计算机视觉大作战

YOLO大作战

代码在线跑，知识轻松学

Python精品学习库

自行/邀约他人一键搬运博客，速成社区影响力并领取好礼

博客搬家 | 分享价值百万资源包

往期视频·干货材料·成员作品 最新动态

技术创作特训营·精选知识专栏

🔥年度创作者大赛｜组队创作赢好礼，年度分享启新程！

新邀入驻腾讯云开发者社区，福利多多！

北京时间2025年9月25日，在伦敦举行的YOLO Vision 2025大会上，Ultralytics创始人兼CEO Glenn Jocher正式发布了备受期待的YOLO26。作为YOLO系列的最新成员，YOLO26承诺成为更好、更快、更小的Vision AI模型，专门为边缘和低功耗设备设计。

YOLO26震撼发布！边缘AI推理速度提升43%，目标检测迎来全新变革

Ultralytics YOLO11是一款尖端的、最先进的模型，它在之前YOLO版本成功的基础上进行了构建，并引入了新功能和改进，以进一步提升性能和灵活性。YOLO11设计快速、准确且易于使用，使其成为各种物体检测和跟踪、实例分割、图像分类以及姿态估计任务的绝佳选择。

YOLO11 全新发布！（原理介绍+代码详见+结构框图）

💡💡💡本文摘要：基于YOLO11的PCB分割检测系统，阐述了整个数据制作和训练可视化过程

基于YOLO11的PCB分割检测系统（Python源码+数据集+Pyside6界面）

这篇论文所提出的 HierLight-YOLO 框架——特别是其分层扩展路径聚合网络（HEPAN） 和轻量级模块（IRDCB/LDown）——对于在无人机影像等场景中解决小目标检测和边缘设备部署的难题，具有明确且重要的参考价值。

HierLight-YOLO：面向无人机航拍的层次化轻量目标检测网络

深耕计算机视觉与深度学习领域，专注于视觉检测前沿技术的探索与突破。长期致力于YOLO系列算法的结构性创新、性能极限优化与工业级落地实践，旨在打通从学术研究到产业应用的最后一公里。

DEF-YOLO：基于YOLO的热成像隐蔵武器检测

研究团队敏锐地抓住了滤膜上微塑料检测的核心技术瓶颈：目标尺寸微小 与 背景干扰复杂。

大数据，微小目标：基于机器学习的滤膜微塑料检测探索性研究

DeepSeek-OCR：基于光学压缩的上下文处理

本文提出了Dinomaly2，一个开创性的统一框架，旨在解决无监督异常检测领域长期存在的方法碎片化问题。与传统上为特定任务（如2D、3D、多视角、少样本）设计专门模型不同，Dinomaly2首次通过单一模型实现了对全谱系异常检测任务的支持。

Dinomaly2：面向全谱系无监督异常检测的统一框架

InfraGPT：基于视觉语言模型的端到端智能基础设施缺陷检测与管理框架

💡💡💡本文摘要：基于YOLO11的鹿群检测系统，阐述了整个数据制作和训练可视化过程

基于YOLO11的鹿群检测系统（Python源码+数据集+Pyside6界面）

该论文聚焦于解决遥感图像分析中标注数据稀缺的挑战，核心贡献在于探索并融合了传统的视觉模型与新兴的视觉-语言模型。以下是其关键要点：

告别数据荒！YOLO与视觉语言模型融合，解锁遥感小样本学习新范式

💡💡💡本文摘要：基于YOLO11的PCB元器件检测系统，阐述了整个数据制作和训练可视化过程

基于YOLO11的PCB元器件检测系统（Python源码+数据集+Pyside6界面）

总结： 本文最主要的贡献在于将一个先进的深度学习检测方案（YOLOv7+ConSinGAN）成功地工程化，并落地于实际的工业生产线，系统地解决了从数据准备、模型选型到系统集成的一系列实际问题，具有很高的学术价值和工业应用价值。

基于YOLO目标检测模型的大规模生产电子元件自动化缺陷检测

YOLO架构中层冻结策略对迁移学习的增强作用分析

论文首次将DINOv3这一强大的自监督视觉基础模型作为视觉主干网络（visual backbone）引入到零样本异常检测（Zero-Shot Anomaly Detection, ZSAD) 领域。这为ZSAD提供了一种新的思路和强大的特征提取器。

AD-DINOv3：通过异常感知校准增强DINOv3的零样本异常检测能力

💡💡💡本文摘要：基于YOLO11的打篮球跟踪系统，阐述了整个数据制作和训练可视化过程

基于YOLO11的打篮球跟踪系统（Python源码+数据集+Pyside6界面）

我们介绍了X-SAM，一个创新的框架，它统一了多样化的图像分割任务，将分割范式从"分割任何事物"扩展到了"任何分割"。为实现此目标，我们的方法解决了三个关键的技术挑战：（1）任务形式化：将SAM转变为具有跨任务适用性的通用分割架构。（2）模态增强：增强LLMs以具备多模态输入处理能力。（3）统一框架：开发一种有效促进跨不同领域的全面分割应用的连贯方法。

X-SAM：从“分割万物”到“万物皆可分” | AAAI2026

💡💡💡本文主要内容：介绍了多模态的现状，以及复现至YOLO11，实现基于YOLO11的中期融合，下一步计划打算魔改提升多模态的性能。

基于YOLO11的多模态(可见光+红外光）实现 LLVIP数据集涨点可行性验证

💡💡💡本文摘要：基于YOLOv8的光伏板缺陷检测系统，阐述了整个数据制作和训练可视化过

基于YOLOv8的光伏板缺陷检测系统（Python源码+Pyqt6界面+数据集）

💡💡💡本文摘要：该论文《Towards High-Resolution Industrial Image Anomaly Detection》（迈向高分辨率工业图像异常检测）具有以下重要意义：

《Towards High-Resolution Industrial Image Anomaly Detection》（迈向高分辨率工业图像异常检测）

文章

问答

视频

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

腾讯云开发者社区推出了YOLO大作战专栏，为你提供了YOLO大作战的相关文章，致力于帮助开发者快速成长与发展。

YOLO大作战

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐