打赏

相关文章

AI项目工程化实战:从环境配置到模型部署的标准化实践

1. 项目概述:AI标准化的开源实践最近在GitHub上看到一个挺有意思的项目,叫“guillempuche/ai-standards”。光看名字,你可能会觉得这又是一个讲AI伦理、安全或者模型评估的宏大框架。但点进去仔细研究后,我发现它的切入点非常务实…

YOLO11涨点优化:损失函数优化 | QFL (Quality Focal Loss) 接入分类头,解决分类得分与IoU质量预测不一致的问题

一、问题起源:分类得分高,定位一团糟? 前段时间在用YOLO11做一个工业缺陷检测项目,训练结束后一看mAP还挺漂亮,但部署到产线上一跑,问题来了——模型输出的分类置信度普遍在0.9以上,可实际检测框的质量却参差不齐:有的框精准贴合目标,有的框歪歪扭扭甚至只框住了半个…

手机版浏览

扫一扫体验

微信公众账号

微信扫一扫加关注

返回
顶部