- 博客(30)
- 收藏
- 关注
RSS订阅原创 一键式模型训练：待施工和完工建筑物类型识别图像分割
本项目数据集信息介绍本项目旨在开发一种改进的YOLOv11模型，以实现对待施工和完工建筑物类型的精准识别与图像分割。
2024-11-25 11:54:33
938
原创 丰富选项：农作物害虫识别
Ultralytics YOLO11是一款尖端的、最先进的模型，它在之前YOLO版本成功的基础上进行了构建，并引入了新功能和改进，以进一步提升性能和灵活性。YOLO11设计快速、准确且易于使用，使其成为各种物体检测和跟踪、实例分割、图像分类以及姿态估计任务的绝佳选择。结构图如下：C3k2C3k2，结构图如下**C3k2，继承自类C2f，其中通过c3k设置False或者Ture来决定选择使用C3k还是实现代码。
2024-11-25 10:35:11
1150
原创 创新方法解析：红外光谱行人检测
本项目数据集信息介绍本项目所使用的数据集专注于“heat_detection”主题，旨在为改进YOLOv11的红外光谱行人检测系统提供高质量的训练数据。该数据集的设计初衷是通过捕捉红外光谱下的人体热辐射特征，提升行人检测的准确性和鲁棒性。数据集中包含的类别数量为1，具体类别为“person”，这意味着数据集专注于行人的检测，简化了模型的训练过程，使其能够更专注于识别这一特定目标。在数据集的构建过程中，采集了多种环境下的红外图像，包括白天和夜晚、不同天气条件以及各种背景复杂度。
2024-11-25 09:15:46
1180
原创 分割算法优化：太阳能板故障检测
本项目数据集信息介绍本项目旨在改进YOLOv11的太阳能板故障检测系统，因此我们构建了一个专门针对太阳能板故障的高质量数据集。该数据集的主题为“SolarPanel”，专注于识别和检测太阳能板在实际应用中可能出现的故障情况。数据集中包含的类别数量为1，具体类别为“Fault”，这意味着数据集的主要目标是帮助模型准确识别和分类太阳能板的故障状态。为了确保数据集的有效性和实用性，我们收集了来自不同环境和条件下的太阳能板图像。
2024-11-23 10:38:54
1022
原创 教学内容全覆盖：航拍杂草检测与分类
本项目数据集信息介绍本项目所使用的数据集名为“SCHWARZ_WEED1”，其主要目标是为改进YOLOv11的航拍杂草检测与分类系统提供支持。该数据集专注于特定种类的杂草，尤其是不同生长阶段的“Amaranthus palmeri”，即美洲蓼。数据集中包含8个类别，涵盖了该植物在不同生长阶段的多样性，具体类别包括：BBCH10-12、BBCH13-16、BBCH13-29（灌木状）、BBCH17-19、BBCH51-59（灌木状）、BBCH51-59、BBCH60-69（灌木状）以及BBCH60-69。
2024-11-22 16:58:25
1156
原创 操作简易训练：稻米害虫种类识别检测
本项目数据集信息介绍本项目所使用的数据集专注于稻米害虫种类的识别与检测，旨在通过改进YOLOv11模型，提高稻米种植过程中的害虫监测效率。数据集的主题为“Pendeteksi Beras”，意在为稻米种植者提供一个高效的工具，以便及时识别和处理稻米害虫，从而减少损失并提高产量。该数据集包含四个主要类别，分别为“Batu”（石头）、“Beras”（稻米）、“Gabah”（稻谷）和“Kutu”（害虫），每个类别的样本数量经过精心挑选，以确保模型训练的有效性和准确性。
2024-11-22 15:38:27
773
原创 更新创新流程：葡萄病害检测
本项目数据集信息介绍本项目旨在改进YOLOv11模型，以实现对葡萄病害的高效检测。为此，我们构建了一个专门针对“Graps Disease”的数据集，该数据集包含16个不同的类别，涵盖了多种常见的葡萄病害。
2024-11-22 14:18:55
816
原创 创意点激发：路面落叶检测
本项目数据集信息介绍本项目旨在改进YOLOv11的路面落叶检测系统，因此构建了一个专门针对“Fallen_leaf”主题的数据集。该数据集的设计考虑了落叶在不同环境和条件下的多样性，以确保模型能够在实际应用中具备良好的鲁棒性和准确性。数据集中包含了一个类别，即“leaf”，这意味着所有的标注和样本均围绕这一单一类别展开。尽管类别数量较少，但我们通过多样化的采集场景和拍摄条件，确保了数据集的丰富性和代表性。
2024-11-22 12:59:18
833
原创 新手入门宝典：盲道砖块缺陷检测
本项目数据集信息介绍本项目所使用的数据集专注于盲道砖块的缺陷检测，旨在为改进YOLOv11模型提供高质量的训练数据。数据集的主题为“BrailleBlock”，主要涵盖了盲道砖块的各种形态和状态，特别是针对其在实际应用中可能出现的缺陷。该数据集的类别数量为1，具体类别为“BrailleBlock”，这意味着所有的数据样本均围绕这一特定类别展开，确保了数据集的专一性和针对性。在数据收集过程中，我们通过实地拍摄和图像采集的方式，涵盖了不同环境和光照条件下的盲道砖块图像。
2024-11-22 11:33:59
853
原创 系统化视频教学：打架斗殴暴力行为检测
本项目数据集信息介绍本项目旨在改进YOLOv11模型，以实现高效的打架斗殴暴力行为检测系统。为此，我们构建了一个专门针对暴力行为检测的数据集。该数据集的主题围绕“violence detection”，旨在为模型提供丰富的训练样本，以提高其在真实场景中的识别能力。数据集中包含的类别数量为1，具体类别为“Violence”，这意味着我们将重点关注暴力行为的识别，而不涉及其他类型的行为。这一单一类别的设定有助于模型在特定任务上的精准训练，确保其能够在复杂的环境中有效地识别和区分暴力行为。
2024-11-20 16:18:54
963
原创 全程教学跟进：芒果植株病害检测
本项目数据集信息介绍本项目所使用的数据集旨在支持改进YOLOv11模型在芒果植株病害检测系统中的应用，特别关注于芒果及其相关植物的病害识别。数据集的主题为“Plant Diagnosis 5 - Mango and Family-”，涵盖了与芒果植株健康状况密切相关的三种主要病害类型。这三种病害分别是“Anthracnose”（炭疽病）、“Powdery Mildew”（白粉病）和“Tipburn”（尖枯病），它们对芒果的生长和产量造成了显著影响。
2024-11-20 14:59:14
839
原创 操作简易训练：血管中红细胞与病毒检测
本项目数据集信息介绍本项目旨在改进YOLOv11模型，以实现对血管中红细胞与病毒的高效检测。为此，我们构建了一个专门针对医学领域的多样化数据集，旨在为模型的训练提供丰富而准确的样本。该数据集包含两个主要类别：血液细胞（blood）和病毒（virus），这两个类别在医学图像分析中具有重要的临床意义。通过对这两个类别的深入学习，模型能够更好地识别和区分血管中的红细胞与潜在的病毒感染，从而为临床诊断提供有力支持。
2024-11-20 11:43:48
815
原创 教学全程覆盖：遥感红外小目标检测
本项目数据集信息介绍本项目所使用的数据集专注于遥感红外小目标检测，旨在通过改进YOLOv11模型来提升小目标的检测精度与效率。数据集的主题为“hnogwai”，涵盖了多种自然与人造物体的类别，适用于复杂环境下的目标识别任务。该数据集共包含10个类别，具体包括建筑物（building）、云层（cloud）、地面（floor）、大飞虫（fly_big）、中飞虫（fly_medium）、小飞虫（fly_small）、山脉（mountain）、船只（ship）、塔（tower）以及树木（tree）。
2024-11-20 10:24:22
1394
原创 全面前端显示：菠萝质量检测
本项目数据集信息介绍本项目旨在改进YOLOv11模型，以实现高效的菠萝质量检测系统。为此，我们构建了一个专门的数据集，主题为“Deteksi Kualitas Buah Nanas”，该数据集涵盖了菠萝的不同质量等级和缺陷类型，旨在为模型训练提供丰富的样本和多样化的特征。数据集中包含五个主要类别，分别是“Defects-black spots”（黑斑缺陷）、“Defects-holes”（孔洞缺陷）、“Defects-white fungus”（白色真菌缺陷）、“Good”（优质）和“Poor”（劣质）
2024-11-20 08:58:05
663
原创 Web效果惊艳：饮料品牌瓶盖识别
本项目数据集信息介绍本项目旨在改进YOLOv11模型，以实现对饮料品牌瓶盖的高效识别。为此，我们构建了一个专门的数据集，涵盖了五种主要的饮料品牌瓶盖，具体包括Pepsi、Sprite、TamSaaSoo、cider和cocacola。这些品牌在市场上具有广泛的认知度和代表性，因而选择它们作为数据集的核心类别，能够有效提升模型的实际应用价值。数据集的构建过程注重多样性和代表性，确保所收集的瓶盖图像能够覆盖不同的拍摄角度、光照条件和背景环境。每个类别的样本数量均衡，旨在避免模型在训练过程中出现偏倚现象。
2024-11-18 11:15:44
502
原创 优化创新内容：种子检测
本项目数据集信息介绍本项目所使用的数据集旨在支持改进YOLOv11的种子检测系统，具体聚焦于“semillas_seleccionadas”这一主题。该数据集的设计初衷是为了解决种子识别和分类中的关键问题，尤其是在农业和植物科学领域中，准确的种子检测对于作物管理和育种工作至关重要。数据集中包含的类别数量为1，类别列表仅包含一个标识符“0”，这表明该数据集专注于一种特定类型的种子。这种简化的类别设置有助于系统在训练过程中更好地聚焦于目标对象，从而提高检测精度。
2024-11-18 09:29:32
1078
原创 完整教学：可回收金属垃圾检测
本项目数据集信息介绍本项目旨在开发一个改进版的YOLOv11模型，以实现高效的可回收金属垃圾检测系统。为此，我们构建了一个专门的数据集，专注于物体检测领域，涵盖了四种主要类别的可回收物品。这些类别包括瓶盖（bottlecap）、硬币（coin）、可乐罐（coke）和回形针（paperclips）。每个类别在数据集中都经过精心标注，以确保模型能够准确识别和分类这些物品。数据集的构建过程涉及多种数据采集方法，包括实地拍摄和合成图像生成。我们从不同的环境和光照条件下收集了大量样本，以增强模型的鲁棒性和适应性。
2024-11-17 17:28:33
799
原创 多视角视频教程：气罐铭文识别
本项目数据集信息介绍本项目旨在改进YOLOv11模型在气罐铭文识别系统中的应用，所使用的数据集以“Gas_tank_engraving”为主题，专注于气罐表面铭文的自动识别与解析。该数据集包含四个主要类别，分别为CML_number、Date、ISI_mark和Serial_number。这些类别代表了气罐铭文中常见的重要信息，能够有效支持气罐的追溯和管理。CML_number类别主要用于识别气罐的制造商代码，通常由字母和数字组合而成，能够提供有关气罐生产背景的重要信息。
2024-11-17 15:42:46
1076
原创 入门训练营：黄花菜检测
本项目数据集信息介绍本项目旨在开发一个改进版的YOLOv11黄花菜检测系统，专注于“Bloomed-Yellow-DayLily Detection”这一主题。为实现高效的目标检测，数据集的构建至关重要。本项目的数据集专门针对盛开的黄花菜（Bloomed Yellow Daylily）进行收集和标注，旨在提供一个高质量的训练基础，以提升模型在实际应用中的准确性和鲁棒性。该数据集包含了丰富的图像样本，所有样本均经过精心挑选和标注，确保每一张图像都能够真实反映黄花菜的生长状态和环境特征。
2024-11-17 13:56:55
892
原创 交通场景智能监测算法设计与实现：快速学习曲线
本项目数据集信息介绍本项目所使用的数据集名为“Yolo_detection45”，旨在为改进YOLOv11的交通场景智能监测系统提供强有力的支持。该数据集包含25个类别，涵盖了交通监测中常见的多种对象类型，确保了系统在实际应用中的广泛适用性和高效性。
2024-11-10 10:40:31
965
1
原创 风力涡轮机检测算法设计与实现：优化创新内容
本项目数据集信息介绍本项目所使用的数据集名为“Wind Turbines detection from Overhead Images”，旨在为改进YOLOv11的风力涡轮机检测系统提供高质量的训练数据。该数据集专注于从高空图像中识别和定位风力涡轮机，具有重要的实际应用价值，尤其是在可再生能源领域。数据集中包含了丰富的风力涡轮机图像，所有图像均为从高空拍摄，能够有效模拟真实环境中风力涡轮机的外观和布局。该数据集的类别数量为1，具体类别为“turbine”，这意味着数据集专注于风力涡轮机的检测与识别。
2024-11-09 15:59:58
690
原创 基于Swin-Transformer改进 YOLOv7电力杆塔识别系统
基于Swin-Transformer改进 YOLOv7电力杆塔识别系统
2023-11-01 13:43:23
501
1
原创 基于YOLOv5＆opencv的交通道路三角锥检测系统（部署教程＆源码）
基于YOLOv5＆opencv的交通道路三角锥检测系统（部署教程＆源码）
2023-08-18 12:27:29
592
1
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