登录社区云，与社区用户共同成长
邀请您加入社区
本文介绍了用于滑坡检测的 LS-YOLO 模型及其核心多尺度特征提取模块（MSFE）。该模块融合了高效通道注意力（ECA）、平均池化及空间可分离卷积，通过多分支并行结构充分提取滑坡的多尺度特征信息。我们将 MSFE 模块成功集成进 YOLOv8，增强了模型对复杂背景下滑坡特征的捕捉能力。
本文介绍了基于归一化的注意力模块（NAM），旨在通过抑制不显著特征来提升模型效率。该方法利用批量归一化的缩放因子衡量通道与像素重要性，替代了传统注意力中的全连接层，并引入权重稀疏惩罚以降低计算成本。我们将 NAM 模块及 C2f_NAM 变体成功集成进 YOLOv8，优化了特征提取过程。实验证明，结合 NAM 的 YOLOv8 在保持精度的同时显著提升了计算效率，性能优于 SE 及 CBAM 等主
本数据集含8000+张真实水面图像，标注5类常见漂浮垃圾（瓶子、易拉罐、纸盒、纸张、塑料制品），采用YOLO格式，含训练/验证/测试集。适用于YOLO系列等目标检测模型训练，助力水环境智能监测与治理。
摘要：目标检测技术在零售、工业、安防、农业和医疗等领域具有广泛应用价值。本文深入剖析了不同场景下的技术痛点与解决方案：零售货架需应对高密度小目标检测，工业流水线强调缺陷识别稳定性，安防监控关注异常行为分析，农业场景侧重低成本实施，医疗影像则注重误报控制。通过YOLO系列模型搭建、数据增强、边缘设备部署等关键技术，结合实际案例展示了如何平衡检测速度与精度。文章强调算法选型应基于"场景-算力-精度"三
本文介绍了如何在星图GPU平台上自动化部署“实时手机检测-通用”镜像，快速构建智能仓储中的手机入库识别系统。该系统基于DAMO-YOLO模型，能够实时、准确地检测传送带上的手机，并自动完成位置标注与分拣引导，显著提升仓储作业的自动化水平和处理效率。
本文介绍了如何在星图GPU平台上自动化部署YOLO12实时目标检测模型V1.0镜像，实现工业质检场景的智能化应用。通过该方案，企业可将YOLO12 API集成至ERP系统，自动识别产品缺陷并实时触发质检工单，大幅提升生产线的检测效率与自动化水平。
本文介绍了如何在星图GPU平台上自动化部署VideoAgentTrek-ScreenFilter镜像，实现对企业ERP系统截图或录屏视频中关键业务字段（如订单号、金额）的智能定位。该工具基于YOLO目标检测模型，能快速框选目标区域并输出结构化坐标数据，为后续的OCR识别与自动化数据录入流程提供精准的视觉定位支持。
香蕉成熟度分类数据集-13000张图片 图像分类 香蕉成熟度 农业自动化 水果分拣 深度学习 机器学习 智能零售 供应链管理 食品质检
本文介绍了如何在星图GPU平台上一键自动化部署🦅 EagleEye: DAMO-YOLO TinyNAS镜像，实现智能仓储AGV的实时避障感知。该方案能在20ms内完成障碍物检测，保障AGV在复杂仓储环境中安全、高效运行，有效提升物流自动化水平。
本文介绍了如何在星图GPU平台上自动化部署最新 YOLO26 官方版训练与推理镜像，快速构建仓储物流分拣系统。该镜像预置多尺度模型与工业级优化配置，支持对快递包裹、纸箱等目标的实时高精度检测，显著提升分拣效率与准确率。
本文介绍了如何利用星图GPU平台，一键自动化部署EagleEye: DAMO-YOLO TinyNAS镜像，快速构建智能仓储盘点系统。该方案通过毫秒级目标检测能力，实时分析仓库监控视频流，精准识别和统计货箱数量，实现了盘点工作的自动化与智能化，显著提升效率与准确性。
本文介绍了如何在星图GPU平台上自动化部署DAMOYOLO-高性能通用检测模型-S镜像，构建AI驱动的跨境物流X光图像违禁品初筛系统。该系统能自动分析包裹X光图像，快速识别并标记刀具、电池等违禁品，有效提升安检效率与准确性，减轻人工复核压力。
本文介绍了如何在星图GPU平台上自动化部署YOLOv12 官版镜像，赋能智能仓储包裹分拣场景。通过开箱即用的工业级优化，用户可快速实现毫秒级包裹识别与精准分拣决策，显著降低错分率并支持7×24小时稳定运行。
本文介绍了如何在星图GPU平台上自动化部署DAMO-YOLO 智能视觉探测系统镜像，实现多场景智能视觉分析。该镜像可快速落地于交通卡口违规行为识别、仓储物流托盘质检及农业植保作物监测等典型工业视觉任务，显著提升结构化事件识别与实时决策效率。
本文针对课堂教学智能化分析需求，构建了一套基于YOLOv8的教师行为检测系统。该系统旨在自动识别课堂场景中教师的六类关键行为：跷腿、引导学生、看屏幕、授课或提问、使用手机及书写。通过构建包含9,820张标注图像的数据集，并按照约9:1的比例划分为训练集（8,843张）、验证集（617张）与测试集（360张），训练了轻量级YOLOv8检测模型。实验结果表明，模型在验证集上的整体平均精度均值（mAP5
本文介绍了如何在星图GPU平台上自动化部署🦅 EagleEye: DAMO-YOLO TinyNAS镜像，实现智能仓储场景下的货箱识别与精确计数。该镜像专为流水线实时检测优化，支持毫秒级响应（18.3ms）与高精度堆叠货箱区分，广泛应用于电商仓配、AGV跟踪及货架自动盘点等工业视觉任务。
本文详细介绍了如何在树莓派5上使用NCNN框架高效部署YOLOv8模型，实现实时目标检测。通过对比PyTorch与NCNN的性能差异，展示NCNN在ARM架构上的优化优势，并提供从环境配置、模型转换到实战部署的完整教程，帮助开发者在边缘设备上实现20+fps的检测速度。
本文介绍了如何在星图GPU平台自动化部署🦅 EagleEye: DAMO-YOLO TinyNAS镜像，实现智能仓储管理。该镜像能够实时识别货物、自动盘点库存并检测异常行为，显著提升仓储作业效率与准确性，适用于电商、物流等行业的智能化升级。
本文介绍了如何在星图GPU平台自动化部署YOLO12目标检测模型WebUI镜像，实现智能仓储货物识别与库存管理。该系统通过实时视频分析自动识别货物、统计库存数量并监控货物状态，大幅提升仓储管理效率和准确性，适用于电商仓库等场景。
本文介绍了如何在星图GPU平台上自动化部署DAMOYOLO-高性能通用检测模型-S镜像，实现工业场景的智能视觉应用。该方案能够快速搭建目标检测环境，典型应用于智能仓储盘点，通过自动识别货架上的货物数量与状态，大幅提升盘点效率与准确性。
本文介绍了如何在星图GPU平台上自动化部署DAMOYOLO-高性能通用检测模型-S镜像，快速构建智能仓储盘点系统。该方案利用该模型强大的目标检测能力，可自动识别货架图像中的各类货品，并统计其数量，实现高效、准确的自动化库存盘点，显著提升仓储管理效率。
本文介绍了如何在星图GPU平台上自动化部署DAMOYOLO-高性能通用检测模型-S镜像，以构建智能仓储管理系统。该方案利用该模型实时分析仓库监控视频，自动识别货物并统计库存，实现库存自动盘点、货物错位告警等核心功能，显著提升仓储管理效率与准确性。
本文介绍了如何利用星图GPU平台自动化部署DAMOYOLO-高性能通用检测模型-S镜像，构建智能仓储货物盘点与定位系统。该方案通过AI视觉识别替代人工，实现7x24小时自动盘点，能精准识别货架上的货物种类与数量，并与数据库实时比对，快速定位库存差异，大幅提升仓储管理效率与准确性。
本文介绍了如何在星图GPU平台上自动化部署DAMOYOLO-高性能通用检测模型-S镜像，为智能仓储盘点机器人提供视觉识别能力。该模型能快速、准确地识别货箱及其标识，结合机器人定位技术，实现高效、精准的自动化库存盘点，大幅提升仓储管理效率。
本文介绍了如何在星图GPU平台上自动化部署DAMOYOLO-高性能通用检测模型-S镜像，实现智能仓储管理。该方案通过AI模型实时识别货架商品，并与数据库库存联动，自动完成商品盘点与缺货检测，有效提升库存管理效率和准确性。
本文介绍了如何在星图GPU平台上自动化部署鹰眼目标检测 - YOLOv8镜像，快速搭建智能仓储盘点系统。该系统能自动识别仓库货物并实时统计数量，大幅提升盘点效率和准确性，适用于中小型仓库的智能化改造。
本文介绍了如何在星图GPU平台上自动化部署DAMOYOLO-高性能通用检测模型-S镜像，实现智能仓储盘点。该方案利用AI视觉技术，通过摄像头实时识别货架商品，将传统人工盘点效率提升数倍，为企业提供高精度、低成本的库存管理解决方案。
本文介绍了如何在星图GPU平台上自动化部署YOLO12镜像，实现智能仓储中托盘/货架/叉车的多目标协同识别。用户无需配置环境，上传仓库监控图片即可3秒内获取结构化检测结果，广泛应用于货位状态核查、缺货预警与叉车安全追踪等典型工业场景。
本文介绍了如何在星图GPU平台上自动化部署鹰眼目标检测 - YOLOv8镜像，实现智能仓储货物自动计数功能。该方案通过YOLOv8的高效目标检测能力，可实时识别并统计货架上的物品数量，显著提升仓储盘点效率，误差率低于1%。适用于电子元器件仓库等需要高频次盘点的场景。
本文介绍了一个用于仓储物流场景的条形码检测数据集(YOLOv11格式)，包含215张图像(训练集181张，验证集34张)。数据集聚焦商品包装条形码识别，覆盖多种材质和光照条件，标注精确度高。该数据集可应用于智能仓储、快递分拣等场景，通过精确的边界框标注和合理的样本划分，为条形码检测模型训练提供可靠数据支持，推动物流自动化发展。数据配置包含清晰的目录结构和类别定义(nc:1, names:['Bar
本文介绍了如何在星图GPU平台上自动化部署YOLO12镜像，实现医学超声图像中胎儿器官轮廓与运动轨迹的智能追踪。该方案能够实时检测胎儿心脏、大脑等关键器官，并分析其运动模式，为产科医生提供精准的辅助诊断工具，提升胎儿健康评估的效率和准确性。
本文介绍了如何在星图GPU平台上自动化部署🦅 EagleEye: DAMO-YOLO TinyNAS镜像，并利用其可视化功能进行智能视频分析。该镜像集成了热力图叠加、检测框轨迹追踪和置信度渐变着色三大功能，可直观展示模型注意力与目标运动轨迹，典型应用于交通路口或停车场的车辆、行人监控与行为分析场景。
YOLO系列从2016年至今经历了多次革新，从最初的YOLOv1开创单阶段检测范式，到引入Anchor机制和多尺度检测的v2/v3版本，再到工程化巅峰的v4/v5。现代YOLO采用三段式架构（Backbone-Neck-Head）和六大创新技术，包括Anchor-Free设计、解耦头、Mosaic数据增强、DFL损失函数等。最新版本如YOLOv10实现无NMS端到端检测，YOLO26则成为终极形态
本文介绍了如何在星图GPU平台上自动化部署YOLO12镜像，快速构建电商商品自动标注系统。通过预配置Web界面与GPU环境，用户可一键启动服务，实现商品图中服装、配饰等目标的高精度检测与坐标输出，直接用于营销海报生成、ERP系统对接等典型业务场景。
本文介绍了如何在星图GPU平台上自动化部署YOLO12镜像，高效实现电商商品图像的自动标注。用户上传商品图后，系统可在秒级内输出带边界框的可视化结果及结构化JSON数据，直接用于ERP对接、多平台上架与AI生成流程，显著提升电商视觉内容处理效率。
本文介绍了如何在星图GPU平台上自动化部署🦅 EagleEye: DAMO-YOLO TinyNAS镜像，实现毫秒级目标检测能力。该轻量高效模型专为产线质检、交通卡口和仓储分拣等实时视觉场景优化，结合Prometheus+Grafana监控方案，可精准追踪GPU利用率、推理延迟与错误率，保障生产环境稳定运行。
本文介绍了如何在星图GPU平台上自动化部署Pi0 具身智能（内置模型版）v1镜像，快速构建基于YOLOv5的物体抓取系统。该镜像开箱即用，支持目标检测、位姿估计与机械臂控制集成，典型应用于电商物流分拣场景，显著提升包裹识别准确率与抓取鲁棒性。
本文介绍了如何在星图GPU平台上自动化部署🦅 EagleEye: DAMO-YOLO TinyNAS镜像，构建面向目标检测服务的实时运维监控看板。通过集成GPU利用率、推理延迟、QPS与错误率四大指标，可快速应用于工业质检、交通卡口、仓储分拣等实际视觉AI生产场景，提升系统可观测性与稳定性。
本文介绍了如何在星图GPU平台上一键自动化部署“实时手机检测-通用基于DAMO-YOLO和TinyNAS WebUI”镜像，快速搭建驾驶安全监控系统。该系统能实时检测驾驶员是否违规使用手机，有效提升行车安全，适用于车队管理、运输监控等实际场景。
本文介绍了如何在星图GPU平台上自动化部署Chord视频时空理解工具镜像，实现视频流中的实时目标行为分析与轨迹追踪。该镜像可无缝集成YOLOv8进行协同推理，典型应用于智慧安防中的人员动线分析、违规行为识别等场景，显著提升视频理解的准确率与响应时效。
本文介绍了如何在星图GPU平台上自动化部署DAMO-YOLO 智能视觉探测系统镜像，实现工业级视觉检测能力。通过平台一键部署，用户可快速构建具备请求追踪与性能埋点的智能检测服务，典型应用于工厂质检流水线、智能仓储分拣等实时目标识别场景。
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
AtomGit开源社区
快递鸟社区
AMD开发者中国社区
