在目标检测领域，小目标检测面临诸多难题，如特征信息少、低光环境检测难等。研究人员开展 DSOD-YOLO 相关研究，提出新算法、创建 SmallDark 数据集。结果显示该算法性能优越，推动了小目标检测技术发展。 研究背景 在科技飞速发展的今天，计算机视觉中的 ...

清华大学团队在 YOLO 的基础上，提出了开放物体探测与分割模型 YOLOE，既能听懂语言指令，又能看懂图像，甚至还能自主发现新事物，实现了真正的 ...

YOLO，you only look once，是著名的图像目标识别模型系列。YOLO（You Only Look Once）以其快速而著称，最初由Joseph Redmon等人在2015年提出。与传统的二阶段 ...

[导读]随着嵌入式技术的快速发展，将实时目标检测功能部署到嵌入式设备上已成为可能。YOLO（You Only Look Once）系列算法以其高效性和实时性在目标检测领域广泛应用，而YOLO Tiny作为其轻量级版本，更是成为了嵌入式设备上的首选。本文将介绍如何在嵌入式设备 ...

三位作者长期从事计算机视觉、机器感知等方向的研究。 YOLO 系列模型的结构创新一直围绕 CNN 展开，而让 transformer 具有统治优势的 attention 机制一直不是 YOLO 系列网络结构改进的重点。这主要的原因是 attention 机制的速度无法满足 YOLO 实时性的要求。本周三放出 ...

三位作者长期从事计算机视觉、机器感知等方向的研究。 YOLO 系列模型的结构创新一直围绕 CNN 展开，而让 transformer 具有统治优势的 attention 机制 ...

追光逐电，光引未来...欢迎来到今日光电！ 导读 本文探讨了头盔检测在交通安全中的应用，比较了YOLOv8、YOLOnu和YOLOv11模型的性能，并提出了一种改进的混合YOLO模型（h-YOLO）。通过多项标准检测指标，结果表明h-YOLO在头盔检测中优于传统YOLO模型，同时具有更好 ...

YOLO（You Only Look Once）系列是目标检测领域中的主流方法，以其高效性和实时性而著称。然而，现有的 YOLO 模型在处理跨层特征融合和复杂的高阶特征关系时存在局限，无法充分捕捉跨位置和跨尺度的复杂特征关联。 为了解决这一难点，清华大学提出了 Hyper-YOLO ...

在本文中，我们将探讨可用的数据增强技术并详细了解它们。通过深入了解这些增强选项，您将能够更好地根据您的特定需求定制和微调您的YOLO模型。 在目标检测算法中，YOLO无疑是机器学习从业者中最受欢迎的选择。其卓越的速度和准确性使其成为广泛应用的 ...

与依赖基于分类方法的传统物体检测模型不同，YOLO 通过基于回归的方法直接推断边界框来预测物体位置。 本文介绍了YOLO（You Only Look Once），一种基于卷积神经网络（CNN）的物体检测模型。与依赖基于分类方法的传统物体检测模型不同，YOLO通过基于回归的方法 ...