此外，以前的实时目标检测器大多在不同的编码器阶段采用相同的卷积（即内核大小相同的卷积），但我们认为这并不是提取多尺度语义信息的最佳选择。我们选择的目标分支是基于分支的感受野和阶段，例如，在第二阶段，左边的分支是目标分支，对应小物体。不过，大内核卷积的有效感受野较大，会对更广泛的区域进行编码，从而增加了将小物体外部的干扰信息包含进来的可能性。尽管我们所使用的构建模块在多尺度能力方面有了很大的提升，但

其中，大会通票、贵宾票均需购买，观众票则为免费票，目前正开放申请，申请后需经审核通过方可参会。，以标展形式为主，将展示人工智能产业链优秀企业的创新技术、产品与方案，展商预计将覆盖。，进行观众票的申请，或购买门票。将于4月21日上午在主会场+分会场一拉开帷幕；同时，大会首次开设了六场闭门技术研讨会，分别于分会场一和分会场二进行。AI算力基础设施专题论坛，大模型专题论坛、AI智能体专题论坛。大模型、A

点击蓝字关注我们关注并星标从此不迷路计算机视觉研究院公众号ID｜计算机视觉研究院学习群｜扫码在主页获取加入方式论文地址：https://arxiv.org/pdf/2402.15391.pdf项目主页：https://sites.google.com/view/genie-2024/home?pli=1计算机视觉研究院专栏Column of Computer Vision Institute一键生

点击蓝字关注我们关注并星标从此不迷路计算机视觉研究院公众号ID｜计算机视觉研究院学习群｜扫码在主页获取加入方式计算机视觉研究院专栏Column of Computer Vision Institute随着深度学习技术的应用，合成孔径雷达（SAR）在船舶目标检测中得到了广泛应用。然而，在某些复杂环境下，如近岸区域或存在小型船舶的场景中，仍然存在误检和漏检的问题。PART/1概述 为了解...

创始人带着在西电习得的电子信息领域扎实功底，深耕无人机赛道多年，将高校实验室里的前沿探索转化为千行百业的实用解决方案——从搭载智能感知系统的工业巡检无人机，到具备协同作业能力的低空服务平台，再到适配复杂场景的定制化无人机技术，每一项产品都凝聚着“术业精湛”的西电底色，更呼应着新质生产力发展的时代需求。活动现场，芒果智能科技的无人机业务展示成为全场焦点。融合AI与通信技术的解决方案，打破了低空作业的

计算机视觉研究院主要涉及深度学习领域，主要致力于目标检测、目标跟踪、图像分割、OCR、模型量化、模型部署等研究方向。传统背景减法、运动分析、甚至主流 YOLO 系列模型，在恶劣天气下性能大幅跳水，既不抗干扰，也抓不住细节，无法满足实时安防与交通管控需求。的检测框架，把 “看不清、测不准、漏检多” 变成 “全天候、高精度、低误报”，为智慧城市交通与公共安全，筑起一道可靠的。，专门攻克雨、雾、雪、沙尘

无论是车辆碰撞、翻车等严重事故，还是轻微追尾、异常停车等突发情况，设备都能精准识别，通过多帧信息交叉验证排除误报，确保事故判定准确率超99%。为应对高速复杂环境挑战，解决方案采用边缘计算架构，无需依赖云端传输，在设备端即可完成数据采集、AI推理与指令执行，规避了网络延迟带来的响应滞后问题。芒果智能科技深耕AI巡检领域，打造高速场景专属智能巡检解决方案，靠“AI精准检测+秒级报警+空中喊话”三重能力

计算机视觉研究院主要涉及深度学习领域，主要致力于目标检测、目标跟踪、图像分割、OCR、模型量化、模型部署等研究方向。SSMA-YOLO：一种轻量级的 YOLO 模型，具备增强的特征提取与融合能力，适用于无人机航拍的船舶图像检测。的 GameFlow 框架，用纯视觉方案把这些问题全部攻克，非侵入、低成本、实时可用。未来，这项技术会让苏超的战术分析更高效、球员训练更科学、观赛体验更沉浸，足球竞技将进入

计算机视觉研究院主要涉及深度学习领域，主要致力于目标检测、目标跟踪、图像分割、OCR、模型量化、模型部署等研究方向。研究院主要着重”技术研究“和“实践落地”。DAF-YOLO：mAP@0.5=93.8%，mAP@0.5:0.95=60.5%，精确率 92.4%，召回率 89.6%；监控摄像头多部署于塔吊、立杆等高机位，作业人员与安全帽在图像中占比极低，常规模型特征提取不足，漏检率居高不下。DAF‑

计算机视觉研究院主要涉及深度学习领域，主要致力于目标检测、目标跟踪、图像分割、OCR、模型量化、模型部署等研究方向。本质出发，用解耦 + 对比学习重新定义足球目标检测，尤其解决了 “同队难分、足球难找、密集框错” 三大行业顽疾。SSMA-YOLO：一种轻量级的 YOLO 模型，具备增强的特征提取与融合能力，适用于无人机航拍的船舶图像检测。未来研究将继续优化轻量化、跨域泛化、时序建模，让 AI 更适