本文提出了一种基于改进YOLO11和动态加权融合(DWR)的交通手势识别系统。通过构建包含8种手势、共10950张图像的数据集，并采用多尺度数据增强策略，有效提升了模型性能。在YOLO11架构基础上引入DWR机制，实现了自适应特征融合，使mAP提升3.7个百分点。实验结果显示，系统在测试集上平均F1-Score达0.931，推理速度42 FPS。通过OpenVINO部署优化后，推理速度进一步提升3

集装箱损伤检测数据集与YOLOv26模型应用 摘要：Damaged Container OJN数据集是一个包含903张预处理图像（640x640像素）的集装箱损伤检测数据集，采用YOLOv8格式标注6类损伤。数据集通过随机旋转增强多样性，覆盖多种港口场景和损伤类型。文章详细介绍了基于YOLOv26模型的检测方法，该模型采用端到端无NMS设计，移除DFL模块并使用MuSGD优化器，显著提升检测效率。

集装箱损伤检测数据集与YOLOv26模型应用 摘要：Damaged Container OJN数据集是一个包含903张预处理图像（640x640像素）的集装箱损伤检测数据集，采用YOLOv8格式标注6类损伤。数据集通过随机旋转增强多样性，覆盖多种港口场景和损伤类型。文章详细介绍了基于YOLOv26模型的检测方法，该模型采用端到端无NMS设计，移除DFL模块并使用MuSGD优化器，显著提升检测效率。