暂无搜索历史
AI小怪兽，YOLO骨灰级玩家，1）YOLOv5、v7、v8、v9、v10、11、v12、v13优化创新，轻松涨点和模型轻量化；2）目标检测、语义分割、OCR、...
回老家躺平+开启自媒体之路
💡💡💡叶片病害问题点：特征颜色、纹理及形态的多样性，加之光照条件变化，导致检测难度变大
源码链接：https://github.com/PaddlePaddle/FastDeploy
⚡FastDeploy是一款全场景、易用灵活、极致高效的AI推理部署工具， 支持云边端部署。提供超过 🔥160+ Text，Vision， Speech和跨模态...
引入到yolov8，Bottleneck与c2f结合，代替backbone中的所有c2f。
云头条，早报资讯。腾讯云开发者社区的管理动态和活动公告。
💡💡💡 本文目的：通过利用一个新颖的双注意力块实现了更好的去雾性能，同时大幅降低了模型复杂度。这个双注意力块串联了两个模块：通道-空间注意力和并行注意力。我们...
💡💡💡本文摘要：以下是论文"IHA-YOLO: Inter-Head Attention for Real-time Cell Detection"的贡献：
💡💡💡本文摘要：基于YOLO11的作物与杂草检测，阐述了整个数据制作和训练可视化过程
💡💡💡本文摘要：基于YOLO11的绵羊（Sheep ）检测，阐述了整个数据制作和训练可视化过程
💡💡💡本文摘要：基于YOLO11的水下物体检测，阐述了整个数据制作和训练可视化过程
💡💡💡本文摘要：基于YOLO11的汽车损伤分割，阐述了整个数据制作和训练可视化过程
💡💡💡本文摘要：基于YOLO11的番茄检测，阐述了整个数据制作和训练可视化过程
💡💡💡本文摘要：基于YOLO11的茶叶嫩芽检测，阐述了整个数据制作和训练可视化过程
💡💡💡本文摘要：基于YOLO11的中空圆柱形缺陷检测，在狭窄的中空圆柱形表面（如管道和桶）上进行表面缺陷检测，对工业产品的结构完整性有着极其重要的影响。缺陷检测...
💡💡💡本文摘要：基于YOLO11的水果检测，阐述了整个数据制作和训练可视化过程
💡💡💡本文摘要：基于YOLO11的铁路轨道缺陷检测，阐述了整个数据制作和训练可视化过程
💡💡💡 提出了一种基于Transformer的盲点网络（TBSN）架构，通过分析和重新设计Transformer运算符以满足盲点要求。TBSN遵循扩张BSN的...
💡💡💡 我们提出了一种新颖的风车形卷积（PConv）作为骨干网络下层标准卷积的替代品。PConv能更好地符合微弱小目标的像素高斯空间分布，增强特征提取，显著增...
暂未填写公司和职称
暂未填写学校和专业
