实体
YOLOv8s
YOLOv8s
PulseAugur coverage of YOLOv8s — every cluster mentioning YOLOv8s across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
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
-
ScopeMamba-YOLO 通过新颖的选择性扫描增强小目标检测能力
研究人员推出 ScopeMamba-YOLO，这是一种用于遥感影像中小目标检测的新方法。该方法利用“离线选择性扫描”原理，将上下文建模与主卷积流解耦，从而在处理长距离上下文的同时增强保留高分辨率细节的能力。实验表明，在 VisDrone-2019 和 AI-TOD 等数据集上，ScopeMamba-S 在检测极小目标方面的准确性和参数效率均显著优于 YOLOv8s。
-
深度学习模型利用卫星夜光数据检测“暗船”
研究人员开发了一个名为 YOLO11 的深度学习模型，利用夜间灯光卫星图像来检测渔船。该双分支架构同时处理全色和 RGB 数据，取得了高性能指标，包括 0.96 的 mAP@50。当应用于印度海岸时，该模型识别出超过 31,000 艘船只实例，其中大部分（77.3%）被识别为可能未传输 AIS 的“暗船”。研究还显示，捕捞活动高峰期在 1 月至 4 月之间，集中在海岸线 50-100 公里范围内。
-
改进的YOLOv8s模型提升了课堂学生行为识别能力
研究人员基于YOLOv8s架构开发了一种名为ALC-YOLOv8s的改进学生课堂行为识别模型。该新模型解决了课堂环境中密集目标、遮挡和类别不平衡等挑战。通过引入SPPF-LSKA进行特征提取和ATFLoss以更好地学习少数类，ALC-YOLOv8s模型相比基线模型在mAP50上提高了1.8%，在mAP50-95上提高了2.1%。