AI小怪兽-CSDN博客

IRA块集成到YOLO的核心优势在于：① 轻量化：采用深度可分离卷积，参数和计算量极低，适合边缘部署；② 注意力增强：并行通道与空间注意力，动态突出目标关键区域，抑制背景噪声，提升小目标及低对比度缺陷（如裂缝）的检测精度；③ 多尺度适配：倒残差结构促进特征高效流动，与YOLO颈部金字塔互补，改善不同尺度目标的定位能力；

2026-06-16 10:15:33 398

原创 YOLO-AMC：注意力机制加持，建筑裂缝检测mAP@0.5高达99.17%！

摘要：裂缝检测在基础设施检测和结构健康监测中扮演着重要角色。然而，传统的人工检测方法耗时费力，难以扩展到大规模监测场景。此外，裂缝通常表现为细长、低对比度的结构，且易受背景噪声影响，这给现有目标检测模型在精细特征表示和精确定位方面带来了挑战。本研究提出了一种改进的基于YOLO的架构，集成了注意力机制，称为YOLO-AMC，以增强自动化裂缝检测性能。基于 YOLOv11，移除了原始的 C2PSA 模块，并在颈部的多尺度特征融合层中引入了多种注意力机制，包括全局注意力机制残差卷积块注意力模块和混洗注意力。

2026-06-15 10:13:49 404

原创基于YOLO26的南瓜叶片病害检测系统（Python源码+数据集+Pyside6界面）

使用YOLO26进行检测的意义在于：实现高精度、实时病害识别，帮助农业从业者快速定位病斑、区分健康叶片与多种病害类型，支持田间无人机或移动设备边缘部署，从而减少农药滥用、降低人力成本，提升作物病害早期预警与精准管理能力，推动智慧农业发展。

2026-06-12 13:55:16 244

原创漏检率直降80%！YOLO26专治工业小目标，边缘推理还快43%

维度传统 YOLOYOLO26 + CVPR 三剑客训练策略IoU 阈值固定ProgLoss 动态加权 + STAL 分层激活 + MuSGD 高效收敛推理架构依赖 NMS 后处理端到端无 NMS，延迟可预测，CPU 提速 43%特征金字塔三尺度 (P3/P4/P5)四尺度 (P2/P3/P4/P5)，超小目标特征分辨率提升 2 倍跨尺度方向一致性方向冲突，角点模糊FAAFusion 频域对齐，解决方向语义冲突裂缝/低对比度检测感受野局限，方向性缺失。

2026-06-08 21:52:11 387

原创 OpenCV 5正式发布：DNN引擎重写、原生支持大模型，YOLOv8推理速度比PyTorch快2.3倍，边缘部署飞跃！

如果你正在为模型部署发愁，不妨立刻试试OpenCV 5.0。在AI部署这条路上，这是开发者能遇到的最好的礼物之一。

2026-06-07 22:31:04 385

原创产线还在用YOLO“画框”？Qwen3-VL-Seg让质检真正“开口闭环”

维度传统YOLO方案YOLO+Qwen3-VL-Seg协同方案输出形式仅边界框+类别像素级掩码+JSON结构化诊断报告缺陷分类预定义固定类别零样本开放词汇识别诊断深度“这里有问题”“是什么、为什么、怎么办”工艺闭环无法反哺弱监督反馈+LoRA增量优化边缘部署实时推理（<10ms）YOLO实时检测+大模型离线诊断工业质检正处于从“机器视觉”到“机器思维”的跃迁拐点。过去，AI只能回答“这是什么缺陷”；现在，Qwen3-VL可以回答“为什么产生这个缺陷”和“该怎么解决”。

2026-06-03 12:35:38 376

原创基于YOLO26的PCB表面缺陷检测系统（Python源码+数据集+Pyside6界面）

摘要：本研究对Ultralytics YOLO26进行了全面分析，重点阐述了其关键架构改进及其在实时边缘目标检测中的性能基准测试。YOLO26于2025年9月发布，是YOLO系列最新、最先进的成员，专为在边缘及低功耗设备上实现高效、精确且易于部署的目标而构建。本文依次详述了YOLO26的架构创新，包括：移除了分布焦点损失（DFL）；采用端到端的无NMS推理；集成了渐进损失（ProgLoss）与小目标感知标签分配（STAL）；以及引入了用于稳定收敛的MuSGD优化器。

2026-06-02 12:37:51 296

原创 TDD-YOLO：一种用于番茄病害精准检测的新型模型

在Tomato-Village和Tomato-Disease数据集上，相比YOLOv11n，平均mAP@50分别提高4.1%和3.6%，mAP@50:95分别提高6.0%和3.9%，超越现有SOTA模型。

2026-05-26 14:17:14 420

原创 YOLO26-seg分割全网首发：CVPR2026 UCMNet ｜FrequencyCM赋能YOLO C3k2：从频域增强视角解决感受野与细节瓶颈

FrequencyCM引入YOLO C3k2的优势：1）频域增强：显式利用傅里叶域信息，提升高频细节恢复能力，改善低分辨、模糊目标检测。2）全局感受野：以极低计算开销获得整图级感受野，突破局部视野瓶颈。3）轻量高效：模块参数量和FLOPs增量极小，即插即用，训练稳定，推理速度快于窗口注意力

2026-05-26 10:41:30 472

原创 YOLO26-seg分割全网首发：TIP2026 FourierSR | FourierSR引入YOLO C3k2：解决感受野局限，实现高效全局特征交互

FourierSR 使 C3k2 兼具全局建模能力与轻量高效特性，尤其适用于小目标、低对比度等分割挑战场景。

2026-05-26 10:35:28 441

基于YOLO的轴承生产缺陷检测，数据集大小568张，类别三类

基于YOLO11的轴承生产缺陷智能检测系统，阐述了整个数据制作和训练可视化过程

2024-11-15

GC10-DET，用于训练YOLO11、YOLOv10、YOLOv8、YOLOv5等

数据集大小：训练集1833，验证集459张

2024-11-13

基于Yolov8的道路破损检测，包括训练数据集、训练好的模型和可视化结果

python

2024-10-05

NEU-DET，用于训练yolov10、yolov8、yolov5等

2024-10-05

windows下成功编译dcnv4环境

windows下成功编译dcnv4环境，可供yolov5、yolov7、yolov8、yolov9、yolov10直接使用。可下载txt，内涵下载地址

2024-06-18

基于YOLOv8的足球赛环境下足球目标检测系统

1）详细介绍了足球赛环境下足球目标检测系统，在介绍算法原理的同时，给出Pytorch的源码、训练数据集； 2）数据集大小一共2724张，，按照8:1:1进行训练集、验证集、测试集随机区分。一共只有一个类别，为football

2024-06-18

基于YOLOv8的摔倒行为检测系统（Python源码+Pyqt6界面）

主要内容:通过实战基于YOLOv8的摔倒行为检测算法，从数据集制作到模型训练，最后设计成为检测UI界面

2024-06-18

基于YOLOv8的摄像头吸烟行为检测系统

摄像头吸烟行为检测系统设计如何运行：python main.py

2024-06-18

基于Yolov8的中国交通标志（CCTSDB）识别检测系统

1）转换成yolo txt格式的数据集； 2) 开箱即用的CCTSDB yolov8源码；

2023-09-30

基于YOLOV8的注意力机制源代码获取，开箱即用

注意力机制包括： 1.CBAM； 2.GAM； 3.ResBlock_CBAM; 4.Triplet注意力; 5. ShuffleAttention; 6.ECA; 7.SENet; 8. EffectiveSE; 9. GCNet; 10.GENet; 11.BAM;

2023-08-19

道路图像检测坑洼，数据集大小665张，缺陷类型：pothole

2023-06-11

铝片缺陷数据集，数据集大小1400张，缺陷类型一共四种：zhen-kong、ca-shang、 zang-wu、 zhe-zho

铝片缺陷数据集，缺陷类型（针孔、擦伤、脏污、褶皱）

2023-06-09

工业表面缺陷检测，数据集大小1400张

工业表面缺陷检测，数据集大小1400张：缺陷类型一共四种：zhen_kong、ca_shang、zang_wu、zhe_zhou；

2023-05-13

手机背板工业质检瑕疵分割数据集，包含3类目标和1类背景，总共4类数据集大小864张

手机背板工业质检瑕疵分割数据集，包含3类目标和1类背景，总共4类。数据集大小864张

2023-05-13

DCNV3编译环境，包括整个yolo环境

用于运行DCNV3的环境，可在yolov5、yolov7、yolov8下直接使用

2023-05-11

红外小目标飞机检测数据集

train: ./data/VOC2007/train.txt # 16551 images val: ./data/VOC2007/test.txt # 4952 images # number of classes nc: 1 # class names names: ['air']

2023-05-07

基于yolov5的红外小目标飞机识别

1）yolov5整个工程 2）VOC格式的红外小目标飞机数据集 3）训练得到的模型以及run整个训练可视化过程

2023-04-30

基于yolov5的二维码识别

1）整个yolov5模型 2）二维码数据集 3）二维码训练得到的模型 4）模型转成onnx格式，在opencv dnn下调用 5）二维码检测识别程序

2023-04-30

基于分割的工业划痕质检数据集

本数据集为划痕质检数据集，利用本数据集的划痕标注信息可以用于工业划痕质检相关的项目；在本数据集中，JPEGImages中为划痕数据图片，gray_label中为灰度标注图， pre_encoded中为彩色标注图，train.txt为标注训练集的文件，val.txt为标注验证集的文件。

2023-04-30

yolov1、yolov2、yolov3、yolov4、yolov5、yolov6、yolov7等论文

各论文如下： 1）You Only Look Once:Uniﬁed, Real-Time Object Detection； 2）YOLO9000:Better, Faster, Stronger； 3）YOLOv3: An Incremental Improvement； 4）YOLOv4: Optimal Speed and Accuracy of Object Detection； 5）You Only Look One-level Feature; 6)DetectoRS: Detecting Objects with Recursive Feature; 7)YOLOv6: A Single-Stage Object Detection Framework for Industrial Applications； 8）YOLOv7: Trainable bag-of-freebies sets new state-of-the-art for real-time object detectors；

2023-04-28

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

基于YOLO的轴承生产缺陷检测，数据集大小568张，类别三类

GC10-DET，用于训练YOLO11、YOLOv10、YOLOv8、YOLOv5等

基于Yolov8的道路破损检测，包括训练数据集、训练好的模型和可视化结果

NEU-DET，用于训练yolov10、yolov8、yolov5等

windows下成功编译dcnv4环境

基于YOLOv8的足球赛环境下足球目标检测系统

基于YOLOv8的摔倒行为检测系统（Python源码+Pyqt6界面）

基于YOLOv8的摄像头吸烟行为检测系统

基于Yolov8的中国交通标志（CCTSDB）识别检测系统

基于YOLOV8的注意力机制源代码获取，开箱即用

道路图像检测坑洼，数据集大小665张，缺陷类型：pothole

铝片缺陷数据集，数据集大小1400张，缺陷类型一共四种：zhen-kong、ca-shang、 zang-wu、 zhe-zho

工业表面缺陷检测，数据集大小1400张

手机背板工业质检瑕疵分割数据集，包含3类目标和1类背景，总共4类 数据集大小864张

DCNV3编译环境，包括整个yolo环境

红外小目标飞机检测数据集

基于yolov5的红外小目标飞机识别

基于yolov5的二维码识别

基于分割的工业划痕质检数据集

yolov1、yolov2、yolov3、yolov4、yolov5、yolov6、yolov7等论文

三星油污缺陷类别：头发丝和小黑点， 数据集大小：660张

玻璃瓶缺陷检测，缺陷类型：cap，数据集数量：125张

二维码数据集，数据集大小1085张

pyqt+yolov5+pcb缺陷检测

yolov5 tensorrt c++部署

空空如也

手机背板工业质检瑕疵分割数据集，包含3类目标和1类背景，总共4类数据集大小864张

三星油污缺陷类别：头发丝和小黑点，数据集大小：660张