。然而，模型所依赖的视觉线索并非生而平等。

2025 年高教社杯全国大学生数学建模竞赛C 题 NIPT 的时点选择与胎儿的异常判定详解（一）本文利用某竞赛提供的胎儿Y染色体浓度数据，建立了以孕周和孕妇BMI为自变量的多项式回归模型，探讨了其对Y染色体浓度的影响。通过数据清洗与筛选，共获得1082条有效男胎样本。结果显示：Y染色体浓度随孕周显著上升，BMI对浓度也存在非线性效应。嵌套F检验表明引入BMI及其二次项显著提升模型拟合效果（p < 0.001）。该研究为无创产前检测（NIPT）中合理确定检测时机与人群分层提供了方法学依据。

荒野饮冰室

分类、目标检测、实例分割的评估指标混淆矩阵是分类问题中用于评估模型性能的表格，它将模型的预测结果与真实标签进行对比，并分为四种不同的情况，从而清晰地显示出模型在哪些地方产生了“混淆”。

微笑伴你而行

目标检测如何将同时有方形框和旋转框的json/xml标注转为txt格式X-AnyLabeling标注后生成自己定义的json文件，图片上有旋转框和方形框，导出只能导出水平或者旋转标签，我需要全部转为水平标签格式