discoverai

摘要： PointNet：让神经网络直接"看"点云，3D深度学习的开山之作 作者：小探 首发：探物 AI 序列：3D感知网络的第4篇文章 转载请注明出处 上一篇我们学习了CenterPoint，理解了无锚框BEV检测方法。但回到最根本的问题——如何让神经网络直接处理3D点云？这一篇我们来看PointNet— 阅读全文

摘要： SEAM：给 YOLOv11 加上"深度可分离卷积+SE注意力"的组合拳 YOLOv11 改进系列 · 第04篇 · 网络结构改进 作者：小探 发布时间：2026年6月 关键词：注意力机制，SEAM，深度可分离卷积，YOLOv11改进 1. 改进动机 在目标检测任务中，通道注意力已经被证明是一种简单 阅读全文

摘要： CenterPoint：不用锚框也能做3D检测？无锚框方法的革命 作者：小探 | 首发：探物 AI | 序列：3D感知网络的第3篇文章 | 转载请注明出处 上一篇我们学习了PointPillars，理解了如何用柱子化将3D点云转为伪图像实现实时检测。但PointPillars需要设计大量锚框，正负样 阅读全文

摘要： 从PointNet到PointPillars：如何让自动驾驶汽车"实时"看见3D世界？ 作者：小探 首发：探物 AI 序列：3D感知网络的第2篇文章 转载请注明出处 上一篇我们学习了PointNet，理解了如何用深度学习直接处理无序点云。但PointNet主要用于分类和分割，离"实时检测周围的车辆" 阅读全文

摘要： 从ResNet到YOLOv11：深度学习如何让计算机"看懂"图像？ 上一篇我们学习了ResNet，理解了深度学习的基础。这一篇我们来看看ResNet的思想如何应用到实际任务中——以YOLOv11为例，了解目标检测的奥秘。 一、回顾ResNet：我们学到了什么？ 1.1 ResNet的核心思想 传统网 阅读全文

摘要： 零基础入门深度学习：从ResNet开始，一步步带你理解神经网络 这是一篇写给深度学习新手的文章。如果你听说过"神经网络"、"卷积"这些词，但不知道它们是什么，这篇文章就是为你准备的。 一、什么是深度学习？（5分钟搞懂） 1.1 先从一个生活例子说起 假设你要教计算机识别猫和狗： 传统方法（机器学习） 阅读全文

摘要： 从稀疏到完整：JS3C-Net如何用场景补全提升点云分割 🚗 自动驾驶入门系列第二篇 | 作者：小探 📅 发布时间：2026年6月10日 前言 上一篇我们介绍了LMSCNet——一个轻量级的3D语义补全网络。今天我们来看另一篇有趣的工作：JS3C-Net（Joint Semantic-Compl 阅读全文

摘要： 把 MambaOut 塞进 YOLOv11：会有什么样的反应 yolov11改进系列第15篇 作者：小探 发布时间：2026年6月 关键词：Mamba，yolov11改进 1. 改进介绍 Mamba 最近在 CV 圈很火，也很多人进行了改进尝试，不过把它直接塞进检测器的结果都比较一般，显存和推理速度 阅读全文

摘要： 零基础友好：大白话拆解 YOLOv11，像素变检测框底层逻辑一遍过 导语：平时做yolov11项目，往往只需要敲一行model.predict() ，几十毫秒后，图片上的目标就被框得明明白白。但是，如果你把 YOLOv11 当成一个“黑盒”，一旦遇到漏检或者调优，往往就不知从何下手了。今天，咱们用大 阅读全文

摘要： 别再盲目重构 YOLOv11 架构！揭开小目标漏检的底层真相与四大训练策略 摘要：在解决 YOLO 小目标漏检时，很多人热衷于“提升模型复杂度”（如加 Attention、改 Neck）。但这往往导致 FPS 暴跌，召回率却没涨。本文从训练策略视角，扒开小目标漏检的底层真相，并给出四大高收益的工程干 阅读全文