基于yolo11的海洋生物检测与计数系统（海参、海胆、扇贝、海星）

摘要论文介绍本文介绍了一种名为DynamicHead的模块，该模块旨在通过注意力机制统一目标检测头部，以提升目标检测的性能。论文详细阐述了DynamicHead的工作原理，并通过实验证明了其在COCO基准测试上的有效性和效率。创新点DynamicHead模块的创新之处在于它首次尝试在一个统一......

本文来源公众号“极市平台”，仅用于学术分享，侵权删，干货满满。原文链接：超越YOLO11和D-FINE！DEIM：最强实时目标检测算法极市导读本文介绍了一种改进的DETR目标检测框架DEIM，通过增加正样本数量和优化匹配质量的损失函数，显著加快了DETR模型的收敛速度，并在多个数据集上提升了性能，成......

   ......

......

        在计算机视觉任务中，通道或空间注意力机制虽能提升特征表示效果，但通道维度缩减建模跨通道关系可能影响深度视觉表示提取。为解决此问题，本文提出高效多尺度注意力（EMA）模块，将部分通道重塑为批量维度，分组通道维度为多个子特征，使空间语义特征在各特征组内良好分布；除......

        尽管基于深度学习的解决方案在图像超分辨率（SR）中取得了令人瞩目的重建性能，但这些模型通常较大且架构复杂，使其与许多具有计算和内存限制的低功耗设备不兼容。为了克服这些挑战，我们提出了一种用于高效SR设计的空间自适应特征调制（SAFM）机制。具体来说，SAFM层使用......

项目概述：篮球投篮识别与足球射球识别本项目旨在开发一个智能运动分析系统，该系统能够通过视频流或图像序列自动识别篮球运动员的投篮动作和足球运动员的射门动作。这个系统将利用YOLOv8Pose模型进行人体姿态估计，并根据特定的关键点角度来判断是否发生了投篮或射门的动作。......

  ......

 ......

摘要论文介绍研究背景：神经网络量化是提升速度和降低内存使用量的常用方法，但无标记数据的量化问题受到的关注较少。研究目的：引入DSConv卷积算子，旨在生成更小且推理速度更快的神经网络，同时保持高精度。实验验证：在最流行的神经网络架构（ResNet、DenseNet、GoogLeNet、AlexNet......