yolo

提出AE-YOLO，一种注意力引导自编码器增强的YOLO框架，用于无人机输电线路图像中鲁棒的绝缘子缺陷检测，在[email protected]上达到95.10%，比YOLO基线高出5个百分点。

Ultralytics YOLO26 引入了一个统一的实时视觉模型家族，具有无需NMS的推理、改进的训练策略以及用于检测、分割和姿态估计的多任务能力，实现了最先进的精度与延迟权衡。

BenjaminDEKR强调了Cybercab Spotter，此人利用YOLO在公共交通摄像头上检测特斯拉Cybercab，称之为AI视觉的巧妙应用。

ICLR2026上提出的RF-DETR模型结合了Transformer的高精度和实时性，在100个真实场景中取得高分，并提供从Nano到2XL的多种规模，有望替代YOLO在实时检测领域的地位。

这条社交媒体帖子表达了对 YOLOv3 目标检测模型回归或重新受到关注的兴奋之情。

关于YOLO这一广泛使用的实时目标检测模型系列的文章。

一位用户希望获得关于改进其YOLO11n目标检测模型的建议，计划将其部署在Raspberry Pi 5上，但困扰于理论mAP50指标与实际检测性能之间的差距。