- 综合排序
- 最热优先
- 最新优先
- 来自专栏遥感目标检测
【遥感目标检测】利用YOLOv8进行遥感影像大气排污烟囱检测-总体介绍（1）
一、背景介绍山东某客户希望我们能够利用深度学习技术进行遥感影像的大气排污烟囱检测，快速发现生态环境问题，以便给相关主管部门提供决策依据。 二、算法框架介绍我们选择了YOLOv8算法，它是Ultralytics公司继YOLOv5之后推出的新一代目标检测算法。 不仅支持图像分类、物体检测和实例分割任务，还引入了新的功能和改进，以进一步提升性能和灵活性。 最后把所有小区域的预测结果合并起来，得到整个影像的烟囱检测结果。精度评估 为了评估模型的检测精度，我们选取了部分已知烟囱位置的影像进行验证。 四、结语以上就是我们利用YOLOv8进行遥感影像大气排污烟囱检测的总体介绍，希望能够给大家带来一些启发和帮助。如果你有任何问题或建议，欢迎随时在评论区留言交流。
66810编辑于 2024-06-10 - 来自专栏遥感目标检测
【遥感目标检测】利用YOLOv8进行遥感影像大气排污烟囱检测-数据标注需求及规范（2）
一、背景说明山东某客户希望我们利用YOLOv8在遥感影像上进行大气排污烟囱检测。由于烟囱开源样本太少，我们需要自行标注数量可观的烟囱矢量数据用于模型训练。 烟囱类型：仅标注细长型排污烟囱，不标注大口径烟囱（为冷却塔，非排污烟囱）。 仅标注细长型大气排污烟囱，不标注大口径烟囱（非排污烟囱）。排污烟囱通常比较高，若影像拍摄时间在上午或下午，影子也会比较长，可结合影子综合判断。但矩形框不要包含影子，仅包含本体即可。 《山东省2020年大气环境重点排污单位名录》供标注时参考，结合高德/百度地图可快速在GF2影像中定位（搜索相应排污单位）。影像中很可能存在不在名录里的排污单位，故需保证每景影像标注完备，无漏标。 若无法确认是否为排污烟囱，可获取当前点坐标后，在高德/谷歌地图中定位，结合POI、ROI及周边环境信息进一步判断，降低错标几率。如住宅聚集区中间大概率不会有排污烟囱。
44510编辑于 2024-06-10 - 来自专栏燧机科技-视频AI智能分析
河道排污口排污监测系统 AI守护水清岸绿
在城市黑臭水体治理、工业园区水环境监管等场景中，非法或异常排污行为是影响水质达标的关键因素。传统依赖人工巡查或在线水质传感器的方式，存在覆盖有限、成本高昂、响应滞后等问题。 为提升监管广度，部分生态环境部门试点部署了“河道排污口排污监测系统”。 二、系统架构：色彩分析 + 流动检测 + 边缘推理系统采用三层边缘设计，保障弱光与低带宽环境下的本地化处理：前端感知层在重点排口上方部署200万像素黑光摄像机（带红外补光，最低照度 ≤0.001 lux 异常判别层设定基线：晴天无排水时的河面颜色分布；若连续多帧检测到排口区域出现显著色偏（如L* < 30 的深色区域）且伴随流动，则标记为“疑似异常排水”；引入气象联动：降雨期间自动降低告警灵敏度，避免将初期雨水误判为污水 结语AI在水环境监管中的角色，不是“水质检测仪”，而是“视觉哨兵”。它无法告诉你水中是否有毒，但可以提醒你：“这个排口，今天颜色不太对。”
17210编辑于 2026-02-03 - 来自专栏燧机科技-视频AI智能分析
排污口漂浮物监测系统
排污口漂浮物监测系统通过YOLOV5网络模型技术，排污口漂浮物监测系统对河道两岸各处排污口进行7*24小时不间断实时监测，监测到河道两岸的排污口违规乱排乱放时，不需人为干预系统立即抓拍存档告警。 我们选择当下YOLO卷积神经网络YOLOv5来进行排污口识别检测。6月9日，Ultralytics公司开源了YOLOv5，离上一次YOLOv4发布不到50天。 在我们还对YOLOv4的各种高端操作、丰富的实验对比惊叹不已时，YOLOv5又带来了更强实时目标检测技术。 Head输出端-Head用来完成目标检测结果的输出。针对不同的检测算法，输出端的分支个数不尽相同，通常包含一个分类分支和一个回归分支。 YOLOv4利用GIOU_Loss来代替Smooth L1 Loss函数，从而进一步提升算法的检测精度。图片
62000编辑于 2023-04-14 排污管道检测污水排放管道检测数据集VOC+YOLO格式10000张1类别
重要说明：这个只是标注了排污管道，其他均未标注，数据集大小约1.8GB，压缩包大小1.77GB 数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的
22900编辑于 2025-07-16- 来自专栏菩提树下的杨过
pygame 笔记-6 碰撞检测
这一节学习碰撞检测，先看原理图： ? 2个矩形如果发生碰撞(即：图形有重叠区域)，按上图的判断条件就能检测出来，如果是圆形，则稍微变通一下，用半径检测。 如果是其它不规则图形，大多数游戏中，并不要求精确检测，可以在外层套一个矩形，大致用上图的原理检测。 img_base_path + 'actor/R5.png'), pygame.image.load(img_base_path + 'actor/R6. img_base_path + 'actor/L5.png'), pygame.image.load(img_base_path + 'actor/L6. 6) pygame.draw.rect(win, (255, 0, 0), self.hit_box, 2) 这样处理后，运动起来的样子如下： ?
1.4K40发布于 2018-12-28 - 来自专栏贾志刚-OpenCV学堂
YOLOv6 人脸Landmark检测
微信公众号：OpenCV学堂 关注获取更多计算机视觉与深度学习知识 YOLOv6人脸检测模型 YOLOv6上次（应该是很久以前）发布了一个0.3.1版本，支持人脸检测与五点landmark调用，后来我就下载 个值五点XY坐标 输出解析顺序 官方代码与参考文档给出的解析顺序，xyxy, conf, cls, lmdks，这部分还有官方的参考文件： https://github.com/meituan/YOLOv6/ blob/yolov6-face/yolov6/core/inferer.py 第110行就是这样说明的，于是我按上述格式一通解析，结果让我崩溃了，输入图像与解析结果如下： 这个时候我才明白为什么这个发布了这么久 ，网上居然一篇文章关于YOLOv6人脸检测的文章都没有，网上的文章很多都是YOLOv5跟YOLOv7的人脸+Landmark检测，原因一切都是有原因的。 整个推理的流程跟YOLOv5、YOLOv6对象检测一样，就是后处理不同，所以附上后处理部分的代码： def wrap_detection(self, input_image, out_data):
44330编辑于 2023-08-22 - 来自专栏用户7627119的专栏
RNA m6A检测方法
前面给大家简单介绍过m6A甲基化的概念，也给大家介绍了 ☞m6A甲基化数据分析流程 ☞corrplot展示m6a甲基化基因表达相关性 ☞m6a甲基化相关基因boxplot并显示p值 ☞m6a甲基化相关基因根据临床信息分组绘制 boxplot并显示p值 m6A检测方法 最近几年来m6A研究迅速发展，正是得益于meRIP-seq技术的开发及应用。 meRIP-seq高通量测序技术的出现，能够高效精确检测全转录组不同的RNA 甲基化，是成功发现RNA 甲基化机理及功能的关键技术。 然后将免疫共沉淀(IP)样本和对照样本中的序列片段对比(或定位)到参考基因组/ 转录组上，检测RNA 甲基化位点。对照样本测量对应RNA 的表达量，本质上是RNA-seq 数据。 MeRIP-seq 技术检测m6A 技术流程 当然做完IP我们也可以直接做qPCR，称为MeRIP-qPCR，大体流程如下 第一步，先对RNA进行特异性富集和打断。
78410编辑于 2022-09-21 - 来自专栏超级架构师
Envoy架构概览(6):异常检测
异常值检测和弹出是动态确定上游群集中的某些主机是否正在执行不同于其他主机的过程，并将其从正常负载平衡集中移除。 性能可能沿着不同的轴线，例如连续的故障，时间成功率，时间延迟等。 异常检测是被动健康检查的一种形式。 特使还支持主动健康检查。 被动和主动健康检查可以一起使用或独立使用，形成整体上游健康检查解决方案的基础。 弹射算法 取决于异常值检测的类型，弹出或者以行内（例如在连续5xx的情况下）或以指定的间隔（例如在定期成功率的情况下）运行。 弹射算法的工作原理如下： 主机被确定为异常。 一般而言，异常值检测与主动健康检查一起使用，用于全面的健康检查解决方案。 检测类型 Envoy支持以下异常检测类型： 连续5xx 如果上游主机返回一些连续的5xx，它将被弹出。 然后以给定的时间间隔基于统计异常值检测来弹出主机。
1.2K60发布于 2018-04-09 - 来自专栏MyBlog
6D目标检测简述
6D目标检测简述 本文参考了ITAIC的文章 A Review of 6D Object Pose Estimation 介绍 6D目标检测，和传统的目标检测类似，都是从图像（包括点云）中去识别物体的位置 传统的2D目标检测，像是SSD、YOLO等，识别的结果是一个边界框（bounding box） 而3D目标检测的结果则是一个3D的边界框。 6D目标检测的输出结果包括两个部分： 物体的空间坐标：x, y, z 物体的三个旋转角: pitch, yaw, roll 传统的6D目标检测可以被分类成以下几种： 基于模版匹配 基于点 基于描述子 基于特征 SSD-6D 该方法是将原来目标检测的SSD范式拓展到了6D目标检测领域，使用InceptionV4，估计2D的边界框，并且对所有的视角和旋转进行打分。 （c）然后基于这些推断结果再进行训练，优化6D姿态检测的结果 DSC-PoseNet image.png 主要分成两个步骤： 1.
1.1K30编辑于 2023-04-28 - 来自专栏网络安全观
生态环境大数据一体化平台技术实施方案（落地文件）
建设业务协同应用中心 建设业务协同应用中心，实现业务系统（行政管理审批、环境风险防控与应急、机动尾气检测、排污费征收、移动执法等）的集成，通过动态授权技术，实现有权限限制的业务数据共享。 3、业务协同应用中心 集成办公自动化（OA）、建设项目审批管理、排污费征收、排污许可证管理、放射源管理、环境信访、移动执法、机动车尾气检测等系统，并开发建设项目审批看板、机动车尾气检测看板、排污费征收统计看板 6、“一企一档”专题 根据企业从产生到注销的整个过程，设计全生命周期档案展示界面，集中展示污染源基本信息、建设项目批复信息、许可证信息、企业最新环境业务动态、环境业务信息（如行政处罚次数、投诉次数、执法次数等 2)便捷办公 本看板将集成的各系统以图标块列出，具体包括：建设项目审批管理、排污费征收、排污许可证管理、固体废物管理、放射源管理、环境信访、移动执法、机动车尾气检测等。 通过设定的年、月、周或者日期时间段、检测场站、检测方法等条件统计各个车辆类型检测车辆的总数。 通过按年、月、周或日期时间段，结合检测场站、检测设备、检测方法等条件统计各车辆类型的检测合格率。
1.7K20发布于 2021-02-25 - 来自专栏物联网智慧生活
5G环保数采仪下的造纸厂污水处理监测
造纸厂污水处理系统组成 感知层：对摄像头、各类水质监测传感器、排污设备状态等进行目标数据采集，排污口实时监测污水排放流速、流量等。 管理层：远程在线排污设备工况监测、排放水监测因子数据监测，数据分析处理，设备远程控制。 5、提供16MB的数据存储空间，可存储10年以上的采集数据 6、支持《HJ 212-2017污染物在线监控（监测）系统数据传输标准》和《HJ 212-2005污染物在线监控（监测）系统数据传输标准》通信协议 7、三级看门狗检测机制，采用PPP层心跳、ICMP探测、TCP心跳链路检测机制，设备稳定不掉线。
66320发布于 2021-03-19 - 来自专栏腾讯数据中心
积水成渊——数据中心用水效率分析
2.冷却水排污 由于腾讯某数据中心采用开式冷却塔，而且水温较高，所以必须对冷却水系统进行加药，防止冷却水系统结垢、细菌滋生、管壁淤泥附着。加药的同时必须要配合冷却水的排污来控制冷却水浓缩倍数。 6.设施维护用水 该数据中心的冷却塔为开式冷塔，所以冷塔塔盘会有很多淤泥和杂物等，需要对塔盘做定期清洗。 3.提高冷却水浓缩倍数 冷却水做水处理加药，必定要配合着排污，来控制冷却水的浓缩倍数，从而控制冷却水中钙镁离子的含量，延缓管道及设备结垢。那么浓缩倍数控制在多少合适呢？ 一般情况做水处理的厂商会建议4倍浓缩倍数，跟进每周检测补充水的电导率调整冷却水排污电导率设定值。由于冷却水排污量比较大，我们一致在尝试逐步提升排污电导率设定，目前我们控制冷却水浓缩倍数在5倍左右。 6.废水污水处理二次利用 对数据中心排放的废水（冷却水排污、冷凝水、生活用水等）回收再利用。 对于雨水充足地区可做雨水收集利用。
4K40发布于 2018-03-16 - 来自专栏3D视觉从入门到精通
目标检测领域必看的6篇论文
目标检测是计算机视觉中的经典问题之一，而图神经网络是目前较热的研究方向，两者是否有一些结合的思考呢？ 下面给大家介绍6篇有价值的目标检测论文，希望对大家的研究和工作有所帮助~ 凭借大量可用数据、更快的 GPU 和更好的算法，现在我们可以轻松训练计算机以高精度检测出图像中的多个对象。 本文就为大家推荐其中 6 篇有价值的目标检测论文。 目标检测论文推荐 2021 01 推荐理由：文章回顾了400多篇关于目标检测的论文，涵盖目标检测近20年的发展。 本文涵盖了许多主题，包括历史上的里程碑检测器、检测数据集、度量、检测系统的基本构建模块、加速技术和最新的技术检测方法。 06 推荐理由：这篇文章提出了一种多层对抗网络用于适配双阶段检测器，所提出的网络主要包含两部分，分层域特征对齐和聚合的proposal特征对齐。 那么这些目标检测的论文怎样才能又好又快地吃透呢？
93230编辑于 2022-06-28 - 来自专栏老K博客
利用ThinkPHP6实现网站安全检测
摘要 本文主要介绍了ThinkPHP6框架及其安全机制，以及如何利用这些机制和工具进行网站安全检测 一、什么是ThinkPHP6 ThinkPHP6是一款PHP开发框架，是ThinkPHP系列的最新版本 同时，ThinkPHP6还提供了多种安全机制，如数据过滤、CSRF过滤、XSS注入过滤等，帮助用户更好地保障网站安全性。 二、安全检测的基础知识 在实施安全检测前，需要掌握一些基础知识。 四、利用ThinkPHP6实现网站安全检测 在利用ThinkPHP6实现安全检测前，需要安装好ThinkPHP6环境并创建好网站。下面介绍几个常用的安全检测工具。 四、总结 本文介绍了如何利用ThinkPHP6实现网站安全检测。随着互联网的发展，保障网站安全性已经成为网站建设和运营过程中的一项非常重要的任务。 通过运用ThinkPHP6提供的安全机制和常用的安全检测工具，可以有效地发现和修复网站潜在的安全漏洞，帮助网站更好地保护用户信息和维护安全。
1.6K10编辑于 2024-01-08 - 来自专栏机器学习AI算法工程
YOLOv6训练运行教程，鱼苗检测
向AI转型的程序员都关注了这个号 机器学习AI算法工程 公众号：datayx 精度与速度远超 YOLOv5 和 YOLOX 的新框架 YOLOv6关键技术介绍 YOLOv6 主要在 Backbone 在训练策略上，我们采用Anchor-free 无锚范式，同时辅以 SimOTA[2] 标签分配策略以及 SIoU[9] 边界框回归损失来进一步提高检测精度。 YOLOv6检测鱼苗 YOLOv6 的训练和YOLOv5 类似 yolov5鱼苗检测计数：从数据标注到训练 下载 yolov6代码 https://github.com/meituan/YOLOv6 《基于深度学习的自然语言处理》中/英PDF Deep Learning 中文版初版-周志华团队 【全套视频课】最全的目标检测算法系列讲解，通俗易懂！ CNN-RNN-CTC 实现手写汉字识别 yolo3 检测出图像中的不规则汉字 同样是机器学习算法工程师，你的面试为什么过不了？
2.1K30编辑于 2022-07-01 - 来自专栏mac软件推荐
Geekbench 6 for Mac(检测系统性能工具)
Geekbench 6 for Mac(检测系统性能工具)图片
99910编辑于 2023-03-30 - 来自专栏机器之心
做目标检测，这6篇就够了：CVPR 2020目标检测论文盘点
选自heartbeat 作者：Derrick Mwiti 机器之心编译 参与：陈萍 CVPR 2020 会议上，有哪些目标检测论文值得关注？ 目标检测是计算机视觉中的经典问题之一。 前不久结束的 CVPR 2020 会议在推动目标检测领域发展方面做出了一些贡献，本文就为大家推荐其中 6 篇有价值的目标检测论文。 ? 这篇论文提出了一种「小样本」目标检测网络，旨在通过少量标注数据使模型有效检测到从未见过的目标。 ，同时抑制 background 中的错误检测。 6. D2Det: Towards High-Quality Object Detection and Instance Segmentation ?
1.8K20发布于 2020-07-28 winform利用seetaface6实现C#人脸检测活体检测口罩检测年龄预测性别判断眼睛状态检测
SeetaFace6的识别准确率高达99%以上，并且可以在各种复杂的环境下进行工作，如不同的光照条件、面部朝向、面部表情等。 SeetaFace6采用了多种技术手段来提高识别准确率和稳定性，如使用卷积神经网络进行特征提取、使用数据增强技术增加训练数据量、使用迁移学习等技术来优化模型等。SeetaFace6的应用场景非常广泛。 除了以上应用场景外，SeetaFace6还可以应用于人脸美颜、人脸表情识别、人脸合成等领域。 未来，随着人工智能技术的不断发展，我们相信SeetaFace6将会在更多的领域得到应用和发展，并且将不断推动人脸识别技术的创新和进步。 【效果展示】人脸检测年龄预测 口罩检测 性别判断 眼睛状态判断 活体检测(局部) 【官方部分代码】注意以下是官方实例，不是我示范代码using SkiaSharp;using System;using
53710编辑于 2025-09-09- 来自专栏运维前线
CentOS6 安装代码检测工具sonarsource
CentOS6 安装sonarsource sonarqube下载地址： https://sonarsource.bintray.com/Distribution/sonarqube/ wget https ://sonarsource.bintray.com/Distribution/sonarqube/sonarqube-6.5.zip -P /usr/local/src 安装环境准备 CentOS6 sonar # Required-Start: $network # Required-Stop: $network # Default-Start: 3 4 5 # Default-Stop: 0 1 2 6
99390发布于 2018-01-02
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号