- 博客(9)
- 收藏
- 关注
RSS订阅原创 基于Faster-RCNN和RegNet的房屋裂缝智能检测系统实现详解
本文介绍了一种基于Faster-RCNN和RegNet的房屋裂缝智能检测系统。该系统采用模块化设计，包含数据采集、预处理、模型推理和结果可视化等功能模块。通过融合Faster-RCNN的目标检测能力和RegNet的高效特征提取优势，系统实现了92.3%的检测精度和每秒5张图片的处理速度。文章详细阐述了数据预处理流程、模型融合策略、训练优化方法以及系统部署方案，并展示了该系统在建筑安全评估等场景中的实际应用效果。未来计划扩展多模态检测和移动端部署，进一步提升系统的实用性和智能化水平。
2026-01-12 14:34:58
1016
原创 数字万用表检测_Mask R-CNN实现与算法详解
本文详细解析了HRNetV2和OCR(Object-Contextual Represent)两种创新网络架构。HRNetV2通过多尺度并行组卷积和多尺度卷积融合技术，始终维持高分辨率特征表示，显著提升了空间定位精度。OCR模块则通过学习像素与类别区域的相互关系，增强了像素级的语义表达能力。文章系统介绍了HRNetV2的四模块网络结构、多尺度特征融合策略，以及OCR的三阶段处理流程（目标区域表示、上下文计算和特征增强）。这两种技术在数字万用表检测等需要精细定位的任务中表现出色，HRNetV2通过并行处理保持
2026-01-12 14:12:47
825
原创 【深度学习】基于VFNet的火箭目标检测与识别模型：vfnet_x101-64x4d-mdconv-c3-c5_fpn_ms-2x_coco详解
VFNet（Vector Field Network）是一种高效的目标检测算法，它通过引入向量场机制来提升目标检测的性能。与传统的方法不同，VFNet能够更好地处理目标形变和遮挡问题，这对于火箭目标检测尤为重要，因为火箭在发射过程中可能会出现各种姿态变化和遮挡情况。VFNet的核心创新点在于它引入了向量场注意力机制，该机制能够自适应地学习目标的关键区域，并生成向量场来指导特征聚合。这种机制使得模型在处理不同形状和大小的目标时具有更强的鲁棒性。
2026-01-11 13:41:00
879
原创 基于RetinaNet的遥感图像建筑物检测_改进RetinaNet-R18-FPN架构与训练策略详解
本文提出一种改进的RetinaNet-R18-FPN架构用于遥感图像建筑物检测。通过采用轻量级ResNet-18骨干网络结合深度可分离卷积，模型参数量减少56%，推理速度提高近一倍。创新性引入自适应特征融合模块（AFFM）优化FPN结构，使小建筑物检测AP提升4.6%。训练策略上采用改进的Focal Loss与Smooth L1 Loss组合，配合AdamW优化器和余弦退火学习率调度，在120轮训练后取得最佳性能。实验表明，该方案在保持82.3% mAP的同时显著提升效率，已成功应用于城市扩张监测和灾害评估
2026-01-08 16:13:49
989
原创 可回收物自动分类识别_YOLOv10n-P2模型实现_1
本文介绍了一种基于YOLOv10n-P2轻量化模型的可回收物自动分类识别系统。该系统通过优化数据收集与增强、模型结构调整和部署流程，实现了在资源受限设备上的高效垃圾分类。文章详细阐述了从数据集构建、模型训练到性能优化的全流程，包括数据增强技术、模型轻量化改进和部署策略，为开发者提供了完整的实现方案。该系统能够准确识别纸类、塑料、金属等6类常见可回收物，具有实时性强、准确率高和部署灵活的特点，为解决垃圾分类难题提供了有效的技术方案。
2026-01-08 15:51:28
730
原创 YOLO11实现磁瓦缺陷检测与识别——基于分割模型的工业应用_1
缺陷类型特征描述检测难度危害程度裂纹表面或内部的线性断裂高极高气孔表面或内部的圆形或椭圆形空洞中中杂质异物嵌入磁瓦内部中高变形磁瓦形状不规则低中划痕表面的线性损伤低低💡 这些缺陷对磁瓦的性能影响各不相同，其中裂纹和气孔是最危险的缺陷，会导致磁瓦机械强度下降，影响电机的稳定运行。因此，准确检测这些缺陷对于保证产品质量至关重要。
2026-01-05 09:08:21
757
原创 从零到实战：YOLO11在肝脏疾病病理特征检测中的应用与最佳实践_1
从零开始构建一个肝脏疾病病理特征检测的YOLO11模型，是一项充满挑战但也极具成就感的工作！🎉 通过本文的介绍，我们了解了从模型选择、数据准备、模型训练到临床应用的完整流程。每一个环节都需要我们投入大量的时间和精力，但最终的成果绝对值得！肝脏疾病AI诊断技术的发展，不仅能够提高诊断效率和准确性，还能缓解医疗资源分布不均的问题，让更多患者受益。😊 特别是在基层医疗机构，AI辅助诊断可以弥补专业医师不足的短板，提高早期筛查和诊断的能力。
2026-01-04 20:44:56
922
原创 基于RetinaNet的道路交通多目标检测与识别系统_1
这个系统采用了先进的深度学习技术，特别是基于RetinaNet目标检测算法，能够在复杂的交通场景中实现高精度的多目标检测与识别。基于RetinaNet的道路交通多目标检测与识别系统通过先进的深度学习技术，实现了对交通场景中各类目标的精准检测和识别。系统采用Focal Loss解决样本不平衡问题，利用FPN结构实现多尺度目标检测，在各种交通场景下都表现出了优异的性能。随着技术的不断发展，我们将继续优化系统性能，扩展功能模块，为智能交通和自动驾驶领域提供更强大的视觉感知能力。
2026-01-04 20:21:35
726
原创 AIGCAGIGhatGPT人工智能大语言模型的崛起与挑战
本文介绍了2023年人工智能领域的关键概念（LLM、GPT、AIGC、AGI）及5本相关书籍。首推《ChatGPT驱动软件开发》详解AI在软件研发全流程的应用；《ChatGPT原理与实战》深入解析大模型核心技术；《神经网络与深度学习》系统阐述深度学习理论；《AIGC重塑教育》探讨AI对教育体系的影响；《通用人工智能》分析实现AGI的挑战。这些书籍覆盖了从技术原理到行业应用的全方位内容，适合不同领域的读者深入了解AI发展趋势。
2025-11-27 17:07:13
408
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人