目标检测：YOLO 模型详解 YOLO 模型凭借其高效的端到端检测能力，在实时目标检测领域取得了显著的成果。：在前几代 YOLO 的基础上，对损失函数进行了进一步的优化和完善，使其能够更好地平衡边界框定位误差和类别分类误差之间的关系，并且针对不同尺度特征图的预测结果采用了不同的损失权重，以提高模型在不同尺度上的检测效果。：进一步改进了损失函数，采用了不同尺度特征图的损失加权求和的方式，使得模型在不同尺度上的检测结果都能够得到有效的优化，并且对边界框的坐标、宽度高度以及类别置信度的误差计算都进行了精细化的设计，以提高整体检测性能。

阅读 2.5k

19赞

收藏 29
多模态目标检测前言 多模态目标检测是指利用来自不同传感器或数据源的多种类型信息来共同完成目标检测。每一种数据类型称为一个“模态”，例如可见光相机提供的彩色图像是一个模态，红外热成像是另一个模态，激光雷达点云或深度传感器提供的距离信息则属于不同的模态。与此相对，单模态目标检测只使用一种类型的数据进行检测。多模态检测的核心思想是信息互补：不同传感器各有优劣，它们提供的观测往往能从不同角度刻画同一目标。将这些信息融合起来，能弥补单一模态的不足，使检测更加全面准确。

阅读 1.3k

18赞

收藏 35
OpenCV 4.7企业级开发实战：从图像处理到目标检测的全方位指南 OpenCV 4.7作为最新稳定版本，在图像处理、视频分析和深度学习模型推理方面实现了多项重要改进。本文系统讲解了OpenCV 4.7的核心特性和功能更新，并通过三个企业级案例展示了如何将这些新特性应用于实际开发。Stackblur算法的实现提供了高效模糊处理方案，昇腾CANN后端显著提升了深度学习模型的推理速度，CUDA模块加速了视频流处理，而Nanotrack v2跟踪器则增强了复杂场景下的物体跟踪能力。从基础到高级的OpenCV开发技能，构建高效、稳定、可扩展的计算机视觉系统。

阅读 1.4k

20赞

收藏 13
Yolo11环境配置win+Python+Anaconda--小白目标检测学习专用（超详细） 根据你的需求选择，如果有英伟达的GPU（显卡，比如RTX3060）那就选CUDA最新的版本，然后你还要把你的英伟达驱动更新到最新版本。直接点yolo旁边的【绿按钮】，再点击弹出来的【Open Terminal】就会打开环境终端了，接下来的操作都在这个黑框框里进行。如果下载失败或者非常慢，pytorch的包预计一分钟内下完，如果确定你的网络没问题的话，就看下一步配置清华大学镜像源。最后复制【Run this Command】的代码到你的环境终端（就那个黑框框）回车运行就开始下载安装了。

阅读 2.3w

77赞

收藏 299
目标检测 RT-DETR（2023）详细解读 在使用了这个技巧后，显然训练过程中，类别的标签不再是此前的0和1离散值，而是0~1的连续值。关于 Query Selection（查询向量选择）,大家应该并不陌生，这个方法可谓在DETR领域大杀四方，如DAB-DETR对查询向量进行重构理解，将其解释为Anchor，DN-DETR通过查询降噪来应对匈牙利匹配的二义性所导致的训练时间长的问题，DINO提出从Encoder中选择Top-k特征进行学习等一系列方法，这都无疑向我们证明，查询向量很重要，选择好的Query能够让我们事半功倍。在RT-DETR中，

阅读 1.9k

28赞

收藏 37
【IP101】目标检测工作原理：从滑动窗口到Haar特征检测的完整实现 想象一下，你是一位图像侦探，正在搜寻图像中的"线索"。🔍 定位目标位置（找到"线索"的位置）📏 确定目标大小（测量"线索"的范围）🎯 识别目标类别（判断"线索"的类型）🔄 跟踪目标运动（追踪"线索"的变化）目标检测就像是在图像中玩"找茬游戏"，我们需要在复杂的场景中找到特定的目标！通过滑动窗口、HOG+SVM、Haar+AdaBoost等方法，我们可以有效地定位和识别这些目标。在实际应用中，需要根据具体场景选择合适的方法，就像选择不同的"放大镜"来观察不同的目标。

阅读 1.1k

16赞

收藏 14
遥感目标检测（RSOD）LEGNet: Lightweight Edge-Gaussian Driven Network for Low-Quality Remote Sensing Image Ob 3）背景：在复杂的视觉环境中，遥感目标检测面临着巨大挑战。这些降解因素共同影响了检测模型中的特征区分度，导致三个关键问题：（1）降低的对比度阻碍了前景-背景分离，（2）边缘表示中存在结构不连续，（3）由于光照变化引起的模糊特征响应。5）结果：在四个RSOD基准数据集（DOTA-v1.0、v1.5、DIOR-R、FAIR1M-v1.0）和一个无人机视角数据集（VisDrone2019）上的综合评估表明，LEGNet在性能上实现了显著提升，且在五个基准数据集上达到了最先进的性能。2）应用：遥感图像领域。

阅读 822

5赞

收藏 8
使用transformers调用owlv2实现开放目标检测 使用transformers调用owlv2实现开放目标检测

阅读 984

2赞

收藏 1
Towards Open World Object Detection概述(论文) 1人类天生具备识别环境中未知物体实例的本能。当相关知识最终可获得时，对这些未知实例的内在好奇心有助于人们认知它们。这促使我们提出一个名为"开放世界目标检测"的新型计算机视觉问题，该模型需要完成两项任务：1）在没有明确监督的情况下，将未接触过的物体识别为"未知"；2）在逐步获得相应标签时，能够持续学习这些已识别的未知类别而不遗忘先前习得的类别。我们构建了问题框架，制定了严格的评估标准，并提出基于对比聚类和能量检测的未知识别新方法ORE（开放世界目标检测器）。

阅读 1.3k

23赞

收藏 13
作者推荐
小时候逝去的夏夜
程序小白
关注
东城山
一名视频技术工程师的思考与心得
关注
阿威科研分享
会不定时分享论文阅读心得，有讲的不妥的地方欢迎各位大佬及时指正。
关注
笑脸惹桃花
博客相关报错不急可以发评论区，或者通过公众号联系我有偿远程快速解决。
关注
jessie的垃圾桶
记点什么有用的吧
关注
AI小怪兽
YOLO骨灰级玩家，公众号：计算机视觉大作战，1）YOLOv5、v7、v8、v9、v10、11优化创新，轻松涨点和模型轻量化；2）目标检测、语义分割、OCR、分类等技术孵化，赋能智能制造，工业项目落地经验丰富；订阅者私信添加本人微信！！！
关注
阿_旭
专注Python、人工智能相关内容研究分享。
关注
网友小折
本科毕业于同济大学自动化专业，研究生就读于南洋理工大学信号处理与机器学习专业，目前研究方向为智能驾驶三维感知方向。
关注
深度学习lover
深度学习爱好者，在学习过程中搜集了一些数据集，可以提供分享
关注
挂科边缘
擅长计算机视觉，YOLO目标检测、分割、图像修复、超分辨率重建 等，擅长web、pyqt界面可视化，好内容持续更新中，来这里跟大家一起学习，共同进步
关注