目标检测

AI日报派送佬

高效目标检测利器：X-AnyLabeling 加载自定义 YOLO 模型自动标注实操指南在目标检测任务中，手动拉框不仅耗时耗力，还容易因为疲劳导致漏标误标。今天为大家分享一款目前非常流行的开源标注神器——X-AnyLabeling。

日本道路病害检测数据集 | 道路病害裂缝检测坑洼识别市政巡检9287期本数据集专注于道路表面病害的视觉检测与分类，服务于道路养护、市政巡检及智能交通系统。数据涵盖多种典型的道路裂缝与坑洼，适配目标检测模型训练、路面质量评估及自动化巡检车视觉系统等应用。

伊蚊检测数据集 | 伊蚊检测病媒生物公共卫生目标检测9304期1. 类别与目标特征2. 规模与性能3. 格式与结构1. 准备配置文件 (data.yaml)2. 启动 YOLOv8 训练

计算机毕业编程指导师

基于深度学习的光伏组件红外图像缺陷识别系统设计与实现⭐⭐个人介绍：自己非常喜欢研究技术问题！专业做Java、Python、小程序、安卓、大数据、爬虫、Golang、大屏等实战项目。 ⛽⛽实战项目：有源码或者技术上的问题欢迎在评论区一起讨论交流！也可以在主页上或文末下与博主交流~~ ⚡⚡Java、Python、小程序、大数据实战项目集](https://blog.csdn.net/2301_80395604/category_12487856.html)

【MobileSAM部署至RK3588】环境适配→转换RKNN→开发板部署已在GitHub开源与本博客同步的MobileSAM_RK3588 项目，地址:MobileSAM_RK3588 详细使用教程，可参考README.md或参考本博客第五章模型部署**

无人机视角公路两侧滑坡检测数据集 | 公路巡检滑坡检测地质灾害无人机航拍9302期1. 类别与目标特征2. 规模与场景特征3. 格式与结构1. 准备配置文件 (data.yaml)2. 启动 YOLOv8 训练

羊行为目标检测数据集：4类别、2,000张图像 | 目标检测通过网盘分享的文件：羊的四种行为检测数据集链接: https://pan.baidu.com/s/1EBe2-JEx6zfgbbt6wn_kyg?pwd=cw8v 提取码: cw8v

本地视频打码：多模型检测、帧间追踪与18种模糊的选型内容发布前的敏感信息处理，工程上往往比功能开发还磨人。短视频运营要发街采素材，路人面孔、车牌不能露；企业合规要做培训片脱敏，员工的证件号、工位屏幕上的票据得遮掉。人工一帧一帧框，效率低且容易疲劳漏检。把流程跑通之后，思路是：用多模型在本地按优先级扫描目标区域，追踪器接管帧间状态，最后才套模糊层。

三角洲第一人称射击游戏（FPS）角色部位检测数据集 | 游戏目标检测、角色部位识别、小目标检测9296期1. 类别与目标特征2. 规模与性能评估3. 格式与结构1. 准备配置文件 (data.yaml)2. 启动 YOLOv11 训练

城南皮卡丘

苹果果实成熟度检测数据集 4195张+YOLO格式数据集格式：YOLO格式(包含jpg图片以及对应的yolo格式的txt标注文件) 苹果数据集苹果成熟度数据集。图片均为在真实果园中采集到的，图片分辨率高，拍摄的苹果均为长在果树之上的，里面包含成熟的苹果、未成熟的、被果树叶部分遮挡的……，可以用于训练无人机苹果采摘，智能机器人采摘、机械臂采摘等视觉算法模型。图片预览：

【数据集 11】面向城市道路的坑洞检测数据集（含8760张，已按比例划分训练、验证、测试集，支持YOLO全系列训练）本数据集专为城市道路、街道主干道及高速公路场景下的路面坑洞检测任务而构建。路面坑洞是常见的道路病害之一，不仅影响行车舒适性，还容易引发轮胎损坏、车辆颠簸失控及交通事故，对市政养护、高速公路管理和智能驾驶环境感知提出了较高要求。本数据集聚焦城市道路、街道主干道和高速公路等典型路面场景，旨在通过目标检测技术实现对路面坑洞的精准识别与定位，为道路病害巡检、养护决策和行车安全预警提供可靠数据支撑。

会议录屏忘打码后的技术复盘：本地自动化隐私脱敏方案同事把一段带客户名单和代码屏幕的会议录屏直接发到了项目群里，群里沉默了三分钟才有人反应过来。事后补救很尴尬。逐帧手动框选？42分钟的视频、15fps采样，至少上千个关键帧，人工操作不现实。导出后再裁剪？画面构图全乱。

沃达德软件

智慧无人机图像识别分析技术智慧无人机图像识别分析技术通过无人机可实现高分辨率影像的采集，在弥补卫星遥感获取不到影像同时，解决传统卫星遥感重访周期过长，应急不及时等问题。无人机图像识别分析技术，包括行人检测与行人再标识、车辆识别。行人检测与行人再标识是智慧警务和智能安防系统中的关键技术。行人检测是计算机视觉领域的一个重要研究方向，不同行人之间的表观差异较大，如行人的服装、姿态变化。行人再标识是视频监控研究领域的关键组成部分，目的是对出现在监控摄像头视域内的某个目标行人，在监控网络其他摄像头视域内的大量行人中将这个目标行人标识出

迪菲赫尔曼

【基础篇 11】把官方源码放到服务器：版本、解压层级和安装位置，一次弄清楚YOLO从零到论文：模型改进与科研实战全攻略YOLO基础篇 · A11 作者：迪菲赫尔曼大家好，我是迪菲赫尔曼。

迪菲赫尔曼

【基础篇 12】把环境与源码接起来：检查 GPU，再安装服务器上的项目YOLO从零到论文：模型改进与科研实战全攻略YOLO基础篇 · A12 作者：迪菲赫尔曼大家好，我是迪菲赫尔曼。

ACM MM 2026｜告别密集交互！ProtoHGF-Net：基于原型超图的RGBT目标检测新范式ProtoHGF-NetPROTOTYPE-LVL RGBT FUSION从密集融合走向原型交互ACM-MM-2026

YOLO 目标检测算法系列梳理：从 V1 到 V5 的原理演进YOLO（You Only Look Once）是深度学习领域最经典、应用最广的目标检测框架之一。这份笔记回顾了 YOLO 从 V1 到 V3 的核心原理，并延伸到 V4、V5 在数据增强、损失函数、网络结构和训练实践上的改进。

【ByteTrack 04】多轨迹算法ByteTrack改进点目标：只改进轨迹算法（bytetrack/ 核心代码），检测器不是目标。测试视频与场景对应：dense.mp4（密集交叉）、turn.mp4（转弯减速）。

宿州派大星

目标检测：YOLOv1架构原理与损失函数全解析标签：目标检测 YOLO 深度学习计算机视觉算法摘要：在YOLO横空出世之前，目标检测领域一直被R-CNN系列（Two-stage）统治。YOLO（You Only Look Once）将检测任务巧妙转化为回归问题，实现了端到端的实时检测。本文将从核心思想、网络架构、7×7×30张量解构、独树一帜的损失函数设计等维度，带你彻底吃透YOLOv1。

荆棘鸟智能

河道采砂船识别与轨迹追踪怎么做？检测、跟踪与电子围栏实战思路河道采砂监管有一个典型难点：船只一直在移动，夜间成像条件复杂，桥墩、芦苇等障碍物还会造成短暂遮挡。如果只对视频逐帧进行目标检测，同一艘船可能在连续画面中被重复计数，也很难判断它是否进入了限制区域、停留了多长时间。