登录社区云，与社区用户共同成长
邀请您加入社区
26年4月来自中科院自动化所、中科院大学、中科第五纪公司（FiveAges）、清华、西交大、武汉大学和南京大学的论文“Multi-View Video Diffusion Policy: A 3D Spatio-Temporal-Aware Video Action Model”。机器人操作需要理解环境的三维空间结构及其时间演化，然而大多数现有策略往往忽略其中之一或两者。它们通常依赖于二维视觉观测
26年4月来自Stanford、UCSD、CMU、Google DeepMind和Harvard的论文“World Action Verifier: Self-Improving World Models via Forward-Inverse Asymmetry”。通用世界模型有望实现可扩展的策略评估、优化和规划，但要达到所需的鲁棒性水平仍然充满挑战。与主要关注最优动作的策略学习不同，世界模型需
变分推理的核心思想是通过构造可计算的近似分布q(z|x)来逼近不可算的真实后验p(z|x)。由于直接优化p(x)存在计算困难，转而最大化其下界ELBO。ELBO由两项组成：重构项和KL散度项，前者鼓励生成质量，后者约束近似分布。通过巧妙代数变换，将不可算的p(x)转化为可优化的目标。在实际训练中，期望计算通过蒙特卡洛采样实现，通常仅需单次采样即可有效估计。这种转换使VAE等模型得以高效训练，同时保
医疗影像AI辅助诊断系统采用Java+DJL+YOLOv11技术栈，解决传统Python方案在医疗场景下的部署难题。系统从PACS获取DICOM影像，通过预处理后使用YOLOv11模型检测病灶，并生成结构化报告。技术优势包括：纯Java环境便于医院系统集成、DJL框架保障数据安全、YOLOv11算法提升小病灶检测精度。系统架构包含影像采集、预处理、病灶检测、分级分析和报告生成等模块，通过dcm4c
纺织面料瑕疵检测系统采用Java+DJL+YOLOv11技术栈，解决了传统人工检测效率低、漏检率高的问题。系统通过线阵工业相机采集图像，利用YOLOv11模型实现高精度瑕疵检测，并集成报警控制模块实现自动化标记。相比Python方案，该技术栈具有部署简单、运行稳定、易与工业系统集成等优势。系统架构包含图像采集、视觉处理、结果分析和报警控制等模块，支持高速实时检测，显著提升了纺织行业的质量控制水平。
本文介绍了基于Java+DJL+YOLO的工业机器人视觉引导抓取系统解决方案。针对传统Python方案在工业场景中的部署复杂、实时性不足等问题，采用纯Java技术栈实现高性能视觉处理。系统通过工业相机采集图像，利用YOLOv11模型进行目标检测，计算工件坐标并规划机器人抓取路径。文章详细阐述了系统架构、开发环境搭建（包括硬件配置和Maven依赖）以及核心功能实现，重点展示了如何使用DJL框架加载Y
/ 加载自定义模型，指定类别名称var classNames = new[] { "针孔", "划痕", "短路" };如果需要自定义后处理逻辑，可以继承// 自定义后处理逻辑// 使用自定义后处理器TensorRT引擎生成慢：第一次加载模型时，TensorRT会生成引擎文件，这个过程可能需要几分钟。生成的引擎会缓存到本地，下次启动直接加载，速度会快很多。CUDA版本兼容问题：YoloSharp要
摘要：本文分享了工业质检场景下C#调用YOLOv8s ONNX模型的性能优化实战经验。原始单帧推理耗时300ms无法满足产线需求，通过全链路分析定位瓶颈（预处理85ms、推理180ms、后处理30ms）。重点优化措施包括：使用OpenCVSharp CUDA加速预处理（85ms→12ms），开启ONNX Runtime ALL级别图优化，选用TensorRT执行提供程序（180ms→22ms），以
目标检测面临的核心挑战在于处理不同尺度目标。浅层特征分辨率高但语义弱，适合小目标定位；深层特征语义强但分辨率低，适合大目标识别。仅用单层特征会导致小目标丢失或大目标定位不准。多尺度特征融合通过结合浅层细节与深层语义，使模型能同时处理不同尺寸目标。这一原理为理解YOLO等检测器的多尺度设计奠定了基础，也是现代目标检测网络的关键设计思想。
为了满足道路巡检与移动机器人的避障需求，本文开发了一款基于PySide6的障碍物智能检测桌面工作站。系统流畅接入图、视、机多路实时视流，提供动态进度、耗时反馈与阈值微调功能。依托内置SQLite，平台构建了支持免登录跳过的本地数据追溯闭环，允许一键归档CSV统计台账及带框的PNG与AVI可视化影像。在算法核心上，本文横向剖析了YOLOv5至YOLOv12八大模型的mAP、F1等关键性能指标，实现了
为攻克高杆监控等远视距场景下的车位识别难题，本文推出了一款基于PySide6的高效桌面检测平台。该系统针对复杂透视与遮挡痛点进行了深度优化，不仅流畅兼容图、视、机多路实时推理，更配备了精准的耗时统计与进度追踪。在工程管理层面，平台依托内置SQLite实现了灵活的免登录追溯机制，并支持一键导出CSV报表及带框的可视化影像（PNG单帧/AVI序列）。其核心算法引擎横向打通了YOLOv5至YOLOv12
在STM32H7微控制器上成功部署MobileNetV2图像分类模型，实现12FPS实时推理。项目使用STM32H723ZGT6（550MHz Cortex-M7）、OV5640摄像头和SPI LCD，通过X-CUBE-AI工具链将量化后的MobileNetV2_0.35模型（输入128×128 uint8，输出15类float）转换为C代码。关键优化包括：选择宽度乘数α=0.35减小模型体积（6
瞄准PCB板缺陷自动化质检痛点，本文构建了一套端到端的深度学习桌面检验平台。系统前端搭载PySide6，流畅兼容图、视、摄像头多源输入，并辅以精准的进度与耗时监控以契合工业节拍。依托内置SQLite，软件打造了支持免登录跳过的本地数据闭环，允许质检员一键归档CSV台账及带框影像（PNG或AVI格式）。核心算法详尽评测了YOLOv5至YOLOv12八代模型的mAP、F1等关键指标，更实现了运行态下的
摘要： 本文系统梳理了YOLO系列目标检测模型中IoU（交并比）指标的演进历程。从YOLOv1-v3仅使用传统IoU，到YOLOv4引入GIoU和DIoU，再到当前主流版本（v4-v8）默认采用CIoU Loss，通过增加中心点距离和宽高比惩罚项显著提升了检测精度。YOLOv6+/v8进一步引入DFL Loss建模边界框分布，结合Task-Aligned Assigner优化样本匹配。实验表明，C
YOLO系列演进趋势与核心技术摘要： YOLO系列从v2到v11持续创新，核心演进方向包括：检测头从Anchor到Anchor-Free再到端到端无NMS；网络结构从浅层到深层残差、CSP、RepVGG等；正样本分配从静态IoU到动态匹配（SimOTA、匈牙利算法）；训练策略从单任务到多任务统一。各版本突破性技术包括：v2引入Anchor机制，v3采用FPN多尺度检测，v4集成Mosaic增强和C
这一篇非常关键，它不再只是“训练模型”，而是带你理解：一个完整的机器学习项目是如何从0到上线运行的AI系统的公平性、偏见与伦理问题（工业级必备）
在机器学习项目中，模型不是一次就做好的，而是一个不断迭代优化的过程。
在具身智能的感知系统中，语义分割已经从单纯的“图像分类工具”进化为连接视觉与行动的桥梁。过去：我们教机器人“看到红色的像素是路”。现在（2026）：我们教机器人“理解像素的语义”，并结合大模型（SAM/CLIP）实现零样本的通用感知。未来：语义分割将与世界模型更深度结合，不仅分割当前画面，还能预测物体在时间维度上的变化（例如：预测这扇门打开后的空间），为具身智能提供真正的4D时空理解能力。
工业PCB微缺陷检测的挑战与优化方案 摘要：针对PCB板0.3mm微缺陷检测难题，本文提出了一套完整的工业级解决方案。通过对比主流目标检测模型，最终选用YOLO12n作为基础架构，并针对微缺陷特点进行了10项关键优化：包括960×960输入尺寸、P2层特征增强、GAM注意力机制、NWD损失函数等。系统实现了98.7%的召回率和1.8%的误检率，单帧检测时间控制在45ms内，完全满足产线120块/分
卷积神经网络通过逐层卷积操作从原始像素中提取多尺度特征，实现从低层边缘纹理到高层语义的渐进式理解。卷积核滑动计算生成多通道特征图，每个通道对应不同特征响应；下采样操作（如stride卷积或池化）缩小特征图尺寸并扩大感受野。浅层特征保留细节适合小目标检测，深层特征整合全局信息用于语义理解。这种层级结构是目标检测模型（如YOLO）多尺度预测的基础，三个核心公式分别描述卷积计算、输出尺寸变化和最大池化操
26年4月来自清华大学的论文“Veo-Act: How Far Can Frontier Video Models Advance Generalizable Robot Manipulation?”。视频生成模型发展迅速，并开始展现出对物理动力学的深刻理解。本文研究诸如 Veo-3 （来自谷歌Deep mind）之类的视频生成模型在多大程度上能够支持可泛化的机器人操作。首先研究一种零样本方法，其
本文解析了YOLOv3中的IoU计算及其改进方法。YOLOv3原始论文使用传统的轴对齐矩形框IoU，但其开源实现Darknet支持GIoU、DIoU和CIoU等改进版本。这些改进通过配置文件启用，分别解决了无重叠框优化、中心点距离和宽高比等问题，在mAP性能上均有提升。GIoU对小目标检测效果更好，DIoU优化了边界框回归效率，CIoU综合性能最佳。IoU在YOLOv3中主要用于标签分配、损失函数
YOLOv2（YOLO9000）是目标检测领域的重要突破，在保持实时性的同时显著提升精度。其核心创新包括：引入Anchor Boxes提升边界框预测能力，采用多尺度训练增强模型鲁棒性，设计轻量级主干网络Darknet-19，以及通过联合训练COCO和ImageNet实现9000+类别检测。相比YOLOv1，mAP提升13.4%达到76.8，FPS增至67帧。但仍存在小物体检测不足、Anchor设计
工业场景下YOLO模型全链路优化实践 摘要：针对工业质检场景对检测速度的严苛要求，本文系统性地分享了YOLOv8模型从11.2FPS到102.7FPS的全链路优化方案。通过骨干网络轻量化（RepVGG-A0替换）、结构化剪枝（参数量减少50%）、知识蒸馏（精度恢复至97.6%mAP）、INT8量化（计算量降低4倍）以及TensorRT加速等关键技术，在精度仅下降0.8%的前提下实现9倍性能提升。特
摘要 工业视觉检测中，光照不均是导致60%以上项目失败的核心问题。传统方法（如调整光源、固定阈值等）缺乏自适应性，难以应对复杂多变的光照条件。本文提出基于Java+YOLOv11的系统性解决方案，从数据、模型、推理三个层面优化： 数据层面：通过随机亮度/对比度调整、阴影模拟等增强方法，结合真实产线多时段数据采集，提升模型对光照变化的泛化能力。 模型层面：引入CBAM注意力机制、多尺度训练和迁移学习
摘要： C#与YOLO深度学习的组合已成为工业视觉系统的黄金标准，满足工业场景对稳定性、实时性、集成性和部署便捷性的严苛需求。C#凭借.NET运行时的稳定性、丰富的工业生态和高效GUI开发能力，成为工业上位机开发的首选；YOLO则以其单阶段检测架构、高精度和轻量化特性，适配工业目标检测需求。通过ONNX Runtime实现跨框架模型部署，C#调用YOLO模型时性能优于Python，支持毫秒级实时推
摘要： 论文《InceptionNeXt》提出了一种新型CNN架构，通过融合Inception思想与ConvNeXt的大核卷积优势，解决了传统大核卷积内存访问成本高的问题。核心创新是Inception深度卷积，将大核分解为并行的小方核、带状核和恒等映射分支，在保持大感受野的同时显著降低计算复杂度。实验显示，InceptionNeXt-T在ImageNet-1K上比ConvNeXt-T快1.6倍且精
公路边坡落石滑坡监测黑光摄像头，基于YOLOv8+TransformerAI识别技术，快速识别桥梁垮塌、边坡滑坡、泥石流等灾害，并触发灾害报警机制，及时、迅速地提醒过往车辆采取紧急避让、驶离公路等措施，正在重新定义公路灾害智能监测的技术边界。
摘要： 本文提出BMCNet，一种用于事件流超分辨率（ESR）的双流解耦网络，通过独立处理正负事件并设计双边信息交换模块（BIE）实现特征互补。传统方法混合处理正负事件导致边缘模糊，而BMCNet将二者解耦为独立分支，利用BIE在通道维度交互全局结构信息，增强细节恢复能力。实验表明，该方法在真实与合成数据集上性能提升超11%，且BIE模块可扩展至多模态任务。代码已开源。 （字数：149）
直击考场与线上考试的防作弊管理痛点，本文推出一款集实时预警与证据留痕于一体的智能监考桌面平台。依托PySide6，该系统流畅接入图、视、机多源视流，提供直观的进度与耗时反馈，并支持灵活的阈值调参及目标高亮复核。为满足严谨的教务追溯需求，系统内置SQLite管理免登录会话与检测档案，支持将违纪记录一键导出为CSV台账及带有检测框的PNG或AVI取证影像。核心算法全面覆盖YOLOv5至YOLOv12八
为赋能智慧仓储与物流分拣，本项目打造了一套开箱即用的快递包裹智能检测桌面工作站。系统基于PySide6流畅接入多源输入（图/视/摄像头），直观呈现检测框、置信度与处理进度。依托SQLite，平台构建了包含免登录入口的本地数据闭环，允许一键归档CSV报表及可视化影像（PNG单帧或AVI长视频）。在硬核算法层面，系统不仅深度横评了YOLOv5至YOLOv12八大模型的mAP、F1等关键指标以辅助实景部
面向纺织生产线的质检痛点，本文推出一款集“训练、评测、部署”于一体的布匹缺陷智能检测平台。该系统基于PySide6开发，无缝接入图片、视频及摄像头流，不仅能实时渲染目标框、置信度与进度条，还依托SQLite构建了兼顾免登录跳过的账户体系与数据追溯闭环。质检人员可便捷地将结果一键导出为CSV台账及带框可视化影像（PNG或AVI）。此外，底层算法全面剖析了YOLOv5至YOLOv12八大版本在mAP、
针对安防看护需求，本文实现了一款基于PySide6的跌倒检测桌面系统。该方案整合了图片、视频及摄像头多源输入，并实时反馈推理进度与耗时。依托SQLite，系统构建了支持免登录跳过的本地账户及检测记录追溯体系，允许一键导出CSV报表、单帧PNG或多帧AVI影像。在算法侧，系统横向对比了YOLOv5至YOLOv12共八代模型，支持运行态下的权重热切换，并详尽分析了mAP、F1等指标以辅助实时场景下的部
针对复杂光照与多尺度遮挡环境下的表情识别挑战，本文研发了一套基于PySide6的智能桌面分析平台。该系统全面兼容图片、视频及摄像头多源输入，实时反馈推理耗时与进度，并依托SQLite构建了包含免登录模式的本地数据追溯闭环。用户能便捷地将识别台账导出为CSV，或一键保存带框的PNG图像与AVI长视频。在算法引擎方面，系统深度适配了YOLOv5至YOLOv12八大版本模型，支持本地权重免重启热替换及界
针对森林与工业场景的早期火灾预警，本文构建了一套基于PySide6与YOLOv12的桌面级火焰智能检测系统。该软件不仅全面兼容图片、视频和本地摄像头实时推理，还提供直观的进度与耗时反馈。为保障数据可追溯，平台依托SQLite打通了包含免登录模式的账户与历史记录闭环，并允许一键归档带框检测影像（PNG/AVI格式）及CSV数据报表。在算法核心上，系统深度整合了YOLOv5至YOLOv12八代模型，支
聚焦消防与安防实战需求，本文研发了一款基于PySide6的火焰与烟雾智能预警桌面系统。平台兼容图片、视频及摄像头多源实时侦测，直观展示检测框与进度，并开放阈值微调与目标高亮功能。借助内置SQLite与灵活的免登录机制，系统实现了检测记录的本地闭环追溯，支持一键导出CSV台账及带框的PNG与AVI影像。其核心算法引擎囊括了YOLOv5至YOLOv12八代模型，支持权重的免重启热切换。文章详尽对比了m
为了满足水果分级与缺陷筛查等精细化需求，本文创新性地打造了一款基于PySide6的桌面级品质智能检测平台。该平台无缝兼容图片、视频及本地摄像头等多源输入，不仅提供直观的进度反馈，还支持灵活的阈值调参及目标高亮。在数据留存方面，系统依托SQLite构建了包含免登录模式的本地闭环追溯体系，确保检测报表（CSV）及可视化影像（PNG单帧/AVI长视频）的高效导出与归档。尤为突出的是，系统内核深度集成了Y
针对水果采摘、分拣及零售质检环节，本文实现了一款基于PySide6的桌面端新鲜度智能检测系统。该软件整合了图片、视频及摄像头多源输入，直观叠加新鲜度等级标签并提供实时进度反馈。借助内置SQLite，系统搭建了支持免登录跳过的灵活账户机制与闭环数据追溯功能。其核心工程亮点在于：支持一键导出CSV报表及可视化画面（PNG或AVI格式），且允许免重启热插拔YOLOv5至YOLOv12八大版本模型权重。结
针对城市垃圾分类难题，本文推出一款基于PySide6的桌面级智能检测系统。该软件集成图片、视频及摄像头多源输入，直观展示处理进度、耗时与带置信度的目标框。数据管理上，依托SQLite提供支持免登录跳过的会话机制，允许将检测记录导出为CSV，并一键保存带框画面（单帧PNG或多帧AVI）。算法端横向覆盖YOLOv5至YOLOv12八大版本，详尽剖析了mAP、F1等核心指标以助推实景部署选型，更实现了免
本文介绍了一款基于PySide6的常见手势智能识别桌面系统。它支持图片、视频及摄像头多源输入，可实时可视化手势类别、置信度、处理进度与耗时。系统内置SQLite数据库实现账户与识别记录的本地闭环管理（支持免登录跳过），允许一键导出CSV统计数据及带框画面（单帧PNG/多帧AVI）。此外，系统支持YOLOv5至YOLOv12共8种模型权重的本地热切换，文章详细对比了这些模型在mAP、F1等指标下的表
本文介绍了一款基于PySide6的血细胞智能检测与计数桌面系统，专为显微镜血涂片图像设计。系统支持图片、视频与摄像头输入，可实时可视化检测框与处理进度，并支持Conf/IoU在线调参。其内置SQLite数据库实现账户与检测记录的本地闭环管理（支持免登录跳过），允许一键导出CSV统计数据及带框画面（单帧PNG/多帧AVI）。此外，系统具备YOLOv5至YOLOv12共8种模型权重的本地热切换能力，文
本文介绍了一款基于PySide6的安全帽佩戴智能检测桌面系统，专为施工现场PPE监管设计。系统支持图片、视频及摄像头多源输入，可实时可视化检测框与处理进度。其内置SQLite实现账户与检测历史的本地闭环管理，支持免登录跳过，并允许一键导出CSV数据及带框画面（单帧PNG/多帧AVI）。此外，系统支持YOLOv5至YOLOv12共8种模型权重的本地热切换，文章详细对比了这些模型在mAP、F1等指标下
本文介绍了一款基于PySide6的农作物害虫智能检测桌面系统，专为复杂田间环境设计。系统支持图片、视频与摄像头多源输入，可实时可视化检测框、处理进度及耗时，并支持阈值在线调参。其内置SQLite数据库实现账户与历史记录的本地闭环管理（支持免登录跳过），检测结果可一键导出为CSV或带框画面（单帧PNG/多帧AVI）。此外，系统支持YOLOv5至YOLOv12共8种模型权重的热切换，文章详细对比了这些
本文介绍了一套基于PySide6的海洋动物智能检测桌面系统，专为温室与近海养殖等复杂场景设计。它支持图片、视频与摄像头输入，实时可视化类别、置信度及处理进度。系统内置SQLite实现账户与历史记录的本地追溯，检测结果可一键导出为CSV或带框画面（单帧PNG/多帧AVI）。此外，系统支持YOLOv5至YOLOv12共8种模型权重的热切换，文章详细评测了这些模型在mAP、F1等指标上的表现，为不同部署
计算机视觉
——计算机视觉
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
AtomGit开源社区
