用户12680350

文章/答案/技术大牛

发布

LV0

我关注的人

ICML 2026 | SVL：赋能脉冲神经网络实现高效的3D开放世界理解

论文题目: SVL: Empowering Spiking Neural Networks for Efficient 3D Open-World Unders...

Amusi 2026-06-302026-06-30 16:08:53

汇总|深度学习工业缺陷检测技术与框架

深度学习算法能够自动从大量数据中学习特征，无需人工设计复杂的特征提取规则，从而实现自动化检测。

OpenCV学堂 2026-04-022026-04-02 20:43:57

模型、算法、异常、深度学习、框架

破解无样本难题 | 无监督工业缺陷检测技术概述

在工业制造领域，产品质量是生命线，而表面缺陷检测是保障产品质量的关键环节。传统的人工检测方法效率低下、容易疲劳且标准不一，而基于有监督深度学习的方案需要大量带有...

OpenCV学堂 2026-04-022026-04-02 20:44:37

模型、数据、异常、测试、工作流

视觉类表面缺陷检测项目相关技术总结

做这个方向的项目也有一段时间了，作为算法工程师，主导的大大小小的项目也有几个，有成功交付的，诚然也有烂尾的。回顾整个项目流程，尽管经历酸甜苦辣，但收获颇丰，估写...

BBuf 2024-02-222024-02-22 08:26:15

算法、部署、服务、模型、数据

【工业部署二】PicoDet网络结构在YOLOv5-Lite上的复现

这篇博客仅对PicoDet的网络结构进行复现。PicoDet在一定程度上刷新了业界轻量级移动端模型的sota，这也是我比较感兴趣的地方。本文将PicoDet模型...

BBuf 2021-12-212021-12-21 15:46:54

编程算法、ghost

Res2CLIP残差对齐驱动的少样本异常检测

在工业制造、医疗影像、安防监控等众多领域，异常检测（Anomaly Detection）是一项至关重要的技术任务。它的核心目标是：从海量正常数据中，精准地识别出...

javpower 2026-05-212026-05-21 20:01:31

数据、性能、异常、模型、设计

YOLO26：面向实时目标检测的关键架构增强与性能基准测试

深耕计算机视觉与深度学习领域，专注于视觉检测前沿技术的探索与突破。长期致力于YOLO系列算法的结构性创新、性能极限优化与工业级落地实践，旨在打通从学术研究到产业...

AI小怪兽 2026-01-192026-01-19 09:19:10

腾讯技术创作特训营S17#我与2025

小缺陷、复杂背景检测难？给 YOLO26 装个 DINOv3

自监督视觉基座 DINOv3 的密集特征对"小目标"和"复杂背景"这两类老大难问题天然友好，但 ViT 的算力与结构差异让它难以直接替换 YOLO 的 CNN ...

AI小怪兽 19天前2026-09-25 19:10:20

yolo

YOLO精准定位+云端大模型诊断，才是工业质检的终极答案

走进任何一家工厂的质检车间，控制器里十有八九跑的是YOLO。而你在论文里看到的各种惊艳的视觉大模型（VLM），几乎找不到一台部署在生产线上。这不是技术保守，而是...

AI小怪兽 2026-05-082026-05-08 17:17:32

yolo

视觉算法落地复盘

学术会的论文，每一篇都在说自己的模型多牛，mAP 再涨了几个点，新的 attention 机制如何妙不可言。但你拿他们的代码下来跑一跑，十次有九次导不出 ONN...

javpower 2026-05-202026-05-20 13:08:40

优化、部署、量化、模型、算法

YOLO26 vs RF-DETR默认训练配方，谁更适合工业小数据？

不再只问「模型能不能检出」，而是问：在最新训练栈上，默认配方到底长什么样、贵不贵、准不准。底座选定两套当下最热的检测训练框架——

javpower 2026-07-272026-07-27 14:44:32

优化、测试、框架、模型、数据

SDCoNet + YOLO26：用显著性驱动打通小目标检测

SDCoNet（Saliency-Driven Multi-Task Collaborative Network）的核心洞察是：SR 和检测不应该串行执行，而应...

javpower 2026-05-202026-05-20 13:04:21

部署、路由、论文、配置、数据

EUPE + YOLO26：轻量化工业检测新思路

在工业检测场景里，大图小目标这个问题几乎无处不在。焊点缺陷、PCB 焊线、精密零件表面划痕——目标可能只占图片的几百甚至几十个像素。

javpower 2026-04-282026-04-28 13:18:43

配置、数据、压缩、部署、模型

使用用测试时数据增强（TTA）提高预测结果

当使用拟合模型进行预测时，也可以应用图像数据增强技术，以允许模型对测试数据集中每幅图像的多个不同版本进行预测。对增强图像的预测可以取平均值，从而获得更好的预测性...

deephub 2021-01-122021-01-12 14:48:51

腾讯云测试服务、keras

一文讲透预训练模型的改进训练算法，轻松达到State of the Art

在NLP的预训练语言模型时代，针对已有的两种主流算法NFT-TM和FT-NTM，本文提出了一种新算法FT-TM。它首先在BERT的基础上建立一个上层神经网络（L...

数据猿 2020-04-072020-04-07 15:03:33

编程算法、机器学习、深度学习、人工智能

慎用预训练深度学习模型

预训练的模型很容易使用，但是您是否忽略了可能影响模型性能的细节? 你有多少次运行以下代码片段： 1import torchvision.models as mo...

AiTechYun 2019-05-142019-05-14 10:34:49

keras、windows、pytorch、NLP技术、tensorflow

迁移学习与模型微调

迁移学习（Transfer Learning）是机器学习中的一个重要概念，指的是将一个领域（任务）中学到的知识，迁移到另一个相关领域（任务）中，以提高学习的效率...

LucianaiB 2025-01-282025-01-28 15:55:01

腾讯技术创作特训营S11#重启人生

现代目标检测故事 | 40+种网络架构大盘点！从基础架构ResNet到最强检测器Yolov7再到最新部署神器GhostNetV2

目标检测是指在图像或视频中分类和定位物体的任务。由于其广泛的应用，最近几年目标检测受到了越来越多的关注。本文概述了基于深度学习的目标检测器的最新发展。同时，还提...

AiCharm 2023-05-152023-05-15 15:31:45

部署、架构、模型、算法、网络

工业缺陷检测中数据标注需要注意的几个事项

在工业场景中，网络结构决定了下限，数据决定着上限，要想模型有好的表现，数据是至关重要的。下面就这个项目来说一说，工业缺陷检测在标注数据时需要注意的几个事项：

Color Space 2023-11-202023-11-20 15:13:18

神经网络、测试、模型、数据、数据标注

基于YOLO26的箱子和仓库检测系统（Python源码+数据集+Pyside6界面）

💡💡💡本文摘要：基于YOLO26的箱子和仓库检测系统，阐述了整个数据制作和训练可视化过程

AI小怪兽 23天前2026-09-21 16:37:08

yolo

12 下一页

个人简介

暂未填写公司和职称
暂未填写个人简介
暂未填写技能专长
暂未填写学校和专业
暂未填写个人网址
暂未填写所在城市
加入社区时间：2026-08-10

个人成就

TA 很懒，什么都没有留下╮（╯＿╰）╭

关注了：1关注者：0

用户12680350

ICML 2026 | SVL：赋能脉冲神经网络实现高效的3D开放世界理解

汇总|深度学习工业缺陷检测技术与框架

破解无样本难题 | 无监督工业缺陷检测技术概述

视觉类表面缺陷检测项目相关技术总结

【工业部署二】PicoDet网络结构在YOLOv5-Lite上的复现

Res2CLIP残差对齐驱动的少样本异常检测

YOLO26：面向实时目标检测的关键架构增强与性能基准测试

小缺陷、复杂背景检测难？给 YOLO26 装个 DINOv3

YOLO精准定位+云端大模型诊断，才是工业质检的终极答案

视觉算法落地复盘

YOLO26 vs RF-DETR默认训练配方，谁更适合工业小数据？

SDCoNet + YOLO26：用显著性驱动打通小目标检测

EUPE + YOLO26：轻量化工业检测新思路

使用用测试时数据增强（TTA）提高预测结果

一文讲透预训练模型的改进训练算法，轻松达到State of the Art

慎用预训练深度学习模型

迁移学习与模型微调

现代目标检测故事 | 40+种网络架构大盘点！从基础架构ResNet到最强检测器Yolov7再到最新部署神器GhostNetV2

工业缺陷检测中数据标注需要注意的几个事项

基于YOLO26的箱子和仓库检测系统（Python源码+数据集+Pyside6界面）

个人简介

个人成就

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

用户12680350

ICML 2026 | SVL：赋能脉冲神经网络实现高效的3D开放世界理解

汇总|深度学习工业缺陷检测技术与框架

破解无样本难题 | 无监督工业缺陷检测技术概述

视觉类表面缺陷检测项目相关技术总结

【工业部署二】PicoDet网络结构在YOLOv5-Lite上的复现

Res2CLIP残差对齐驱动的少样本异常检测

YOLO26：面向实时目标检测的关键架构增强与性能基准测试

小缺陷、复杂背景检测难？给 YOLO26 装个 DINOv3

YOLO精准定位+云端大模型诊断，才是工业质检的终极答案

视觉算法落地复盘

YOLO26 vs RF-DETR默认训练配方，谁更适合工业小数据？

SDCoNet + YOLO26：用显著性驱动打通小目标检测

EUPE + YOLO26：轻量化工业检测新思路

使用用测试时数据增强（TTA）提高预测结果

一文讲透预训练模型的改进训练算法 ，轻松达到State of the Art

慎用预训练深度学习模型

迁移学习与模型微调

现代目标检测故事 | 40+种网络架构大盘点！从基础架构ResNet到最强检测器Yolov7再到最新部署神器GhostNetV2

工业缺陷检测中数据标注需要注意的几个事项

基于YOLO26的箱子和仓库检测系统（Python源码+数据集+Pyside6界面）

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

一文讲透预训练模型的改进训练算法，轻松达到State of the Art