登录社区云，与社区用户共同成长
邀请您加入社区
本数据集面向真实水下环境，提供海洋生物与潜水员的目标检测标注。核心解决水下图像特有的浑浊、色偏及光照不均等干扰问题，适用于水下机器人视觉、生态监测及海洋工程等研究场景。
2026年12月4-6日，全国15场学术会议同周举行，覆盖工科、交叉学科、工程与人文社科多个领域，地点分布南昌、成都、武汉、西安等多地，便于科研人员就近参会。会议支持论文投稿、口头报告与海报展示，助力硕博生及青年教师高效完成毕业与职称材料。主题涵盖计算建模、人工智能艺术疗愈、智慧交通、人机交互等前沿方向，提供高性价比的学术交流机会。
🏆 本文收录于 《YOLOv12实战：从入门到深度优化》 专栏。该专栏系统复现并深度梳理全网主流 YOLOv12 改进方法与工程实战案例，覆盖分类、目标检测、实例分割、多目标追踪、关键点检测、旋转目标检测等多个方向，坚持 持续更新 + 深度解析 + 工程验证。
先对账：9240 张图，划分现成（训练集 6091 张，验证集 2094 张，测试集 1055 张）。1 个类别（坑洼）。整套数据的主线是道路路面坑洼的目标检测，通过多场景、多角度的图像采集，全面覆盖了不同环境下的坑洼特征。标注过程严格遵循标准流程，确保了数据的高质量和一致性，为模型的高效训练打下了不错的底子。实际能用上的场景包括交通基础设施管理、智能驾驶辅助系统以及道路养护机器人等领域，特别是在
从"目标"到"像素"，一个模型全包了。 检测、指代、计数、指点、OCR、分割、抠图——7 类任务、9 个 benchmark，它一个模型全干，而且在多数任务上把 8B~9B 的专用/通用大模型按在地上摩擦。
本文提出了一种简单、无层次的视觉Transformer(ViT)作为目标检测的骨干网络。这种设计使原始的ViT架构能够针对对象检测进行微调，而无需重新设计用于训练前的分层主干。通过对微调的最小调整，我们的普通骨干检测器可以获得具有竞争力的结果。令人惊讶的是，我们观察到:(i)从单尺度特征图(没有常见的FPN设计)构建一个简单的特征金字塔是足够的，(ii)在很少的跨窗口传播块的辅助下，使用窗口注意(
ViTDet论文梳理
本文提出从传统ROS机器人向具身智能演进的技术路线图，强调在保留底层控制优势的基础上，通过大模型与数据驱动策略（如VLA、模仿学习）提升规划与任务泛化能力。结合AI Coding实现开发效率倍增，分四阶段推进：增强智能→模仿学习→仿真训练→自主进化。核心在于构建数据闭环与仿真优先的基础设施，以数据与仿真为护城河，最终实现“会听懂人话、能自主学习”的智能机器人。
RSPrompter 是一项基于SAM针对遥感图像实例分割的模型，由北航、上海人工智能实验室和香港大学的团队共同完成，发表于 IEEE TGRS 2024。
Agent = LLM 在循环中自主使用工具（Anthropic 简化定义）。LLM 输出下一步 → 执行工具 → 结果追加进上下文 → 重复，直到判定 done。step = llm.determine_next_step(context) # 工具调用 or 终止context.append(execute(step)) # 环境反馈（ground truth）Workflow= LLM 和工
本数据集专注于水下环境中的潜水员视觉检测与识别，服务于水域搜救、海洋工程巡检及水下安防。数据涵盖不同水深、光照和水质条件下的潜水员图像，适配目标检测模型训练、水下机器人视觉及自动化监控等应用。
MindSpore大模型预训练文本切分组件面向基座与续训场景，提供从原始文本清洗、分词、长文档滑动切分到Sequence-Pack拼接的全链路处理能力。通过EOS隔离文档边界、贪心Pack减少padding、多格式输出（Megatronbin/MindRecord），有效解决长文截断、短文浪费算力、语义混淆等痛点，支持昇腾NPU集群分布式高效预处理，适配MindSpeed-LLM流水线，实现高质量
本文基于OrangePiAIpro部署FasterR-CNN两阶段目标检测模型，提出拆分式推理方案：将RPN与ROI-Head分离为两个OM模型，规避动态shape与复杂算子转换问题。通过MMDeploy导出ONNX，ATC工具指定Ascend310B4芯片完成转换，关键后处理（Proposal解码、NMS）在CPU侧实现。实测表明，该方案稳定可行，适用于工业缺陷检测等高精度场景，强调避免NMS嵌
本数据集专注于建筑结构（如桥梁、隧道、墙面）表面混凝土缺陷的视觉检测与分类，服务于土木工程巡检、基础设施健康监测及自动化病害识别。数据涵盖三种典型混凝土缺陷，适配无人机巡检、智能检测机器人及结构安全评估等应用。
数据集概述本数据集专注于农田场景下棉花棉铃成熟度与采摘状态的视觉检测，服务于智慧农业、自动化采摘及棉花产量评估。数据涵盖四种典型的棉铃状态，适配目标检测模型训练、采摘机器人视觉系统及农情监测等应用。
本数据集专注于输电杆塔螺栓状态的视觉检测与分类，服务于电力巡检、结构安全评估及运维管理。数据涵盖三种典型的螺栓状态，适配无人机或机器人巡检系统中的目标检测任务，帮助及时发现杆塔连接件的松动或缺失。
目标检测
——目标检测
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
DAMO开发者矩阵
北京朝阳AI社区
人工智能6S服务平台
鲲鹏昇腾开发者社区
