登录社区云，与社区用户共同成长
邀请您加入社区
面向任务的目标检测旨在找到适合执行特定任务的物体。作为一项具有挑战性的任务，它需要在模糊语义下同时进行视觉数据处理和推理。最近的解决方案主要是多合一模型。然而，目标检测主干在没有文本监督的情况下进行了预训练。因此，为了将任务要求纳入其中，他们复杂的模型在高度不平衡和稀缺的数据集上进行了广泛的学习，导致性能上限，训练繁琐，泛化性差。相反，我们提出了 TaskCLIP，这是一种更自然的两阶段设计，由一
YOLO（You Only Look Once）的数据处理流程是为了解决目标检测领域的核心挑战，核心目标是为模型训练和推理提供高效、规范化的数据输入。
该数据集由Eran Goldman等人开发，包含超过110,000个独特的库存单位（SKU）类别，这些类别具有密集堆积的物体，这些物体通常看起来相似甚至相同，并且彼此相邻放置。首先，对其images进行划分，在数据集的交接处将全部test图像进行迁移，创建一个全新的文件夹在images下，分别命名为test，train,val。创建一个.py文件，位于项目的根目录下，复制一下代码，并修改一下其中的
Bevfusion环境安装，数据生成报错解决module 'numpy' has no attribute 'long'；most likely due to a circular import。bevfusion docker环境
3. criteria：指定迭代搜索算法的终止条件，在指定的最大迭代次数 10 之后或搜索窗口移动小于 0.03。我们这里是从圆周轨迹16个点，当9个满足条件，此判定圆心像素点为特征点。1. threshold：边缘轨迹点和中心点的差值阈值。1. preImgGray：前一帧图片灰度图。我们这里只对检测框里的像素做特征点检测。3. prePt：前一帧图片的特征点。2. gray：当前帧图片灰度图。
本文介绍如何从零开始训练一个 YOLOv1 模型，包括 DarkNet 网络构建、训练流程、参数加载、数据集准备、模型评估与检测推理等完整步骤。适合目标检测初学者。代码仓库：https://github.com/Keep-Doing-guoguo/yolo/tree/master。
入门小菜鸟，希望像做笔记记录自己学的东西，也希望能帮助到同样入门的人，更希望大佬们帮忙纠错啦~侵权立删。虽然现在有很多可以现用的数据集，比如说coco，MINIST等，但有些时候需求不一样，还是没法偷懒，要自己制作shu...
采用matlab画跟踪器在VOT数据集视频序列上的可视化跟踪结果
多目标跟踪数据集格式介绍
在使用YOLO进行目标检测任务时，我们经常会遇到这样的场景：使用make-sense等工具标注完数据后，需要将杂乱的数据整理成YOLO训练所需的格式，并合理划分训练集和验证集。这个过程如果手动操作，不仅繁琐还容易出错。按类别整理和预览标注的图片方便地选择验证集样本自动构建符合YOLO格式的数据集这个工具极大地简化了YOLO数据集的准备过程，使研究人员可以将更多精力放在模型训练和优化上。无论是个人项
编辑丨极市平台DanceTrack下载链接：https://www.cvmart.net/dataSets/detail/1129一个大规模的多目标跟踪数据集，用于在遮挡、频繁交叉、统一外观和多样化肢体姿态中进行人体跟踪。建议强调运动分析在多目标跟踪中的重要性，而不是主要基于外观匹配的图表。Wildtrack下载链接：https://www.cvmart.net/dataSets/detail/1
当物体变幻时，它的外观可能转瞬即逝。例如当鸡蛋被打碎或者纸张被撕破时，他们的颜色、形状和质地都会发生巨大的变化。除了身份本身外，几乎不保留任何原始特征。然而在现有的视频分割基准中，基本上都没有注意这一重要现象。在这项工作中，我们通过收集一个新数据集（变换下的视频对象分割-VOST）来填补这一空白。该数据集由700多个在不同环境中捕获的高分辨率视频组成，这些视频平均长度为21秒，并用实例掩码进行密集
本文介绍了一种基于YOLOv8的苹果叶片病虫害智能检测系统。该系统针对苹果种植中的常见病害（如褐纹病、褐斑病等）和虫害，采用YOLOv8目标检测算法进行高效识别。系统使用包含946张标注图像的真实果园数据集，通过改进的C2f骨干网络、PAN-FPN特征融合和解耦检测头等技术，在检测精度和速度上较前代YOLO模型有显著提升。结合Streamlit框架构建的交互式Web应用，该系统实现了图像上传、实时
背景：熟悉目标检测和 MMDetection 常用自定义流程。任务：基于提供的 notebook，将 cat 数据集换成气球数据集;按照视频中 notebook 步骤，可视化数据集和标签;使用MMDetection算法库，训练 RTMDet 气球目标检测算法，可以适当调参，提交测试集评估指标;用网上下载的任意包括气球的图片进行预测，将预测结果发到群里;按照视频中 notebook 步骤，对 dem
DOTA数据集是一个用于航空图像中目标检测的大规模数据集，旨在帮助研究人员开发和评估航空图像中的目标检测算法。该数据集具有广泛的应用价值，尤其在计算机视觉和遥感技术领域。DOTA数据集的特点主要体现在以下几个方面：首先，其图像来源多样，包括不同传感器和平台收集的航空图像，这使得数据集具有丰富的场景变化和实际应用价值。其次...
近日， CVPR 2025（IEEE/CVF Conferenceon on Computer Vision and Pattern Recognition）论文录用结果揭晓，本次大会共2878篇被录用，录用率为22.1%。CVPR是计算机视觉领域的顶级国际会议，CCF A类会议，每年举办一次。CVPR 2025将于6月11日-15日，在美国田纳西州纳什维尔音乐城市中心召开。今年，
-annotations-train2017-train-GOT-10_Train_000001...-GOT-10_Train_009335-test-GOT-10_Test_000001...-GOT-10_Test_000180-val-GOT-10_val_000001...-GOT-10_val_000180-airplane-airpla
labelme可以标注分割，关键点检测，这种连线的（最后生成的标签文件是json后缀，所以需要yolo格式需要进一步转换）labelimg就是标注框选这种，目标检测的，可以直接获取Yolo文件的格式。Auto Save mode:切换到下一张图片的时候，会自动保存标签。标注的工具一般是两种：labelme和labelimg。后面两个数字代表目标对象在图像中的中心位置(x,y)最后两个数字代表目标对
数据集下载链接：http://suo.nz/3cvbiC。
在学习大语言模型的基本原理的时候，发现遇到了很多问题，比如一个个单词是怎么转换为向量的，是提前得到的还是训练过程中得到？
MMdetection官方中文文档1：使用已有模型在标准数据集上进行推理MMDetection 在 Model Zoo 中提供了数以百计的检测模型，并支持多种标准数据集，包括 Pascal VOC，COCO，Cityscapes，LVIS 等。这份文档将会讲述如何使用这些模型和标准数据集来运行一些常见的任务，包括：使用现有模型在给定图片上进行推理在标准数据集上测试现有模型在标准数据集上训练预定义的
建筑工地车辆检测数据集-28,000 张图片 施工现场安全监控 智能工地管理系统 交通管理与规划 设备租赁管理 保险理赔评估 智能停车管理
2025年智能制造与自动化国际研讨会（ISIMA 2025）定于2025年10月24-26日在中国广州隆重举行。会议主题涵盖智能生产系统、工业物联网、人工智能在制造业的应用、机器人技术、数据分析与优化等多个方面。与会者将有机会分享研究成果，参与前沿话题讨论，并建立宝贵的学术与行业联系。
基于自体视野的边界、关系；操作的规范树立
摘要：本文探讨AI对齐中的四个核心问题：1）多模态感知的边界对齐，确保异构模态（视觉、语言等）的语义与空间匹配；2）存在状态的动态位格继承，明确AI作为人类代理的权限边界；3）数据类性识别与形态边界对齐，避免跨范畴处理错误；4）关系与操作的理解一致性，要求AI评估操作可行性。提出算法级解决方案（如跨模态损失函数、位格状态机），强调建立动态自省的对齐生态，使AI成为多模态协调者、权限清醒者、数据分类
足球场景目标检测数据集-6700张图片 体育AI 足球分析 实时检测 智能转播 运动员追踪 多目标识别
篮球场景目标检测数据集-4,100张图片 体育AI 篮球分析 实时检测 运动员追踪
脑肿瘤检测数据集-9,900张图片 医学影像 脑肿瘤识别 AI医疗 放射科辅助
植物病害检测数据集-5500张图片 农业AI 植物病害识别 智慧农业 无人机巡检 病虫害预警
皮肤癌检测数据集-9,900张图片 皮肤癌检测 医学影像 深度学习 皮肤镜 AI医疗
鸟类物种识别数据集-9,880张图片 鸟类识别 生态保护 自然语言处理 移动AI 生物多样性
然而，针对印尼地区红辣椒专属病害的高质量标注数据集十分稀缺，导致当地农业 AI 检测模型开发受阻。该数据集不仅为论文的模型训练与验证提供了核心支撑，更面向全球研究者开放，旨在推动农业领域病害检测深度学习技术的发展与落地，助力农户高效防治病害、减少经济损失。在农业生产中，红辣椒作为重要经济作物，常受多种病害侵袭，传统人工检测效率低、误差大。而基于深度学习的病害检测技术，需高质量标注数据集支撑。在使用
展示了探讨这个AI跟踪运动足球的一些思路与实践
年提出的一种基于数值优化的算法。模型预测控制的基本实现是根据对象的约束条件和控制目标，使用成本函数来评价系统的行为，当得到优化问题的最优解后，再将这个控制策略的第一个动作应用到对象上，然后重复这个步骤。模型预测控制在对系统进行优化时，能够将处理约束的过程与优化的过程结合在一起，可以减小扰动引起的不确定性。虽然实时性是模型预测控制的一个缺点，但是随着近年来计算机性能的提高、算法结构的改进、计算工具的
1580测试台对无人机动力系统的无刷电机和螺旋桨进行测试，测量高达5kgf的拉力和2Nm的扭矩，以及电压，电流，功率，电机转速，振动和效率。
所提出的 NWD 度量方法可轻松嵌入到任何基于锚点的检测器的分配、非极大值抑制和损失函数中，以替代常用的 IoU 度量。在用于微小目标检测的新数据集（AI-TOD）上的评估表明，采用 NWD 度量方法后，性能比标准微调基线高出 6.7 个 AP 点，比最先进的竞争对手高出 6.0 个 AP 点。
FinMind是一个由热情的开发者和金融专业人士共同创建的开源项目。该平台提供超过50种金融数据集,涵盖了从股票价格到宏观经济指标的广泛范围。FinMind的使命是为所有人提供高质量、易于访问的金融数据,从而促进金融市场的透明度和效率。FinMind正在改变金融数据的获取和分析方式。通过提供全面、高质量的开源数据,FinMind不仅为投资者和研究人员提供了强大的工具,也为金融市场的透明度和效率做出
螺旋桨结冰是无人机操作员和设计人员众所周知的危险。对天气条件的错误估计可能导致巨大的事故和损失。正如本报告所示，结冰条件下的性能变化是非线性的，并且可能具有欺骗性，可能导致操作员低估无人机的危险。...
好的，在写目标跟踪程序之前，你需要准备以下几个步骤：了解你的目标跟踪器的工作原理。你可以使用计算机视觉技术来跟踪目标，例如使用视频流中的运动信息或图像差分。选择一个目标跟踪器框架。你可以使用 Python 中的计算机视觉库(例如 OpenCV)来实现目标跟踪器，也可以使用更专业的框架(例如 dlib)。准备好视频数据。你可以使用摄像头采集实时视频，也可以使用视频文件或图像序列。下...
俄勒冈州立大学的Alastair P. Thulbeck和YueCao开发了一个建模框架，用于比较VTOL无人机的不同动力系统架构。他们在论文“无人机动力系统架构的分析和建模”中展示了他们的发现。
ATOM代码运行记录（测试加训练）pytracking系列跟踪的环境配置间博客代码测试#在pytracking/run_tracker.py下有运行参数parser = argparse.ArgumentParser(description='Run tracker on sequence or dataset.')#需要运行的跟踪器名称，在pytracking/tracker/路径下parser
无刷直流电机是一项天才发明，它改变了电力推进领域的游戏规则。它们简单而流线型的设计，使遥控车和无人机等车辆能够以最大的控制力高效运行。
VOT2018测试问题：AssertionError: D:\3.Object tracking\pysot-master\tools\../testing_dataset\VOT2018\ants1/color/00000001.jpg解决方法：将作者给定json文件里面的/color全部替换了，因为我的数据集里面的图片没有放在color文件夹里面AssertionError: D:\3.Obj
保证能学废！！文章目录前言1、环境搭建2、文件配置3、测试及对比前言 pysot-toolkit是一款评估单目标跟踪性能的工具，可以计算OPE(One Pass Evaluation)下的Success和Precision、以及VOT(Visual Object Tracking)的性能指标Accuracy、Robustness、EAO等。本文在ubuntu系统下进行测试。1、环境搭建 首先在
多目标跟踪是指从图像或视频序列中同时检测和跟踪多个目标的任务。它的目标是在连续的帧中准确地估计目标的位置、运动轨迹以及其他属性，并且能够正确地关联不同帧中的同一目标。多目标跟踪既需要有效地检测出目标，又需要准确地预测目标的运动轨迹，因此具有一定的挑战性。多目标跟踪是一项具有挑战性的任务，但也是计算机视觉领域的一个重要研究方向。通过不断的研究和创新，我们可以提高多目标跟踪算法的准确性和鲁棒性，推动其
目标跟踪
——目标跟踪
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
魔乐社区
2048 AI社区
北京朝阳AI社区
讯飞AI开发者社区
