YOLO26如何训练自己的数据集 | （NEU-DET为案列）
本文详解YOLO26全新架构：移除DFL、端到端无NMS推理、ProgLoss+STAL损失策略及MuSGD优化器；并以NEU-DET数据集为例，详述训练全流程（含预训练/优化器选择/模型缩放对比），附结构图、代码与可视化结果。
511
1
1
CEH-Flow-Perception：一种基于双场时空耦合的实时物理驱动动态避障方法 - 陈恩华
本文提出CEH-Flow-Perception方法，首创双场（导通场+学习场）时空耦合势场模型，将动态障碍建模为具短期响应与长期记忆的连续物理场，实现无显式路径规划的实时避障。端到端延迟 33ms，支持遮挡记忆、多智能体协同与可解释因果追溯。
216
4
4
来自：
视觉生产
版块
