AI小怪兽_个人页

2026年03月

• 03.08 09:12:47
  发表了文章 2026-03-08 09:12:47

  红外小目标检测新突破！异常感知检测头AA-YOLO：节俭又鲁棒，小样本也能精准识别

  本文提出AA-YOLO：首个将统计异常检验嵌入YOLO检测头的方法，通过指数分布建模背景，显式识别小目标为统计异常，显著降低误报率；仅需10%数据即达90%全量性能，参数比EFLNet少6倍，轻量高效；在噪声、跨域、跨模态下鲁棒性强，且可无缝适配各类YOLO及实例分割网络。
• 03.08 09:04:16
  发表了文章 2026-03-08 09:04:16

  基于YOLO11的交通违规检测系统（Python源码+数据集+Pyside6界面）

  本文基于YOLO11构建交通违规检测系统，涵盖23类目标（车辆、信号灯、标志等），详解数据制作（ROI裁剪优化尺度）、模型改进（C3k2、C2PSA、轻量Detect头）及训练可视化全过程，并集成PySide6实现GUI应用，助力工业落地。
• 03.08 09:02:06
  发表了文章 2026-03-08 09:02:06

  SPMamba-YOLO：多尺度增强+全局建模，水下目标检测精度飙升4.9%！

  本文提出SPMamba-YOLO水下目标检测模型：创新融合SPPELAN（增强多尺度特征与感受野）、PSA注意力（抑制背景、提升小目标判别）及Mamba状态空间模块（建模长程依赖），在URPC2022上mAP@0.5达82.5%，超越YOLOv8n 4.9%。
• 03.08 08:59:55
  发表了文章 2026-03-08 08:59:55

  SEP-YOLO：当频域分析遇上YOLO，透明物体实例分割迎来新突破，ISCAS 2026

  本文提出SEP-YOLO框架，首创频域细节增强模块（可学习复数权重强化高频边界）、多尺度空间细化流（内容感知对齐+门控细化），并为Trans10K提供首个高质量实例标注。在Trans10K/GVD上mAP50超SOTA 3%+，兼顾精度与实时性。
• 03.02 19:52:04
  发表了文章 2026-03-02 19:52:04

  YOLO26如何训练自己的obb数据集（原理介绍+代码详见+结构框图） | （无人机航拍船舶为案列）

  YOLO26全新发布！本文详解其核心创新：移除DFL、端到端无NMS推理、ProgLoss+STAL小目标优化、MuSGD优化器，并附无人机航拍船舶OBB数据集训练全流程与结构框图。
• 03.02 19:49:18
  发表了文章 2026-03-02 19:49:18

  YOLO26如何训练自己的关键点pose数据集 | （手部关键点为案列）

  本文详解YOLO26全新发布：原理创新（移除DFL、无NMS推理、ProgLoss/STAL损失、MuSGD优化器）、结构框图及手部关键点数据集训练全流程，含代码实现与可视化效果，助力高效落地边缘端多任务检测。
• 03.02 19:46:31
  发表了文章 2026-03-02 19:46:31

  YOLO26如何训练自己的分割数据集 | （裂缝分割为案列）

  YOLO26全新发布！本文详解其核心创新：移除DFL、端到端无NMS推理、ProgLoss+STAL损失策略、MuSGD优化器，并附结构框图；同时以裂缝分割为例，手把手演示自定义数据集训练全流程（含预训练与非预训练对比）。
• 03.02 19:32:54
  发表了文章 2026-03-02 19:32:54

  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。
• 03.02 19:20:17
  发表了文章 2026-03-02 19:20:17

  源码级解读：YOLO26的新架构与创新设计（原理介绍+代码详见+结构框图）

  YOLO26是面向边缘设备的最新实时目标检测模型，核心创新包括：移除DFL简化架构、端到端无NMS推理、ProgLoss+STAL提升小目标检测、MuSGD优化器加速收敛，并支持检测/分割/姿态等多任务。CPU推理速度较前代提升最高43%，已在Jetson等平台实现实时部署。

2024年10月

• 10.23 10:01:18
  发表了文章 2024-10-23 10:01:18

  YOLO11-seg分割：具有切片操作的SimAM注意力，魔改SimAM助力分割

  本文创新地对SimAM注意力机制进行魔改，引入切片操作，显著提升了小目标特征提取能力。针对SimAM在计算整张特征图的像素差平均值时可能忽略小目标重要性的问题，通过切片操作增强了小目标的加权效果。实验结果显示，魔改后的SimAM在YOLO11-seg上的Mask mAP50从0.673提升至0.681，有效改善了小目标检测性能。
• 10.23 09:33:36
  发表了文章 2024-10-23 09:33:36

  YOLO11-seg分割如何训练自己的数据集（道路缺陷）

  本文介绍了如何使用自己的道路缺陷数据集训练YOLOv11-seg模型，涵盖数据集准备、模型配置、训练过程及结果可视化。数据集包含4029张图像，分为训练、验证和测试集。训练后，模型在Mask mAP50指标上达到0.673，展示了良好的分割性能。
• 10.17 09:56:08
  发表了文章 2024-10-17 09:56:08

  YOLO11-pose关键点检测：训练实战篇 | 自己数据集从labelme标注到生成yolo格式的关键点数据以及训练教程

  本文介绍了如何将个人数据集转换为YOLO11-pose所需的数据格式，并详细讲解了手部关键点检测的训练过程。内容涵盖数据集标注、格式转换、配置文件修改及训练参数设置，最终展示了训练结果和预测效果。适用于需要进行关键点检测的研究人员和开发者。
• 10.16 14:12:01
  发表了文章 2024-10-16 14:12:01

  YOLO11实战：新颖的多尺度卷积注意力（MSCA）加在网络不同位置的涨点情况 | 创新点如何在自己数据集上高效涨点，解决不涨点掉点等问题

  本文探讨了创新点在自定义数据集上表现不稳定的问题，分析了不同数据集和网络位置对创新效果的影响。通过在YOLO11的不同位置引入MSCAAttention模块，展示了三种不同的改进方案及其效果。实验结果显示，改进方案在mAP50指标上分别提升了至0.788、0.792和0.775。建议多尝试不同配置，找到最适合特定数据集的解决方案。
• 10.16 13:40:55
  发表了文章 2024-10-16 13:40:55

  ultralytics YOLO11 全新发布！（原理介绍+代码详见+结构框图）

  本文详细介绍YOLO11，包括其全新特性、代码实现及结构框图，并提供如何使用NEU-DET数据集进行训练的指南。YOLO11在前代基础上引入了新功能和改进，如C3k2、C2PSA模块和更轻量级的分类检测头，显著提升了模型的性能和灵活性。文中还对比了YOLO11与YOLOv8的区别，并展示了训练过程和结果的可视化
• 10.12 16:38:42
  发表了文章 2024-10-12 16:38:42

  《YOLO11魔术师专栏》专栏介绍

  《YOLO11魔术师专栏》专栏介绍

2024年07月

• 07.09 16:41:49
  发表了文章 2024-07-09 16:41:49

  《YOLOv10魔术师专栏》专栏介绍 & 专栏目录

  【7月更文挑战第4天】 【原创自研模块】【多组合点优化】【注意力机制】 【主干篇】【neck优化】【卷积魔改】 【block&多尺度融合结合】【损失&IOU优化】【上下采样优化 】 【小目标性能提升】【前沿论文分享】【训练实战篇】
• 07.08 16:38:03
  发表了文章 2024-07-08 16:38:03

  《YOLOv5原创自研》专栏介绍 & CSDN独家改进创新实战&专栏目录

  YOLOv5原创自研，助力创新
• 07.08 15:19:35
  发表了文章 2024-07-08 15:19:35

  一种基于YOLOv8改进的高精度表面缺陷检测网络， NEU-DET和GC10-DET涨点明显（原创自研）

  【7月更文挑战第3天】一种基于YOLOv8改进的高精度表面缺陷检测， 在NEU-DET和GC10-DET任务中涨点明显；
• 07.05 14:38:37
  发表了文章 2024-07-05 14:38:37

  一种基于YOLOv8改进的高精度红外小目标检测算法 （原创自研）

  【7月更文挑战第2天】 💡💡💡创新点： 1）SPD-Conv特别是在处理低分辨率图像和小物体等更困难的任务时优势明显； 2）引入Wasserstein Distance Loss提升小目标检测能力； 3）YOLOv8中的Conv用cvpr2024中的DynamicConv代替；
• 07.05 14:32:54
  发表了文章 2024-07-05 14:32:54

  《YOLOv8原创自研》专栏介绍 & CSDN独家改进创新实战&专栏目录

  《YOLOv8原创自研》专栏介绍 & CSDN独家改进创新实战&专栏目录
• 07.04 12:46:03
  发表了文章 2024-07-04 12:46:03

  YOLOv10实战：红外小目标实战 | 多头检测器提升小目标检测精度

  本文改进： 在进行目标检测时，小目标会出现漏检或检测效果不佳等问题。YOLOv10有3个检测头，能够多尺度对目标进行检测，但对微小目标检测可能存在检测能力不佳的现象，因此添加一个微小物体的检测头，能够大量涨点，map提升明显； 多头检测器提升小目标检测精度，1）mAP50从0.666提升至0.677
• 07.04 12:43:54
  发表了文章 2024-07-04 12:43:54

  YOLOv10实战：SPPF原创自研 | SPPF_attention，重新设计加入注意力机制 | NEU-DET为案列进行展开

  【7月更文挑战第1天】 优点：为了利用不同的池化核尺寸提取特征的方式可以获得更多的特征信息，提高网络的识别精度； 如何优化：在此基础上加入注意力机制，能够在不同尺度上更好的、更多的获取特征信息，从而获取全局视角信息并减轻不同尺度大小所带来的影响； SPPF_attention，重新设计加入注意力机制 ，在NEU-DEU任务中mAP50从0.683提升至0.703；
• 07.04 10:47:43
  发表了文章 2024-07-04 10:47:43

  YOLOv10真正实时端到端目标检测（原理介绍+代码详见+结构框图）| YOLOv10如何训练自己的数据集（NEU-DET为案列）

  YOLOv10真正实时端到端目标检测（原理介绍+代码详见+结构框图）