首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往
首页标签计算机视觉

#计算机视觉

YOLO11-CBAM集成:提升商业苹果园树干与树枝分割的精准度

CoovallyAIHub

在本研究中,我们通过将卷积块注意力模块(CBAM)与YOLO11架构相结合,开发了一种定制的实例分割模型。该模型在休眠期和树冠期苹果园图像的混合数据集上进行了训...

000

YOLOv11助力结肠镜检查:精准息肉检测新突破

CoovallyAIHub

直肠癌(CRC)是全世界最常见的癌症之一。它始于结肠内壁的息肉。要预防 CRC,就必须及早发现息肉。结肠镜用于检查结肠。一般来说,内窥镜顶端的摄像头拍摄的图像由...

400

YO-CSA-T:基于上下文和空间注意力的YOLO实时羽毛球追踪系统

CoovallyAIHub

YOLOv12的创新区域注意力模块(Area Attention,A2)无疑是目标检测领域的一次重大突破,彻底颠覆了传统YOLO框架对注意力机制的认知。YOLO...

5710

【图像处理与OpenCV:技术栈、应用和实现】

机器学习司猫白

OpenCV是一个开源的计算机视觉库,它包含了丰富的图像处理和计算机视觉功能,支持多种操作系统(如Windows、Linux、macOS)和开发语言(如C++、...

8310

数据处理(四)| 数据增强全解析:从基础概念到实战代码,掌握核心技巧!

CoovallyAIHub

前面已经对数据清洗、数据质量评估、数据预处理进行了详细的分析和介绍,今天就要介绍最后一步——数据增强,数据增强是计算机视觉领域中一项重要的数据预处理技术,旨在通...

16310

数据处理(三)| 深入数据预处理:提升机器学习模型性能的关键步骤

CoovallyAIHub

今天要和大家继续讲解机器学习中一个看似枯燥但至关重要的环节——数据预处理。前面已经讲解过数据清洗和数据评质量评估(点击跳转),如果你已看过,那你已经打下了坚实的...

12210

深入理解Vision Transformer中的图像块嵌入:从数据准备到视觉实现的全面讲解

CoovallyAIHub

Transformer架构因其强大的通用性而备受瞩目,它能够处理文本、图像或任何类型的数据及其组合。其核心的“Attention”机制通过计算序列中每个toke...

12810

YOLOv12架构深度解析:关键架构特征的细分

CoovallyAIHub

本文对YOLOv12进行了架构分析,YOLOv12是单级实时物体检测领域的一项重大进步,它继承了前代产品的优点,同时引入了关键改进。该模型采用了优化的骨干网(R...

17410

数据处理(二)| 打磨数据,提升模型:全面解读图像数据质量评估

CoovallyAIHub

前面我们了解了数据清洗的整个过程(详情可参考《数据清洗全流程详细解析与实践指南》文章),接下来我们就要讲一讲什么是数据质量评估。

12010

YOLOv12深度测评:从创新到部署,硬件适配与YOLOv11性能全对比(附无代码流程)

CoovallyAIHub

作为YOLO系列的最新版本,YOLOv12引发了广泛关注。那关于YOLOv12的使用具体怎么样吗?今天小编就详细带你体验一下YOLOv12的使用细节,以及它和Y...

28310

数据处理(一)| 从“脏数据”到“干净数据”:数据清洗全流程详细解析与实践指南

CoovallyAIHub

各位数据爱好者们,你是否曾经面对过杂乱无章的数据,感到无从下手?你是否曾经被缺失值、异常值、格式混乱等问题搞得焦头烂额?你是否渴望掌握一套系统的数据处理方法,将...

11410

DeepSeek引领目标检测新趋势:如何通过知识蒸馏优化模型性能

CoovallyAIHub

知识蒸馏是一种强大的技术,它通过从大型复杂模型中迁移知识来提高小型模型的性能。它已被证明在各种应用中都很有效,包括计算机视觉、自然语言处理和语音识别。

9910

YOLO12强势来袭!打破CNN主导,实现速度精度新高度,实时目标检测的效率之王!

CoovallyAIHub

大家好,今天要给大家介绍的是最新发布的目标检测模型——YOLOv12。相信关注计算机视觉和深度学习的小伙伴们都已经听说过YOLO系列,作为目标检测领域的“老牌明...

29420

基于YOLOv8、v9、v11及混合模型的头盔检测深度解析

CoovallyAIHub

这一问题的陈述转化为一项物体检测任务。因此,本文从可靠性和计算负荷的角度对头盔检测中的最新YOLO模型进行了比较。具体来说,本文使用了YOLOv8、YOLOv9...

9900

FFCA-YOLO:突破小物体检测瓶颈,提升遥感应用中的精度与效率

CoovallyAIHub

由于在遥感应用中的小目标检测面临着特征表示不足、背景混淆以及在有限的硬件条件下优化速度和精度的挑战。

22120

C#调用C++代码,以OpenCV为例

郑子铭

使用C#调用C++代码是一个很常见的需求,因此本文以知名的C++机器视觉库OpenCV为例,说明在C#中如何通过使用P/Invoke(平台调用)来调用C++代码...

7000

YOLO11-JDE:利用自监督再识别技术实现快速准确的多目标跟踪

CoovallyAIHub

YOLO11-JDE,它是一种快速准确的多目标跟踪(MOT)解决方案,将实时目标检测与自监督再识别(Re-ID)相结合。通过在YOLO11s中加入专门的再识别分...

12410

VR-Robo:视觉机器人导航和运动的Real-Sim-Real框架

一点人工一点智能

地址:https://mp.weixin.qq.com/s/Mlik8mEHYSb2XmJXqXlKNQ

8900

关于计算机视觉中的自回归模型,这篇综述一网打尽了

机器之心

本文对计算机视觉中的自回归模型进行了全面综述,介绍了自回归模型的基础、通用框架分类、与其他生成模型的关系、应用领域、评估指标以及面临的挑战和未来工作。自回归模型...

13110

DeepSeek预测2025目标检测算法Top 5:谁将主导下一代视觉感知?

CoovallyAIHub

随着自动驾驶、工业4.0和元宇宙的爆发式增长,目标检测技术已成为AI视觉的“核心战场”。DeepSeek技术团队基于算法演进、硬件适配与行业需求,预测2025年...

23010
领券