CoovallyAIHub

本文提出 DC-AE 1.5 框架，通过引入结构化隐空间和增强扩散训练两大关键技术，在保持高生成质量的同时，大幅加快扩散模型收敛速度，并显著提升高分辨率生成效率。 实验表明...

根据 Ultralytics 的活动安排和一贯的发布节奏，我们有充分理由相信，下一代目标检测标杆 YOLOv14 的发布日期已经呼之欲出——就在今年9月25日的 YOLOV...

本文针对扩散模型训练慢、高分辨率生成效率低的瓶颈，提出DC-AE 1.5框架。该框架核心在于引入结构化隐空间以提升高分辨率生成效率，并采用增强扩散训练技术加速模型收敛。实验...

在看过一些“能识别视频中每一个物体并持续跟踪”的演示视频后，你可能会以为背后是一套极其复杂的系统。其实，利用 YOLO 模型配合 DeepSort 算法，就能实现无缝的目标...

在“三北”工程的内蒙古植树造林中，植树位点（树坑）常被复杂背景“淹没”，让无人机检测频频漏检、错检。本文提出的 YOLOv10-MHSA 模型，通过小目标检测层、多头自注意...

内河航道识别难在哪？光照复杂、雾气频发、船型多样。 本文构建MEIWVD数据集，覆盖多种极端环境，并提出MSG-Net算法，从图像增强、几何感知到多尺度融合，全面提升检测效...

【导读】 无人机“飞得高”，但能不能“看得清”，关键在于图像识别算法。YOLO、DETR、Transformer……眼花缭乱。不同算法各有千秋，不同行业也面临不同挑战。到底...

海底塑料、渔网、废弃物，如何精准识别？传统算法在水下常常“看不清、识不准”。 这篇最新研究对比了YOLOv7到YOLOv10及Faster R-CNN的表现，结果显示：YO...

在高空无人机拍摄、海事搜救、自动驾驶等场景中，识别那些小到只有十几个像素的目标（如车辆、船只、路牌），一直是目标检测的难点。FPN虽然在多尺度特征融合方面大放异彩，但面对“...

随着铁路里程不断刷新纪录，传统人工巡检模式正面临效率低、风险高、数据散等多重挑战。无人机，正悄然成为铁路运维的“新工具人”——从桥梁、隧道到接触网，用自动飞行、红外识别和三...

在 AI 模型训练的第一步，“数据标注”始终是一道绕不开的门槛。 无论是图像识别、语音识别还是自然语言处理，准确且高质量的标注数据始终是提升模型性能的基础。然而，繁琐的操作...

无人机正在成为空中数据采集的重要工具，然而空中拍摄图像中的小目标检测，仍是一个棘手的问题。尤其在复杂背景、高空视角与资源受限的嵌入式环境中，传统检测算法往往“识”而不准、难...

【导读】 在智慧农业全面加速的时代背景下，单一维度的监测手段已无法满足精细化管理的需求。农户不再只关注“有没有虫害”，而是更关注“虫在哪、田块处于什么状态、该怎么处理”。因...

导读 本文提出一种 “ DSCAM-增强 GoogLeNet 检测”策略，将传统 GoogLeNet 模型无损替换为融合颜色注意力机制的改进版本，既保持了与原始架构及高效推...

在自动化装配和电路诊断日益普及的今天，电子元件识别成为智能制造中的关键一环。尤其在PCBA检测、元器件回溯与缺陷分析等场景中，如何精准定位、识别电路板上的多类别元器件，是决...

在工业质检中，发现异常并不难，但“认识”异常却很难。现有检测方法大多只能告诉你“这有问题”，却无法说明“出了什么问题”，更别提识别此前未曾见过的“新型缺陷”。 为了解决这一...

在智能制造日益普及的今天，工业质检面临着精度与效率的双重挑战。本文将聚焦电子制造与玻璃制造两个关键行业，分别介绍用于PCB板缺陷检测与玻璃表面缺陷分割的高质量数据集。这两个...

【导读】 如何在保证实时性的同时大幅提升PCB缺陷检测的准确率？来自北京大学的YOLO-pdd框架将YOLOv5与多尺度特征提取模块Res2Net融合，在保留检测速度优势的...

导读 在目标检测领域，YOLO系列以其高效的推理速度广受欢迎，而Transformer结构则在精度上展现出强大潜力。如何兼顾二者优势，打造一个“又快又准”的模型，是近年来研...

导读 本文提出了一种面向无人机（UAV）桥梁检测场景的深度学习模型选型框架，核心在于对YOLO系列最新变体（v5, v6, v7, v8）共23个模型在专用桥梁细节数据集（...