阿旭的博客

【使用指南】YOLO26-depth单目深度估计：让深度估计不再有10米天花板，速度碾压Depth Anything V2

【完整指南】YOLO26知识蒸馏：一行代码让大模型教小模型，不增加推理成本，精度秒提升1%

【开源】小目标计数利器GECO2：不再靠拼图，逐尺度查询让精度+10%速度×3

商汤SenseNova-Vision：一个模型统一所有视觉任务，全面超越，代码已开源

【前沿】ZipDepth轻量单目深度模型：搞定全场景深度识别，手机、无人机都能实时跑

【亲测】LocateAnything使用教程与6大应用示例【附源码】

重磅开源！LocateAnything 一站式搞定全场景视觉定位，解码速度暴涨 10 倍

X2SAM：打通图像+视频全场景的统一多模态分割大模型

突破SAM极限！ConceptSeg-R1：从“分割物体”到“分割任意概念”，AI视觉再进化

你有没有想过，AI 对图片 进行语义分割时，要是遇到没见过的物体，只给 1-5 张参考图，它能精准分割吗？这就是「小样本语义分割（FSS）」的核心任务 ——用极少标注样本，搞定新类别的像素级分割。但传统方法有两个大痛点：「训练成本高」：得靠海量 “模拟小样本任务” 训练模型，又费时间又费算力；「泛化能力差」：换个场景、换类物体，性能就断崖式下跌。直到视觉大模型（比如 SAM 系列）出现，大家才发现：能不能跳过训练，直接用预训练大模型解决？这篇论文就给出了答案 ——用 SAM3，不用调参、不用改结构，就能实现

【深度好文】YOLO算法的演进之路：从YOLOv1到YOLO26

手把手教你用ViT做图像分类！从环境搭建到可视化输出，5分钟上手

DINOv3实战｜手把手教你生成图像相似度图（附完整代码）

从 CNN 到 ViT：视觉 Transformer 如何重构计算机视觉？

YOLO26+SAM3实战教程：从检测到分割，一键搞定目标掩码生成【附源码】

YOLO26网络结构可视化

YOLO26打印网络结构

3年颠覆20年研究，视觉Transformer如何终结CNN时代？

单目RGB直出深度图｜Depth Anything V2从原理到实战【附源码】

YOLO26实战教程：手把手教你训练药片检测AI模型，赋能医药行业

YOLO26高效部署5大核心技巧：边缘+云端实现生产级落地

超全小目标检测mAP提升指南！数据、训练调优、模型选择、评估方式、部署一站式搞定

【视觉AI赋能智慧农业】三大应用场景、简化农作流程、核心价值全解析

YOLO26实战｜转ONNX模型实现视频实时检测，可视化+FPS统计全搞定【附完整源码】

目标检测性能天花板之争：YOLO26 与 RF-DETR 全面对比，选型不再纠结！

速度与精度双突破！RF-DETR-Seg 新模型家族来袭，附完整部署 & 微调教程

YOLO26与4大前沿模型性能对比：RF-DETR、 LW-DETR、YOLO11、D-FINE

YOLO26重磅开源！边缘AI新标杆，43%提速+端到端无NMS推理

拆解 DINOv3 核心架构：ViT 与 ConvNeXt 的结构密码，谁更适配你的场景？

一文吃透 Grounding DINO：从原理到实战，文本驱动目标检测入门教程【附源码】

一文读懂Vision Transformer：DINO、DETR、CLIP、SAM 家族如何重塑图像理解？

【SAM3教程-5】视频分割：文本与点提示一键分割与跟踪视频中指定目标【附完整步骤与源码】

【SAM3教程-4】使用文本精准分割视频里的目标，附完整代码教程

【视觉前沿】OneThinker：一个模型搞定所有视觉任务！堪称图像视频的“全能推理大神”

【SAM3教程-3】使用提示点 + 提示框精准 “圈” 出指定目标，正负样本搭配更高效！【附源码】

【SAM3教程-2】使用正负样本提示框一键分割图片中的相似目标详细步骤与示例

【SAM3教程-1】SAM3 使用文本提示进行图像分割详细步骤与示例【附源码】

SAM3分割一切大模型中BPE文件bpe_simple_vocab_16e6.txt.gz是什么？有什么作用？

6大顶流深度估计模型对比评估与选型指南

保姆级SAM 3D 配置与使用教程：从环境搭建到 3D 重建，代码 + 步骤直接抄作业！