登录社区云，与社区用户共同成长
邀请您加入社区
本文介绍了基于深度学习的扑克牌识别API，该技术可准确识别牌值、花色及位置坐标，支持多张扑克牌同时检测。API返回结构化数据（包括牌值、花色、坐标和置信度），适用于AI算牌器、棋牌机器人等场景。文章详细说明了API功能特点、调用方法（提供Python/Java/PHP示例）及提升识别效果的建议，并推荐石榴智能平台提供免费体验和完整开发文档。该API相比传统识别方法具有更高准确率，能有效降低开发成本
更重要的是，每一次审查中产生的审核意见——业务的、法务的、财务的——都被系统自动采集、提炼，用于迭代下一次审查。签完后，所有扫描件再批量自检一遍，不一致的自动生成复核清单，消息提醒直达责任人。：法务从文件夹里翻出一份三年前的范本，逐条修改。：相似度雷达30秒跑完，合同与招标文件、历史范本、续签文本的差异一目了然。产品推出90天内，两家央企签约部署，进入实战。这两个数字加在一起，意味着合同管理的智能
频率调制连续波（FMCW）雷达是一种常用的雷达技术，通过发射频率随时间连续变化的电磁波，并接收目标反射回来的回波，从而获取目标的距离、速度等信息。与传统脉冲雷达相比，FMCW 雷达具有结构简单、成本低、分辨率高以及能够同时测量距离和速度等优点，广泛应用于汽车防撞、无人机避障、工业检测和气象监测等领域。
摘要：本数据集是一个专门针对公共区域发传单行为的目标检测数据集，包含 3,443 张真实场景图像和 6,886 个精确标注框。 数据集采用 YOLO 格式标注，涵盖 person（人员）和 leaflet（传单）两个核心类别， 旨在支持公共空间中人员与传单交互行为的智能识别与分析。
AI防爆摄像机通过智能算法实现港口船舶逆行偏航的24小时监测，解决传统人工监控的滞后问题。其采用防爆设计适应港口环境，结合低照度成像和边缘计算技术，在复杂条件下稳定工作。系统部署于航道关键节点，实时识别异常航行并告警，显著提升响应速度。实际应用中需注意算法优化和多源数据验证，确保检测准确性。该技术为港口安全管理提供了高效可靠的解决方案。
本文详细介绍了基于FPGA和帧差算法的实时运动目标检测与跟踪系统设计，涵盖算法原理、硬件实现、多平台工程源码及优化技巧。通过并行处理和流水线设计，FPGA在图像识别和目标跟踪中展现出显著优势，实测处理720P图像仅需3ms。文章还提供了Xilinx和Altera平台的实现细节、性能对比及典型问题解决方案，助力开发者快速构建高效运动检测系统。
智慧农业之黄瓜识别 黄瓜采摘点识别 黄瓜和果柄图像识别数据集农作物图像识别数据集 yolov13农作物识别数据集第10273期
智慧农业之草莓成熟度识别数据集 草莓成熟识别 草莓根茎识别 草莓未成熟数据集农作物成熟度识别 AI图像识别10219期
智慧农业之苹果采摘点识别数据集 苹果识别数据集 水果采摘点识别图像数据集 yolov11水果识别 图像数据集10269期
智慧农业之茄子健康度识别 农作物数字化与智能化识别数据集 茄子计算机视觉数据集 茄子果实腐烂 果实蛀虫数据集
港口船舶巡检正从传统人工方式转向AI自动检测。传统人工巡检存在效率低、夜间效果差、无法持续等问题。新型AI系统通过高清摄像头和视觉算法，可实时识别船舶状态、系缆情况等异常，实现7×24小时监控并即时报警。应用显示，AI巡检显著提升效率，将响应时间从半小时缩短至秒级，同时降低人工巡检频率。部署需考虑摄像头布局、多传感器融合及算法速度等技术细节。AI检测并非取代人工，而是让人员专注于异常处理，从而降低
本项目是一套基于深度学习YOLOv8模型开发的，聚焦安防场景下危险刀具识别需求，适配图片、视频、摄像头实时检测等多场景，配套完整数据集、训练模型、可视化界面及代码，可快速部署落地。g。
本项目聚焦铁路轨道安全巡检场景，基于YOLOv8深度学习框架，构建一套完整的铁轨缺陷检测解决方案。涵盖专用数据集构建、模型训练优化、PyQt5可视化界面开发全流程，可实现铁轨8类缺陷的精准识别，适配工业质检、科研实验等场景，助力铁路巡检智能化升级。
工业视觉领域YOLO算法版本选择指南 摘要：本文针对工业缺陷检测场景，对比分析了YOLOv8、v10和v11三个主流版本的性能差异。通过实际测试数据表明，YOLOv11在小目标检测（0.1mm缺陷识别率78.9%）、漏检率（0.8%）和推理速度（132FPS）方面表现最优，是精度与速度的最佳平衡；YOLOv8成熟稳定但速度较慢；YOLOv10虽快但漏检率高达3.7%。建议根据项目需求选择：高精度场
智慧隧道场景识别 隧道渗漏识别 隧道裂缝 隧道脱落 地铁隧道渗漏、、地铁地铁裂缝墙壁剥落 图像分类和目标检测数据集 (1)
智慧铁路车轮缺陷识别数据集 火车车轮目标检测数据集金属腐蚀生锈图像识别数据集 detr算法1024
智慧铁路场景图像识别数据集 铁路闭合屏障警示柱识别 警示彩旗图像识别数据集 铁路栅栏识别图像数据集 列车识别图像数据集第10238期
智慧体育要素识别之兵乓球识别数据集 乒乓台识别 运动员及裁判员识别数据集 运动会场景要素识别数据集 yolo目标检测数据集 第10193期
摘要：本研究采用的车辆品牌与类型检测数据集由研究团队自主构建，具备完整的数据采集、标注与整理流程，并具有明确的自主知识产权。数据集面向智能交通与智慧出行等应用场景，涵盖多类车辆品牌与车型类型目标，包括 Audi、BMW、Porsche、Mercedes、Volkswagen、Toyota、Tesla 等主流品牌，以及 Sedan、Coupe、Pickup、SUV、MPV、Truck 等车辆类型。样
数据集以无人机航拍图像为核心，单类别聚焦桥梁裂缝检测，数据场景、形态、角度覆盖全面，分辨率平衡精度与效率，为桥梁健康监测自动化提供高质量基准数据，支撑算法开发、验证与落地应用。
我们提出了BiFPN-YOLO这一新模型，其核心在于用更复杂的BiFPN颈部结构替换了YOLOv5中的标准PANet。针对BiFPN-YOLO的实验表明，与YOLOv5及当前最先进的单阶段检测器相比，该模型在计算效率和性能方面均取得显著提升；此外，转移学习还能改善目标定位精度；本文提出的BiFPNYOLO模型相较现有YOLOv5系列目标检测模型实现了显著改进：不仅用性能更优的双向特征金字塔网络（B
航拍电力设施图像分割数据集（Power line）
智慧桥梁缺陷识别数据集 桥梁裂缝识别、大桥腐蚀污渍数据集、建筑物剥落识别、桥梁暴露钢筋识别、桥梁泛碱识别图像数据集 第10235期
港口船舶盲区问题长期困扰作业安全与效率。传统监控存在视野局限，人工巡检易受环境制约。AI视觉检测技术通过智能摄像头网络和实时分析算法，实现了对船舶轮廓、人员位置等关键信息的自动识别。系统采用目标检测和图像分割技术，结合边缘计算降低延迟，有效覆盖传统盲区。实际应用中，该系统能实时监测泊位间距、危险区域闯入等情况，显著提升安全预警能力。虽然极端天气下性能会受影响，但通过与雷达、AIS等传感器数据融合，
互易性原理将接收阵列与声源位置互换，将原本需要N次声场计算（N为声源网格点数）降低为M次（M为阵元数），M通常远小于N。处理带宽从100Hz扩展到500Hz时，检测性能提升了3dB，验证了宽带处理的优势。仿真表明，当声源频谱起伏标准差为5dB时，最大信噪比处理器的检测概率在信噪比-10dB下为0.83，而线性非相干仅为0.52。✨ 长期致力于被动声纳、宽带目标检测、匹配场处理、最大信噪比处理器、互
类别名称:['american_football','baseball','basketball','billiard_ball','bowling_ball','cricket_ball','football','golf_ball','hockey_ball','hockey_puck','rugby_ball','shuttlecock','table_tennis_ball','tenni
查询最初被初始化为 BEV 空间中的稀疏柱体集合。区别于传统方法使用3D参考点作为query初始化，SparseBEV采用BEV空间的柱体作为query初始形式：每个query包含位置(x,y,z)、尺寸(w,l,h)、旋转θ、速度[vx,vy]及对应的D维特征，z初始化为0、h初始化为4m，引入了更合理的空间先验，相比参考点可带来0.5NDS的性能提升。要缩小稀疏方法与稠密方法的性能差距，需要同
港口船舶检测长期面临漏检误检问题，主要源于船舶数量大、类型杂、环境恶劣等因素。高精度AI算法通过计算机视觉和深度学习技术，能实时识别船舶特征，提高检测准确率和效率。相比人工检测，AI系统不受疲劳和恶劣天气影响，能捕捉细微差异，显著提升港口管理效能。但AI系统仍需优化摄像头布点和模型迭代，以应对新型船舶识别挑战。AI技术的应用并非取代人工，而是辅助工作人员提升管理质量，为港口作业提供更可靠的船舶识别
柑橘病害检测和识别2：基于YOLOv11柑橘病害识别系统(含训练代码和数据集)
柑橘病害检测和识别3：基于YOLOv11柑橘病害识别系统(含训练代码、数据集和GUI交互界面)
本文介绍了基于YOLOv10算法实现工业产品缺陷检测的全流程方案。YOLOv10作为新一代目标检测算法，通过优化网络结构和检测头设计，在保持轻量化的同时提升了检测精度和速度。文章详细阐述了环境配置、数据集准备（包含3类缺陷）、模型训练（使用YOLOv10n轻量化版本）和推理部署的具体实现方法，并提供了关键代码示例。实验结果表明，该方法能有效检测工业零件缺陷，输出缺陷位置、类别和置信度等信息。最后提
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
DAMO开发者矩阵
亚马逊云科技技术品牌专区
AI编程社区
