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

新邀入驻腾讯云开发者社区，福利多多！

如何运用「云、端融合的数智化安全体系」高效护航数据安全

左手AI，右手安全 —— 一汽丰田数字化转型之路

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）

💡💡💡本文改进：提出金字塔稀疏 Transformer（PST）——一个轻量级、即插即用的模块，通过由粗到细的 token 选择机制和共享注意力参数，在大幅降低计算量的同时保留空间细节。

YOLOv13-pose关键点检测：新颖的特征融合方法-金字塔稀疏 Transformer（PST），助力pose检测

💡💡💡本文摘要：基于YOLOv8的指针式仪表智能识别系统，阐述了整个数据制作和训练可视化过

基于YOLOv8的指针式仪表智能识别系统（Python源码+Pyqt6界面+数据集）

💡💡💡本文摘要：基于YOLO11的骨骼骨折分割检测，阐述了整个数据制作和训练可视化过程

基于YOLO11的骨骼骨折分割检测系统（Python源码+数据集+Pyside6界面）

💡💡💡问题点：基于CNN的方法由于卷积操作的固有局限性，难以有效捕捉全局上下文信息；而基于Transformer的方法则存在局部特征建模不足的问题，同时面临自注意力机制带来的高计算复杂度挑战。

YOLO11首发优化：2025.9月最新注意力机制 | 低计算复杂度的 多尺度线性注意力机制（MSLA）

​💡💡💡本文摘要：基于YOLO11的肉鸡下蛋可孵化性检测，阐述了整个数据制作和训练可视化过程

基于YOLO11的肉鸡下蛋可孵化性检测系统（Python源码+数据集+Pyside6界面）

💡💡💡本文摘要：基于YOLOv8的合同印章检测，阐述了整个数据制作和训练可视化过程

基于YOLOv8的合同印章检测系统（Python源码+Pyqt6界面+数据集）

💡💡💡本文摘要：基于YOLOv8的电梯内电瓶车检测，阐述了整个数据制作和训练可视化过程

基于YOLOv8的电梯内电瓶车目标检测系统（Python源码+Pyqt6界面+数据集）

💡💡💡为了实现高效的局部-全局信息交换，有效平衡图像信息低与高层语义差异大的问题，

YOLO11优化： 引入了一种新颖的大核局部-全局-局部（LGL）模块，有效平衡图像信息低与高层语义差异大的问题 | ACM MM‘25

💡💡💡本文摘要：基于YOLO11的雾天行人车辆检测，阐述了整个数据制作和训练可视化过程

基于YOLO11的雾天行人车辆目标检测系统（Python源码+数据集+Pyside6界面）

💡💡💡本文摘要：基于YOLO11的牙齿检测，阐述了整个数据制作和训练可视化过程

基于YOLO11的牙齿检测系统（Python源码+数据集+Pyside6界面）

​💡💡💡本文摘要：基于YOLO11的柑橘树上树下检测，阐述了整个数据制作和训练可视化过程

基于YOLO11的柑橘树上树下检测系统（Python源码+数据集+Pyside6界面）

Ultralytics YOLOv8是Ultralytics公司开发的YOLO目标检测和图像分割模型的最新版本。YOLOv8是一种尖端的、最先进的（SOTA）模型，它建立在先前YOLO成功基础上，并引入了新功能和改进，以进一步提升性能和灵活性。它可以在大型数据集上进行训练，并且能够在各种硬件平台上运行，从CPU到GPU。

基于Yolov8的道路破损检测系统

💡💡💡问题点：针对 Transformer 在图像超分辨率（SR）任务中的高计算开销问题，提出了一系列高效解决方案。①我们观察到自注意力在不同层之间存在重复性

YOLO11首发优化：Transformer创新 | 卷积化自注意力，共享大卷积核和动态卷积核，引入Flash Attention高效涨点| ICCV2025

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、分类等技术孵化，赋能智能制造，工业项目落地经验丰富；

TACR-YOLO，一种结合坐标与任务感知表示的人类异常行为实时检测框架

💡💡💡本文摘要：基于YOLO11的夹层玻璃缺陷检测系统，阐述了整个数据制作和训练可视化过程

基于YOLO11的夹层玻璃缺陷自动视觉检测系统（Python源码+数据集+Pyside6界面）

💡💡💡问题点：在检测不同尺寸的图像时，传统方法常因无法有效融合多尺度信息而漏检小型或远距离目标 。

YOLO11优化：多尺度提取能力 | 多尺度注意力网络（HSAN）通过分组卷积和联合通道-空间注意力机制，增强多尺度特征表达能力，2025年8月发布

腾讯 IMA（Intelligent Model Assistant） 是腾讯推出的AI智能工作平台，依托混元大模型 + DeepSeek-R1 双引擎，支持联网搜索、多模态解析与结构化知识管理。 它并非仅为通用文档而生——通过IMA，你可搭建专属的“YOLO算法知识库”，打通技术研究、工程优化到团队协作的全链路效率。

YOLO 算法不再难：用腾讯 IMA 构建你的「垂直领域知识引擎」

💡💡💡SBP-YOLO模型代表了道路异常检测领域的最新技术突破，通过多项创新设计在保持YOLO算法高实时性的同时显著提升了检测精度。该模型融合了轻量化设计、特征增强机制和实时性优化三大技术方向的核心创新，为嵌入式自动驾驶平台提供了理想的检测解决方案。

SBP-YOLO智能驾驶最新技术突破

💡💡💡本文内容：如何用自己的数据集（道路缺陷）训练yolo11-seg模型以及训练结果可视化；

YOLOv13-seg分割如何训练自己的数据集（道路分割缺陷）

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

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