- YoloV8改进策略：Neck改进|Efficient-RepGFPN，实时目标检测的王者Neck
- YoloV9改进策略：BackBone改进|CAFormer在YoloV9中的创新应用，显著提升目标检测性能
- YoloV10改进策略：BackBone改进|CAFormer在YoloV10中的创新应用，显著提升目标检测性能
- YoloV8改进策略：BackBone改进|CAFormer在YoloV8中的创新应用，显著提升目标检测性能
- YoloV9改进策略：BackBone改进：PoolFormer赋能YoloV9，视觉检测性能显著提升的创新尝试
- YoloV8改进策略：BackBone改进|PoolFormer赋能YoloV8，视觉检测性能显著提升的创新尝试
- RT-DETR改进策略：BackBone改进|EfficientFormerV2在RT-DETR中的创新应用，精度与效率完美平衡
- YoloV9改进策略：BackBone改进|Swin Transformer赋能YoloV9，性能跃升的新篇章
- YoloV10改进策略：BackBone改进|Swin Transformer赋能YoloV10，性能跃升的新篇章
- YoloV8改进策略：BackBone改进|Next-ViT,下一代视觉Transformer，用于现实工业场景中的高效部署
- YoloV8改进策略：BackBone改进|Swin Transformer赋能YoloV8，性能跃升的新篇章
- OCR 通用端到端模型GOT，迈向OCR2.0的新时代
- YoloV9改进策略：Block改进|改进HCF-Net|附结构图|多种改进方法（独家改进）
- YoloV8改进策略：IoU改进|Unified-IoU用于高质量对象检测
- SAM2（Segment Anything Model 2）新一代分割一切大模型实战总结
- YoloV10改进策略：卷积篇|基于PConv的二次创新|附结构图|性能和精度得到大幅度提高（独家原创）
- Unified-IoU：用于高质量对象检测
- YoloV8改进策略：下采样与上采样改进|下采样模块和DUpsampling上采样模块|即插即用
- YoloV8实战：使用YoloV8实现OBB框检测
- YoloV8改进策略：主干网络改进|CAS-ViT在YoloV8中的创新应用与显著性能提升
腾讯云开发者
