neu专题

基于yolov8的NEU-DET钢材缺陷检测系统python源码+onnx模型+评估指标曲线+精美GUI界面

【算法介绍】 基于YOLOv8的NEU-DET钢材缺陷检测系统是一种创新的解决方案,旨在通过深度学习技术实现对钢材表面缺陷的自动检测和识别。该系统利用YOLOv8算法,该算法以其高效、准确和实时检测的特点著称。 NEU-DET数据集为该系统提供了丰富的训练资源,涵盖了热轧带钢的六种典型表面缺陷,包括轧制氧化皮、斑块、开裂、点蚀表面、内含物和划痕,每种缺陷均有大量样本,确保了模型的全面性和准确性

YOLOv9如何提高检测精度(NEU-DET为案列)

💡💡💡本文改进内容: 通过各个YOLOv9魔术师专栏改进点提升原始网络检测精度,目前跑完的实验有: 1)超轻量高效动态上采样DySample 2)基于 Haar 小波的下采样(HWD) YOLOv9魔术师专栏 ☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️ ☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️ 包含注意力机制魔改、卷积魔改、检测

一种基于YOLO改进的高效且轻量级的表面缺陷检测网络, NEU-DET和GC10-DET涨点明显

💡💡💡本文摘要:一种基于YOLO改进的高效且轻量级的表面缺陷检测, 在NEU-DET和GC10-DET任务中涨点明显 目录 1.轻量且高效的YOLO 1.1 SCRB介绍 1.1.1 ScConv介绍  1.2 GSConvns  1.3 od_mobilenetv2_050 1.4  对应yaml 2.实验结果 3.源码获取 1.轻量且高效的YOLO 轻量

手把手教程:RT-DETR如何训练自己的数据集 | NEU-DET钢材缺陷检测

🚀🚀🚀本文内容:1)RT-DETR原理介绍;2)RT-DETR如何训练自己的数据集  🚀🚀🚀RT-DETR改进创新专栏:http://t.csdnimg.cn/vuQTz 学姐带你学习YOLOv8,从入门到创新,轻轻松松搞定科研; RT-DETR模型创新优化,涨点技巧分享,科研小助手; 目录 1.RT-DETR介绍 2.如何训练 RT-DETR模型 2.1数据

python中fbncc_【绘图】【BNC】【Python】绘制BNC+PPP解算结果NEU图

# -*- coding: utf-8 -*- """ Created on  09 20 09:18:10 2018 @author work_ouyang@163.com """ import matplotlib.pyplot as plt import numpy as np dN=[] dE=[] dU=[] path="CUT018531.ppp" #输入的文件,PPP结果文件 wi