（2）非参数方法：神经网络、K-近邻、支持向量回归、随机森林、梯度提升回归树、贝叶斯神经网络、模糊神经网络等；

2025年已过半，AI领域依旧风起云涌。就在大家还在研究多模态和大模型融合时，YOLOv13 的发布再次把目标检测领域推上热搜，但目标检测，这个曾经被视为CV领...

本研究旨在解决超声（US） 用于肾脏体积测量时面临的操作复杂（学习曲线陡）和需要频繁在患者与屏幕间切换视线（效率低、易疲劳）的难题。为此，我们提出了一套整合方案...

将道路摄像机图像进行分窗格处理，通过相关性分析筛选出最优兴趣窗格的亮度均方差特征矩阵，建立BP神经网络修正线性残差组合模型，通过模型监测道路能见度。

目标检测与追踪技术是计算机视觉领域最热门的应用之一，广泛应用于自动驾驶、交通监控、安全防护等场景。今天我们将带你一步步实现一个完整的项目，使用YOLOv8 + ...

今天我想和你聊聊刚刚发布不久的 YOLOv13 模型——不是那种堆参数、列数据的纯技术长文，而是一篇使用者视角的评价和建议。

为什么 AI 模型会做出这样的判断？这是每一个使用深度神经网络的人都曾疑惑过的问题。尽管 CNN（卷积神经网络）在图像识别中表现卓越，但“黑盒”特性让人难以信服...

为提升自动驾驶车辆在复杂环境下的感知可靠性，本文提出融合深度学习与多模态大语言模型（MLLM）的综合方案。研究评估了ResNet-50、YOLOv8、RT-DE...

自2020年DETR提出以来，基于Transformer的目标检测模型成为学界研究热点。虽然 DETR 展示了新范式的巨大潜力，但也暴露出诸如收敛慢、匹配机制不...

YOLO 系列从 v1 一路进化到 v13，始终在追求更快、更准、更轻的目标检测模型。而刚刚发布的 YOLOv13，不仅性能全系领先，还带来了“超图”这个硬核概...

在人工智能蓬勃发展的今天，计算机视觉技术正以前所未有的速度改变着我们的世界。从手机解锁到疾病诊断，从自动驾驶到艺术创作，机器“看懂”图像的能力至关重要。卷积神经...

本文汇总了多篇围绕YOLOv12这一实时目标检测前沿模型的最新研究论文。内容涵盖其核心架构创新（如高效注意力机制、轻量化设计），在特定场景（水下探测、果园绿色水...

今天给大家推荐和导读《深度学习-基础与概念》这本书。首先还是看下下官方对这本书的一个简单说明和介绍。

在智慧交通的演进中，算法的实战能力需通过极端天气、高动态目标、微观标识识别的严苛场景验证。TuSimple、CULane、UA-DETRAC、CCPD四大支柱数...

      在2025 Symposium on VLSI Technology and Circuits会议上，新加坡国立大学NUS、新加坡下一代混合微电子中...

本文分析 YOLO11 在车辆检测上的性能。相比前代（YOLOv8/v10），YOLO11 通过架构改进提升了速度、精度和在复杂环境（小目标、遮挡）下的鲁棒性。...

在无人机视觉领域，算法的鲁棒性需在动态视角、尺度变化、复杂背景的严苛环境下验证。UAVDT 与 VisDrone 作为全球公认的无人机视角双雄，以其大规模、多维...

本文介绍了复旦联合腾讯优图发布高精度多模态数据集Real-IAD D³，并基于此数据集提出了一种创新的多模态融合检测方法，数据集已被CVPR 2025收录，并开...

构建高效、智能、安全的现代电网，离不开人工智能视觉技术的深度赋能。无论是自动识别配电房仪表读数、精准检测输电线路上的致命异物，还是实时监控设备绝缘状态、评估潜在...

由于输电线上异物出现的频率较低，获取的样本数量有限。这些样本不足以训练神经网络，因此需要进行数据集增强。