YOLOv11l
PulseAugur coverage of YOLOv11l — every cluster mentioning YOLOv11l across labs, papers, and developer communities, ranked by signal.
-
YOLOv11模型在自动化伤口分割和分类中达到高精度
研究人员开发了两种基于YOLOv11架构的新型实例分割模型，用于自动化伤口评估。这些模型旨在对五种不同的伤口类型（包括烧伤、压疮、糖尿病足溃疡、血管性溃疡和手术伤口）进行边界分割和分类。该研究使用了包含2,963张已标注图像的平衡数据集，数据增强技术显著提高了性能，尤其是在视觉上不明显的烧伤方面。YOLOv11x在边界分割方面表现更优，而YOLOv11m和YOLOv11l在伤口分类方面取得了高精度，轻量级的YOLOv11n在实际部署中…
-
无人机热成像数据集和模型助力未爆弹药筛查
研究人员开发了一个新的数据集和目标检测模型，用于使用无人机热成像筛查未爆弹药（UXO）。该数据集在各种环境条件下进行了四次野外活动收集，包含超过 5,800 对标记的热图像。对 YOLOV11l 和 RT-DETR-R50 等目标检测算法进行了训练和评估，以创建自动候选目标检测模型。该研究为人道主义排雷行动提供了实践建议，强调了同时收集热成像和 RGB 图像的重要性，使用具有代表性的本地数据进行模型校准，并保留人工审查以进行最终评估。
-
新的OWL框架为航空野生动物调查设定了SOTA
研究人员开发了架空野生动物定位器（OWL），一个用于航空野生动物调查的新型弱监督框架。OWL提供三种变体——OWL-C、OWL-T和OWL-D，每种都针对不同的调查条件进行了定制，从稀疏的固定翼飞机图像到密集的无人机数据。OWL-D变体利用了一个冻结的DINOv3 ViT-H+/16编码器，在多个数据集上取得了最先进的性能，并已成功应用于真实的北美驯鹿普查，证明了其运行就绪性。该项目还发布了用于北美驯鹿调查的代码、模型权重和新的标注数据集。