农田虫害目标检测数据集：12类别 | 目标检测
本数据集含3600张真实农田图像，覆盖秋黏虫、果蝇、红蜘蛛等12类常见虫害（含蚯蚓等益虫），YOLO格式标注，支持YOLOv8/RT-DETR等主流模型。适用于智能监测、无人机巡检与精准施药，助力农业病虫害早期识别与数字化防控。（239字）
泳池赛事裁判及运动员3000张目标检测数据集分享
本数据集含3000张真实泳池赛事图像，YOLO格式，精细标注5类目标（黑帽/白帽人员、水上/水下躯体、裁判），专为解决水体反光、跨介质识别、密集遮挡等难题设计，适用于AI辅助判罚、智慧体育及目标检测算法研发。
迈向可靠的垂类 Agent：检索增强、中场操作化与双线规则建构
本文提出“中场操作化”核心理念，破解垂类Agent可靠性瓶颈：将RAG降级为受约束数据库，首创双线规则建构（基础线保障学科共识、个性线承载实践经验），通过激活梯度蒙版实现知识到可执行规则的结构化转化，并以请求灌注机制践行认知诚实。全文聚焦工程可落地的架构创新。（239字）
水下目标检测数据集：11类海洋渔具及垃圾 | 目标检测
本数据集含2500张真实水下图像，涵盖11类废弃渔具（如鱼笼、绳索、渔网）与海洋垃圾（轮胎、木材等），支持YOLO等目标检测模型训练。专为应对水下光学退化、目标遮挡、尺度多变等挑战构建，标注精细、结构规范、开箱即用，助力ROV/AUV智能巡检与海洋生态治理。（239字）
微调LocateAnything-3B 实现超高密度的目标检测
本文介绍如何微调NVIDIA LocateAnything-3B模型，应对300+密集重叠种子的精准定位难题。依托并行框解码（PBD）与半监督Pipeline（点标注→SAM2转框→YOLO伪标→定向微调），大幅降低人工成本，实现高精度、可落地的密集目标检测方案。
