Artikel nach Tag: object-detection

TAPe-Erkennung: 100k Parameter vs SOTA-Modelle

Wie der TAPe-Detektor mit 100k Parametern YOLO und RF-DETR in Geschwindigkeit und Ressourcenersparnis übertrifft. Detaillierte Aufschlüsselung von Benchmarks und Vorteilen für Entwickler.

Bbox-Augmentierung in Albumentations: Formate und Fehler

Einrichtung von A.BboxParams für die Erkennung: Koordinatenformate, label_fields, Filterung. Vermeiden typischer Fehler in der Pipeline. Leitfaden für Entwickler.

YOLOE: Objekterkennung ohne Feinabstimmung

Lernen Sie, wie YOLOE Text- und visuelle Prompts zur Erkennung beliebiger Objekte verwendet. Backbone YOLO + RepRTA für Geschwindigkeit. Code-Beispiele und Szenarien für Middle-/Senior-Entwickler. Testen Sie auf Ihren eigenen Aufgaben.

Superframe in YOLOv11: Erkennung in Video

Lerne, wie superframe temporalen Kontext zu YOLOv11 und RT-DETR für Objekterkennung in Sportvideos hinzufügt. Experimente, Code, Ergebnisse — für Middle-/Senior-Entwickler.

TAPe ohne Transformer: Patch-Assoziationen

Erfahren Sie, wie das Aufgeben von Transformern in TAPe+ML die Parameter um Größenordnungen reduzierte und die Anfänge der Segmentierung auf COCO ermöglichte. Lokale Assoziationen für Objekterkennung — lesen Sie die Details für Entwickler.