暂无搜索历史
💡💡💡本文摘要：基于YOLO11的脊柱侧弯X射线检测系统，阐述了整个数据制作和训练可视化过程
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...
💡💡💡本文摘要：该论文《Towards High-Resolution Industrial Image Anomaly Detection》（迈向高分辨率工业...
💡💡💡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
💡💡💡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
💡💡💡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
💡💡💡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
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...
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。
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...
💡💡💡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
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：
💡💡💡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
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...
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 D...
💡💡💡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
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...
暂未填写学校和专业
