YOLO

• 使用真实噪声和YOLO模糊图像区域

  这篇博文中介绍了使用YOLOv9和真实噪声来模糊图像部分内容的方法，具体步骤包括安装必要库、导入库、定义模糊和替换函数、读取图像、选择要模糊的类别、用噪声替换类别，并最终保存和展示结果。

  机器视觉与AI深度学习

  361

  05/12 13:34

  YOLO
• 如何使用YOLO-World实现零样本目标检测

  YOLO-World是一种开放式目标检测系统，能够识别各类未知物体，无需预定义类别。通过大量数据预训练和语言运用，实现高效且广泛适用的应用场景。本文介绍了如何使用YOLO-World进行目标检测的基本步骤，包括安装必要库、导入模型、设置分类、预测图像目标，并展示结果。

  机器视觉与AI深度学习

  1157

  04/23 08:36

  YOLO 目标检测
• 超越YOLO：在Python中实现RT-DETR Transformers

  本文介绍了如何使用基于Transformer的RT-DETR模型进行目标检测，详细讲解了其优点和应用场景，提供了实战演练代码示例，并解答了一些常见问题。RT-DETR相比传统CNN模型，具备更简洁高效、“端到端”的检测流程，适用于静态图像和实时视频分析。

  机器视觉与AI深度学习

  2247

  04/01 10:33

  Python YOLO
• 使用YOLO11实现区域内目标跟踪

  计算机视觉领域正因生成式AI的发展而迅速进步，特别是物体跟踪技术的应用，能更准确地识别和追踪物体，尤其适合智能交通管理、零售和库存管理、生产线监控等领域。Ultralytics提供了TrackZone解决方案，通过聚焦特定区域优化跟踪速度和精度，支持Python和CLI操作，适用于低功耗边缘设备。

  机器视觉与AI深度学习

  359

  03/27 11:09

  计算机视觉 YOLO
• 从0到1搞定医学影像分割！YOLOseg实战，不用懂复杂原理

  在工业级神经网络应用中，Yolo模型是最受欢迎的目标检测模型。本文介绍了如何使用Label-Studio准备数据集，并利用Pytorch和ultralytics库构建并训练实例分割模型。最终展示了模型的训练过程和预测效果，适用于医学检测项目中的实例分割任务。

  实在太懒于是不想取名

  738

  03/17 10:11

  神经网络 YOLO
• 基于YOLOv8和DeepSORT实现目标检测与跟踪

  本文介绍了如何使用 YOLOv8 和 DeepSORT 实现物体检测、跟踪和速度估计。首先设置项目环境，克隆存储库并创建虚拟环境。接下来，下载额外文件并运行检测和跟踪脚本。主要脚本协调整个过程，加载 YOLOv8 模型并初始化 DeepSORT 跟踪器。检测对象并在视频中绘制边界框和标签。最后，输出带有检测、跟踪和速度估计的视频。

  机器视觉与AI深度学习

  1253

  03/16 16:18

  YOLO 目标检测
• STM32N6的开发日记(7):摄像头+NPU联动，完成 YOLO 实时目标检测与显示

  STM32N6是一款由意法半导体推出的集成了自研神经处理单元的MCU，具有强大的边缘AI算力。本文档详细介绍了如何使用STM32CubeMX配置和部署YOLO神经网络模型于STM32N6平台，包括准备工作、CubeMX配置、代码详解等内容。重点在于展示如何通过ISP中间件处理摄像头图像，然后利用NPU加速YOLO模型的实时目标检测，并将结果显示在LTDC显示屏上。

  实在太懒于是不想取名

  4571

  03/09 09:49

  STM32N6 YOLO

  
• 狗狗入镜、猫咪客串：在树莓派上部署 Ultralytics YOLO26 实现目标检测！

  我们来探索如何在树莓派上部署并运行 YOLO 人工智能目标检测模型。本教程内容十分详尽，本文仅分享核心的安装步骤；完整教程可查阅最新一期《树莓派官方杂志》第 70–77 页。

  上海晶珩电子科技有限公司

  1108

  03/03 09:49

  树莓派 YOLO
• 三步教你使用YOLO26识别手掌

  本文介绍了如何使用YOLO26进行手部图像标注和模型训练的过程。首先，从Kaggle下载并整理手部图像数据集，特别是手掌朝上图像；接着，克隆GitHub仓库并运行标注工具，生成标注后的数据集；最后，加载预训练模型并使用自定义数据集进行训练。整个流程展示了从数据准备到模型训练的完整步骤，并提供了清晰的结果展示。

  机器视觉与AI深度学习

  443

  03/03 09:48

  YOLO 掌纹识别

  
• 有意思！512MB的树莓派CM0上，也能部署YOLO26？

  特别感谢李金磊的文章作者，分享了如何利用OpenCV和Ultralytics软件包在树莓派上实现YOLO26的目标检测、姿态估计、图像分类等功能。文章详细介绍了准备工作、环境部署、模型获取和关键代码等内容，适合新手和树莓派爱好者学习使用。

  上海晶珩电子科技有限公司

  2537

  01/21 10:25

  树莓派 opencv
• 开源！50+算法，Java基于YOLO框架的视频AI识别算法平台，适配低空无人机巡检、摄像头安防场景

  YOLO视频AI识别算法管理平台基于YOLO v8神经网络模型，支持Linux和Windows环境，利用Python、C++、Shell和Docker等技术实现高效推理运算和实时视频识别。平台集成了前端Vue和后端SpringBoot框架，提供人、车、火灾烟雾等多种视频识别功能，并通过FFmpeg推流至ZLMediaKit，便于Web页面实时查看。

  IoT物联网技术

  1563

  01/04 08:23

  神经网络 YOLO
• 基于FPGA YOLO算法的扫描式SMT焊点缺陷检测系统

  本文介绍了基于机器视觉的SMT焊点检测系统的设计与实现。系统由光学成像、图像处理、机械控制和人机交互界面四部分组成。光学成像部分使用USB摄像头和可调光源；机械控制部分采用步进电机和双轴滑台；图像处理部分基于YOLOv3算法进行焊点检测；人机交互界面通过PyQt实现。系统已完成初步功能，具备焊点检测、缺陷识别和实时反馈等功能。未来计划扩展数据集、结合物联网和引入其他算法以提升检测精度。

  FPGA技术江湖

  1251

  2025/12/31

  机器视觉 SMT

  
• 一小时搞定 STM32MPU 部署前置：YOLOv8 目标检测模型训练全指南

  STM32MPU（如 STM32MP2 系列）搭载 NPU，是边缘 AI 目标检测的理想硬件载体。本文基于 ST 应用笔记，详解在 Ubuntu 22.04 PC 端快速完成 YOLOv8 模型训练的流程，1 小时内即可实现 “环境搭建→数据训练→结果评估→模型导出” 全闭环，为后续 STM32MPU 推理部署提供适配性最优的模型文件。

  eefocus_3901714

  3462

  2025/11/20

  stm32 MPU
• 最精简的资源实现最实际的问题：在树莓派CM0实现YOLO图像识别

  上海晶珩推出的树莓派CM0核心板模组以其低成本和低功耗特性，适合对价格敏感的应用场景。相比CM4/CM5，CM0更注重性价比，采用Cortex-A53处理器，具有超低功耗特点。本文介绍了如何在CM0上部署YOLOv4-tiny模型实现目标检测，重点在于模型选择和代码实现细节，展示了即使在有限资源下也能高效运行目标检测任务的能力。

  实在太懒于是不想取名

  3561

  2025/10/30

  树莓派 图像识别
• 基于FPGA YOLO算法的扫描式 SMT 焊点缺陷检测系统

  大侠好，欢迎来到FPGA技术江湖，江湖偌大，相见即是缘分。大侠可以关注FPGA技术江湖，在“闯荡江湖”、"行侠仗义"栏里获取其他感兴趣的资源，或者一起煮酒言欢。“煮酒言欢”进入IC技术圈，这里有近50个IC技术公众号。 第一部分 设计概述 1.1 设计目的 作为电子产品最重要的组成部分，印刷电路板（PCB）的设计日趋复杂和器件尺寸的缩小，促使对 SMT 可靠性提出了更高的要求。因此对于 SMT 电

  FPGA技术江湖

  1553

  2025/09/29

  FPGA SMT
• 基于YoloV8的药丸/片剂类型识别

  药丸鉴定问题 想象一下这个场景：你手里有一颗药丸，但你不太确定它是什么。也许标签已经磨损，或者您在药柜中发现它松动了。正确识别药物对您的安全和健康至关重要。这就是计算机视觉的用武之地。 药丸识别的工作原理 图像捕获：要开始识别过程，您需要使用智能手机或专用设备为药丸拍摄清晰的照片。照明和角度会影响识别的准确性，因此捕获高质量的图像至关重要。 图像预处理：获得图像后，将使用计算机视觉算法对其进行预处

  机器视觉与AI深度学习

  1902

  2025/09/28

  AI 机器视觉
• 启扬RK3588基于Yolov5的目标识别演示

  YOLO是一种基于深度神经网络的目标检测算法，用在图像或视频中实时识别和定位多个对象。在其各个版本的迭代中，YOLOv5凭借易用性和性能平衡在工业、 医疗、农业、零售等领域被广泛的应用。本文以启扬RK3588开发板为例，运行基于 YOLOv5 的先进目标检测模型。 01、下载RKNN相关的仓库 新建目录存放RKNN仓库，下载RKNN-Toolkit2和 RKNN_Model_Zoo 仓库。 #新建

  浙江启扬智能科技有限公司

  2199

  2025/09/22

  算法 检测模块
• YOLOv10在PyTorch和OpenVINO中推理对比

  文章介绍了YOLOv10模型及其优势，详细描述了其网络架构和主要功能。通过消除NMS和优化模型组件，YOLOv10在保持高效的同时提升了性能。文中还提供了将YOLOv10模型转换为OpenVINO支持模型的方法，并展示了OpenVINO相对于PyTorch模型在性能上的显著改进，特别是在单帧测试时间上，OpenVINO表现更佳。

  机器视觉与AI深度学习

  1500

  2025/09/20

  OpenVINO YOLO

  
• “一芯四用”，米尔RK3576如何同时驾驭4路YOLOv8视频流？

  在科技飞速发展的当下，人工智能与边缘计算的融合正以前所未有的速度重塑着我们的生活。RK3576点点taptap安卓拥有4核Cortex-A72以及4核Cortex-A53提供基础算力，6TOPS算力NPU来模型推导运算。使用YOLOv8模型时也是手到擒来，接下来随着步伐看看它表现如何。 图：此次的板卡米尔RK3576核心板开发板 YOLO简介 YOLO（You Only Look Once）是当前业界领先的实时目

  米尔电子

  1607

  2025/09/11

  人工智能 CPU

  
• YOLOE+树莓派5，无需训练的新一代计算机视觉！

  在本指南中，我们将探索YOLOE——一种计算机视觉模型，它允许你通过提示来创建自定义目标检测模型，而无需训练过程！我们将学习这种视觉模型的工作原理，以及如何在树莓派5上创建并运行自己的自定义目标检测。YOLOE是发布的最令人惊叹的YOLO模型之一，对许多创客项目来说非常实用，而且玩起来非常有趣。让我们开始吧！

  上海晶珩电子科技有限公司

  3404

  2025/08/28

  树莓派 计算机视觉

  

正在努力加载...