目标检测

• 工业无死角视觉方案：RV1126B平台AVS全景拼接+目标检测

  AVS全景拼接技术利用RV1126B芯片的硬件拼接模块，将多路AHD摄像头画面融合拼接为单幅完整图像，实现360度无死角视频拍摄。该方案基于OK1126B-S开发板和TP2815模块，通过内参和外参标定确保拼接精度。硬件配置包括开发板、摄像头、TP2815模块和电源线，软件配置为Linux系统和Rockit多媒体框架。通过镜像烧录和程序部署，可在LVDS屏上展示拼接后的全景画面并进行目标检测。

  飞凌嵌入式

  793

  07/17 13:09

  目标检测

  
• 【RV1126B 实战连载 03】从YOLOv5到YOLO26，RV1126B 通用目标检测模型部署

  前言： 本期聚焦：作为眺望电子RV1126B实战连载的第三篇，针对YOLO系列目标检测模型，我们选取了跨越三个代际的版本：作为经典工业利器的YOLOv5、新一代性能跃升的YOLO11，以及2025年发布的里程碑之作YOLO26。三代模型将在同一个IPC-RV1126B套件上接受部署实测展示。 目标检测（Object Detection），从图像中同时识别”是什么物体”和”物体在哪里”，早已成为计算

  Talowe 眺望电子

  2347

  06/26 15:06

  YOLO 目标检测
• 基于FPGA及神经网络SSD算法目标检测系统设计

  本文介绍了基于FPGA的SSD目标检测算法的移植与优化。首先，详细阐述了SSD算法的基本原理及其在不同层次的特征提取和目标检测中的作用。接着，描述了SSD算法在PYNQ平台上的实现步骤，包括卷积、池化、L2范数等模块的设计与优化。文中还讨论了并行设计和量化设计的具体措施，以提高算法的执行效率和资源利用率。 此外，文章提到了Python网络搭建的过程，通过调用卷积和池化单元实现主干特征网络，并对特定检测层进行分类预测和回归预测。最后，总结了项目的完成情况和性能参数，指出当前实现的功能满足预定要求，但在工作时钟频率和数据并行性方面仍有待改进。

  FPGA技术江湖

  694

  04/28 10:27

  FPGA SSD

  
• STM32N6的开发日记(11):从头构建一个SSD目标检测并部署

  STM32N6作为意法半导体推出的首款集成自研神经处理单元的STM32产品以“MCU+NPU”的异构架构重新定义了边缘AI的算力边界，是意法半导体的MCU最前沿技术栈，不过由于其高难度技术应用以及需要的极其深厚的STM32使用经验以及神经网络基础概念，因此上手难度非常的高。

  实在太懒于是不想取名

  806

  04/24 14:59

  SSD STM32N6
• 如何使用YOLO-World实现零样本目标检测

  YOLO-World是一种开放式目标检测系统，能够识别各类未知物体，无需预定义类别。通过大量数据预训练和语言运用，实现高效且广泛适用的应用场景。本文介绍了如何使用YOLO-World进行目标检测的基本步骤，包括安装必要库、导入模型、设置分类、预测图像目标，并展示结果。

  机器视觉与AI深度学习

  1990

  04/23 08:36

  YOLO 目标检测
• 基于YOLOv8和DeepSORT实现目标检测与跟踪

  本文介绍了如何使用 YOLOv8 和 DeepSORT 实现物体检测、跟踪和速度估计。首先设置项目环境，克隆存储库并创建虚拟环境。接下来，下载额外文件并运行检测和跟踪脚本。主要脚本协调整个过程，加载 YOLOv8 模型并初始化 DeepSORT 跟踪器。检测对象并在视频中绘制边界框和标签。最后，输出带有检测、跟踪和速度估计的视频。

  机器视觉与AI深度学习

  1405

  03/16 16:18

  YOLO 目标检测
• STM32N6的开发日记(7):摄像头+NPU联动，完成 YOLO 实时目标检测与显示

  STM32N6是一款由意法半导体推出的集成了自研神经处理单元的MCU，具有强大的边缘AI算力。本文档详细介绍了如何使用STM32CubeMX配置和部署YOLO神经网络模型于STM32N6平台，包括准备工作、CubeMX配置、代码详解等内容。重点在于展示如何通过ISP中间件处理摄像头图像，然后利用NPU加速YOLO模型的实时目标检测，并将结果显示在LTDC显示屏上。

  实在太懒于是不想取名

  5018

  03/09 09:49

  STM32N6 YOLO

  
• 狗狗入镜、猫咪客串：在树莓派上部署 Ultralytics YOLO26 实现目标检测！

  我们来探索如何在树莓派上部署并运行 YOLO 人工智能目标检测模型。本教程内容十分详尽，本文仅分享核心的安装步骤；完整教程可查阅最新一期《树莓派官方杂志》第 70–77 页。

  上海晶珩电子科技有限公司

  1314

  03/03 09:49

  树莓派 YOLO
• 零样本目标检测：检测从未见过的物体

  零样本目标检测是一种创新技术，允许模型仅凭文本描述检测从未见过的对象，无需重新训练或额外标注数据。这项技术依赖于视觉语言理解和开放集检测两大理念，并且已经取得显著进展，如Grounding DINO和YOLO-World等模型展示了出色的性能。然而，零样本检测仍面临一些挑战，如准确性权衡、小目标检测和提示信息设计等。随着基础模型、多模态融合和高效架构的发展，零样本目标检测有望在未来得到进一步改进。

  机器视觉与AI深度学习

  1590

  01/05 11:33

  机器视觉 目标检测
• 一小时搞定 STM32MPU 部署前置：YOLOv8 目标检测模型训练全指南

  STM32MPU（如 STM32MP2 系列）搭载 NPU，是边缘 AI 目标检测的理想硬件载体。本文基于 ST 应用笔记，详解在 Ubuntu 22.04 PC 端快速完成 YOLOv8 模型训练的流程，1 小时内即可实现 “环境搭建→数据训练→结果评估→模型导出” 全闭环，为后续 STM32MPU 推理部署提供适配性最优的模型文件。

  芯次元玩家

  3395

  2025/11/20

  stm32 MPU
• 基于ov5640的摄像头运动目标检测verilog代码Quartus，CX401开发板

  基于OV5640摄像头的Verilog代码，使用Quartus II在CX401开发板上实现运动目标检测。代码包含电源控制模块，能从RGB转至YCbCr格式，并在SDRAM中存储图像。附有演示视频和代码讲解视频，适合移植到其他开发板。

  FPGA代码设计学习资料

  1136

  2025/10/28

  verilog 摄像头

  
• 2025年最先进的6个目标检测模型介绍

  目标检测技术在2025年迎来重大突破，Transformer架构和注意力机制推动了RF-DETR、YOLOv12等新模型的发展，实现了前所未有的精度和实时性能。最佳目标检测模型标准包括实时性能、标准基准准确性、模型效率和可扩展性、领域适应性以及积极的开发和部署支持。推荐的模型包括RF-DETR、YOLOv12、YOLO-NAS、RTMDet、YOLO-World和GroundingDINO，它们在不同应用场景中展现出了卓越的表现。

  机器视觉与AI深度学习

  8448

  2025/10/28

  目标检测 运动检测
• 使用YOLOv10进行自定义目标检测

  YOLO（You Only Look Once）是一种流行的物体检测算法，以其速度和准确性而闻名。与涉及生成区域提案然后对其进行分类的多阶段过程的传统方法不同，YOLO 将物体检测框架化为单个回归问题，只需一次评估即可直接从完整图像中预测边界框和类别概率。

  机器视觉与AI深度学习

  1256

  2025/08/13

  算法 YOLO

  
• Windows + PyTorch + YOLOv8：小白也能玩转AI目标检测

  YOLO模型YOLO（You Only Look Once）是一种高效的目标检测模型，它将图像划分为网格，并在每个网格中同时预测边界框和类别，从而实现端到端的实时目标检测。与传统方法相比，YOLO具有速度快、精度高、适用于实时应用的优点，广泛应用于视频监控、自动驾驶等领域。

  实在太懒于是不想取名

  9431

  2025/05/29

  windows YOLO

  
• 目标检测算法的动态重构硬件加速系统的基础理论概述

  本文介绍了一般目标检测算法的动态重构硬件加速系统的基础理论概述

  老时FPGA

  1668

  2024/09/04

  FPGA DPU
• EDRCA-YOLO动态重构目标检测硬件加速器系统方案

  重点描述了动态重构加速器系统架构EDRCA-YOLO。首先，对介绍了动态重构硬件加速器系统总体架构的设计。然后，阐述了图像预处理算法及其硬件加速设计，详细描述了可重构模块和图像预处理算法的IP核接口设计。最后，阐述了基于Vitis AI的目标检测网络模型推理加速器方案及网络压缩和网络编译的步骤。

  老时FPGA

  1312

  2024/09/04

  嵌入式 YOLO

  
• 通过特征选择和聚合实现实用的视频目标检测

  论文 Practical Video Object Detection via Feature Selection and Aggregation 探讨了视频目标检测（VOD）的挑战，尤其是如何有效地跨帧聚合特征以提高检测的准确性和效率。

  智澜初起

  1223

  2024/08/11

  目标检测 VOD

  
• LION: 用于点云中3D目标检测的线性组RNN

  LION的示意图主要包括多个LION模块，每个模块配有体素生成以增强特征，并配有体素合并以沿高度维度对特征进行下采样。(H, W, D)表示3D特征图的形状，其中H、W和D分别是3D特征图在X轴、Y轴和Z轴上的长度、宽度和高度。N是LION模块的数量。在LION中，我们首先将点云转换为体素，并将这些体素划分成一系列等大小的组。然后，我们将这些分组的特征输入LION的3D骨干网络，以增强它们的特征表示。最后，这些增强的特征被输入到BEV（鸟瞰图）骨干网和检测头中，以进行最终的3D检测。

  智澜初起

  1548

  2024/08/07

  目标检测 点云数据
• 基于 FPGA 的目标检测网络加速电路设计

  目前主流的目标检测算法都是用CNN来提取数据特征，而CNN的计算复杂度比传统算 法高出很多。同时随着CNN不断提高的精度，其网络深度与参数的数量也在飞快地增长， 其所需要的计算资源和内存资源也在不断增加。目前通用CPU已经无法满足CNN的计算需 求，如今主要研究大多通过专用集成电路(ASIC)，图形处理器(GPU)或者现场可编程门 阵列(FPGA)来构建硬件加速电路，来提升计算CNN的性能。

  FPGA技术江湖

  847

  2024/02/05

  FPGA 电路设计

  
• 在ELF 1开发板上实现读取摄像头视频进行目标检测

  当前，将AI或深度学习算法（如分类、目标检测和轨迹追踪）部署到嵌入式设备，进而实现边缘计算，正成为轻量级深度学习算法发展的一个重要趋势。今天将与各位小伙伴分享一个实际案例：在ELF 1开发板上成功部署深度学习模型的项目，该项目能够实时读取摄像头视频流并实现对画面中的物体进行精准的目标检测。

  ElfBoard

  1513

  2024/01/24

  开发板 深度学习

  

正在努力加载...