2501_94223902-CSDN博客

原创木材横截面检测与分类：基于ResNet-FPN的深度学习实现_1

本文介绍了基于ResNet-FPN的木材横截面检测与分类技术。我们从数据集准备、模型架构、训练优化到实验结果进行了详细的讨论。实验表明，ResNet-FPN在木材分类任务上取得了优异的性能，准确率达到92.7%。同时，我们也探讨了这项技术在实际应用中的挑战和未来发展方向。🎯木材横截面检测与分类是一个结合了计算机视觉和木材科学的交叉领域，具有广阔的应用前景。随着深度学习技术的不断发展，我们有理由相信，这项技术将在木材工业、生态研究和文物保护等领域发挥越来越重要的作用。🌲。

2026-01-13 13:36:44 684

原创基于YOLO11-C3k2-DySnakeConv的枸杞识别与分类系统_1

本文提出了一种基于改进YOLO11模型的枸杞识别与分类系统。系统采用C3k2模块增强跨尺度特征融合能力，引入DySnakeConv动态卷积适应枸杞形状变化。数据集构建覆盖多种枸杞品种、成熟度和环境条件，通过数据增强提高模型泛化能力。模型采用多任务损失函数优化分类和定位精度，结合改进的余弦退火学习率调度策略进行训练。实验表明，该系统在枸杞识别任务中显著提升了检测精度，为农业生产和药材质量控制提供了有效的技术解决方案。

2026-01-13 13:15:44 712

原创洪水灾害场景下的多目标检测：基于改进YOLOv8-MambaOut的救援船只、受损建筑物、车辆、直升机和受灾人员识别方法

本文提出了一种改进的YOLOv8-MambaOut模型，用于洪水灾害场景下的多目标检测。针对108张洪水灾害图像数据，模型通过特征融合优化、小目标检测增强和Mamba注意力机制等改进，在救援船只、建筑物、车辆、直升机和人员等5类目标的检测任务中表现出色。实验结果显示，改进模型的mAP@0.5达到0.793，相比原始YOLOv8提升9%，同时保持了78FPS的实时性能。该模型可应用于灾情评估、救援规划等实际场景，经剪枝和量化优化后能在边缘设备高效运行。未来研究将扩展数据集规模并优化模型轻量化。

2026-01-12 12:37:29 796

原创 YOLO13-C3K2-IDWC改进：条形码、数字和二维码检测与识别实战记录

version2数据集包含3497张YOLOv8格式标注图像，标注类别为条形码、数字和二维码，适用于目标检测任务。数据集按训练/验证/测试集划分，由qunshankj用户提供并遵循CC BY 4.0许可。该数据集未经图像增强处理，保留了原始特征，可用于训练识别三类目标的计算机视觉模型，在物流、零售等领域有广泛应用前景。数据集通过qunshankj平台完成标注，该平台支持计算机视觉全流程开发。

2026-01-12 12:13:30 157

原创太阳黑子检测与识别：基于YOLOv10n注意力模型的改进方法

本文提出了一种基于改进YOLOv10n注意力模型的太阳黑子检测方法，通过引入位置敏感注意力(PSA)和自适应细粒度通道注意力(AFGCAttention)模块，显著提升了检测性能。PSA模块结合自注意力机制和前馈网络，增强空间位置感知能力；AFGCAttention模块采用多尺度特征融合和动态权重分配策略，优化通道特征提取。实验结果表明，改进模型在sunspotsM数据集上达到91.2%的mAP，较基准YOLOv10n提升6.3%，同时保持轻量化特性。该方法有效解决了太阳黑子检测中存在的尺度变化大、对比度低

2026-01-10 19:23:34 720

原创变电站目标检测_YOLO11-C3k2-ETB改进实现

本文提出了一种改进的YOLO11-C3k2-ETB模型用于变电站设备目标检测。针对传统YOLOv11在变电站场景中小目标检测精度不足的问题，创新性地引入了C3k2-ETB模块，该模块融合了并行卷积、通道注意力和跨尺度特征技术。实验结果表明，改进后的模型mAP@0.5提升4.5%，达到89.7%，同时保持58FPS的实时检测能力。通过模型量化和TensorRT加速，系统已成功部署到变电站监测平台，实现了30FPS的实时检测。未来将进一步优化模型在极端天气条件下的鲁棒性。

2026-01-10 18:58:42 808

原创多民族服饰识别与分类系统实现_布里亚特族俄罗斯族鞑靼族巴什基尔族儿童男女服饰识别

本文介绍了一个基于深度学习的多民族儿童服饰识别与分类系统，专注于布里亚特族、俄罗斯族、鞑靼族和巴什基尔族的男女儿童服饰识别。系统采用改进的ResNet50模型，结合多尺度特征融合和注意力机制，在8000张图像的数据集上达到95.6%的平均准确率。该系统在博物馆数字化、电商平台、文化教育和旅游推广等领域具有广泛应用价值。文章详细介绍了数据集构建、模型架构、训练策略和实验结果，并展望了未来扩展更多民族和细粒度分类的发展方向。项目资源已开源，旨在通过技术手段促进民族服饰文化的保护与传承。

2026-01-08 13:24:44 1399

原创基于雷达图像的几何形状检测系统三角形、圆形和十字形识别与定位_1

本文提出了一种基于改进RetinaNet的雷达图像几何形状检测系统，可准确识别三角形、圆形和十字形。系统采用优化的ResNet50进行特征提取，结合Focal Loss解决样本不平衡问题。实验表明，该方法在测试集上达到95.6%的分类准确率和92.3%的mAP，优于主流检测算法。该系统已成功应用于工业检测等领域，展现了良好的实用价值。

2026-01-08 13:07:06 613

原创【目标检测】YOLOv8结合CA-HSFPN实现漏油检测与识别

YOLOv8（You Only Look Once version 8）是当前最先进的目标检测算法之一，以其高精度和实时性能著称。YOLOv8采用了多种创新技术，包括Anchor-Free检测头、动态任务分配（DTA）和更高效的骨干网络设计等。# 2. 加载预训练YOLOv8模型# 3. 训练漏油检测模型YOLOv8的核心优势在于其端到端的训练方式和统一的检测框架，能够同时处理分类和定位任务。与之前的版本相比，YOLOv8在保持高精度的同时，显著提高了推理速度，使其更适合实时检测场景。

2026-01-04 16:42:17 868

原创多类型车道线检测与识别_TOOD模型改进实现原创

TOOD(Task-aligned One-stage Object Detection)是一种先进的一阶段目标检测算法，它通过任务对齐机制有效提升了目标检测的性能。TOOD的核心思想是通过动态调整分类和回归任务的权重，使模型能够更好地处理不同难度和不同大小的目标。动态任务对齐机制，自适应调整不同目标的分类和回归权重更高效的梯度流动，加快模型收敛在保持精度的同时，计算效率更高。

2026-01-04 16:11:15 962

原创 YOLOv12从入门到毕业(含结构图)

本文详细介绍了YOLOv12目标检测模型的架构与实现方法。文章包含完整的网络结构图，从基础原理到实战应用进行全面解析，适合不同层次的读者学习。作者"今天炼丹了吗"通过通俗易懂的方式，帮助读者快速掌握YOLOv12的核心技术要点，包括模型优化技巧和常见问题解决方案。该文章在CSDN平台获得1.4万阅读量、173次收藏和44次点赞，属于YOLO系列技术专栏中的热门内容。

2025-11-27 16:28:25 429

2501_94223902的博客