PulseAugur
中
实时 10:59:03
实体 YOLOv11 Nano

YOLOv11 Nano

PulseAugur coverage of YOLOv11 Nano — every cluster mentioning YOLOv11 Nano across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 3 条
  1. TOOL · CL_325035 ·

    边缘AI系统在Raspberry Pi 5上使用YOLOv11进行实时输送带缺陷检测

    研究人员开发了一个用于输送带的实时缺陷检测系统,该系统在配备Google Coral Edge TPU的Raspberry Pi 5上部署了优化的YOLOv11 nano模型。这种低功耗的边缘AI解决方案旨在解决传统依赖GPU的模型在工业环境中的局限性。该系统在来自运营中的水泥厂和开源数据集的3000多个增强样本上进行训练,实现了0.742的精确率和0.730的召回率。它在低延迟的情况下实现了30-40 FPS的稳定吞吐量,证明了其在…

  2. RESEARCH · CL_84544 ·

    YOLOv11 Nano 提高了目标检测的准确性和效率

    一项新研究介绍了YOLO目标检测系列的更新版本YOLOv11 Nano,并将其与YOLOv8 Nano进行了基准测试。该研究评估了它们在融合了Indian Driving Dataset和Berkeley Deep Drive Dataset的数据集上的性能,重点关注雨天和低光照等恶劣天气条件下的混合交通场景。YOLOv11n在精度上提高了3.2%,mAP@50达到了46.6%,同时将计算负载降低了22%,并在Tesla T4 GPU…

  3. RESEARCH · CL_03079 ·

    研究人员通过轻量级模型优化了用于实时无人机检测的数据增强

    研究人员开发了一种新的数据增强技术,以使用轻量级深度学习模型改进小型无人机(UAV)的实时检测。该方法结合了Mosaic策略和HSV色彩空间自适应,可在不引入合成伪影或过拟合的情况下提高模型性能。实验表明,与其他增强方法相比,该方法显著提高了平均精度均值(mAP),并为实时系统提供了精度和稳定性之间的更好平衡。