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...

本文提出了一种利用YOLOv5模型进行航拍图像目标检测的稳健方法。我们专注于识别关键目标，包括救护车、车祸现场、警车、拖车、消防车、侧翻车辆及着火车辆。通过采用...

国际计算机视觉大会（ICCV）是由电气和电子工程师协会（IEEE）主办的学术会议，每两年举办一次。它与 CVPR 和 ECCV 并称为计算机视觉领域的三大顶级会...

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...

关键词：Pupil Labs、眼动追踪、Neon、Pupil Core、计算机视觉、科研工具、人机交互

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...

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...

2025年计算机视觉与模式识别领域的顶级盛会CVPR刚刚落下帷幕！这场汇聚全球顶尖AI大脑的盛会，再次用无数令人瞠目结舌的突破宣告：我们眼前的世界，正被算法以超...

随着眼动追踪在科研、UX 测试、AR/VR 交互等领域的广泛应用，越来越多的用户开始使用 Pupil Core 平台。在使用过程中，经常会遇到硬件连接、校准失败...

6月6日-8日，第十五届视觉与学习青年学者研讨会 (VALSE 2025)在广东珠海国际会展中心盛大开幕。本届大会由中国图象图形学学会联合主办，中山大学承办，聚...

随着人工智能、人机交互和行为科学的发展，眼动追踪（Eye Tracking）技术逐渐从实验室走向大众应用。Pupil Neon 作为 Pupil Labs 推出...

在计算机视觉、认知神经科学以及人机交互等领域，眼动追踪技术正成为不可或缺的研究工具。作为该领域的前沿企业，Pupil Labs 于近年推出了其全新一代高性能眼动...

90%的YOLO模型性能问题源于数据准备不当！当你的检测模型在真实场景中漏检、误检或泛化失败时，问题可能不在算法本身，而是隐藏在数据预处理和增强的细节中。本文将...

近日，复旦大学联合腾讯优图实验室、上海交通大学等机构发布的Real-IAD D³数据集相关成果已被计算机视觉顶会CVPR 2025收录。

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...