首页
学习
活动
专区
圈层
工具
发布

#yolo

基于YOLO11的垂钓人员识别:从数据采集到模型部署的工程实践

用户8779533

随着我国水域生态保护力度加大,河道、水库、禁钓区和水利设施周边的违规垂钓行为监管需求日益突出。传统人工巡查方式存在覆盖面有限、响应不及时、人力成本高等痛点。视频...

1700

基于 YOLO11 的睡岗检测系统:从数据标注到模型部署的工程实践

用户8779533

在工厂车间、值班室、监控中心以及仓储安防等场景中,人员睡岗或异常离岗是安全生产监管中的常见风险点。传统的人工巡查方式效率低、覆盖范围有限,难以实现7x24小时不...

3300

DINOv3+MobileCLIP2高效协同,LiZAD轻量级零样本异常检测赋能工业智能制造,推理实测30ms以内,内存仅1.01 GB

AI小怪兽

摘要:在现代高通量工业生产线上,产品配置和视觉特征频繁变化,因此为每个新场景收集和标注数据变得不切实际。这种动态环境使得零样本异常检测特别适用,因为它能够在无需...

9510

YOLO26优化:TGRS2026 DMSSP|动态多尺度空间金字塔替代Conv,多膨胀率并行捕获上下文,小目标边缘精度跃升

AI小怪兽

深耕计算机视觉与深度学习领域,专注于目标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...

20622

开放词汇能做工业质检吗?YOLO-World / OWL-v2 在金属件与真实场景上的对照

javpower

3 模型 · 9 张图 · RTX 5060 Ti · conf≥0.10 · 2026.07

11110

基于YOLO11的下水管道缺陷检测:从数据采集到模型部署的工程实践

用户8779533

城市排水管网作为地下基础设施的重要组成部分,其运行状态直接关系到城市防洪排涝、环境保护和居民生活质量。随着城市化进程加快,管道老化、破损、堵塞等问题日益突出,传...

8800

CVPR 2026 SubspaceAD:单样本 97.1% AUROC,无需训练即达少样本异常检测新 SOTA

AI小怪兽

💡💡💡本文核心贡献如下: 重写预测函数,支持单张图像预测和可视化(代码已开源)

24312
领券