Ultralytics (@ultralytics)

Ultralytics YOLO26를 활용해 물류 현장에서 작업자 추락을 실시간 탐지하는 사례를 소개했다. 객체 탐지와 자세 추정을 결합해 짐을 든 사람이 넘어졌는지 식별하고, 창고 안전을 개선하며 사고 대응을 더 빠르게 할 수 있다.

https://x.com/ultralytics/status/2052418305500066000

#ultralytics #yolo26 #computervision #safety #objectdetection

Ultralytics 문서: YOLO26을 SAHI(Slicing Aided Hyper Inference)와 연동해 대형·고해상 이미지에 대해 sliced inference를 수행하는 방법을 안내합니다. 설치(pip), 모델 인스턴스화, 표준/슬라이스 추론 코드, 결과 시각화·내보내기, 배치 처리 및 COCO 등 어노테이션 변환, 인용 정보까지 포함되어 있습니다.

https://docs.ultralytics.com/guides/sahi-tiled-inference/

#yolo #sahi #slicedinference #objectdetection #ultralytics

Muhammad Rizwan Munawar (@muhammdrizwanmr)

Ultralytics YOLO26과 SAHI를 결합해 작은 객체를 더 정확하게 탐지하는 방법을 소개합니다. 속도보다 정확도가 중요한 이미지에서 미세하거나 먼 물체를 식별하는 데 유용하며, 교통 분석 등 고정밀 객체 탐지 작업에 적합한 활용 사례를 제시합니다.

https://x.com/muhammdrizwanmr/status/2051869552997490749

#ultralytics #yolo26 #sahi #objectdetection #computervision

Muhammad Rizwan Munawar (@muhammdrizwanmr)

Ultralytics YOLO26을 활용해 축구 선수 탐지와 추적을 구현한 사례다. 커스텀 데이터셋으로 Ultralytics Platform에서 30분 만에 학습했고, ByteTrack 객체 추적기를 사용해 선수들을 추적했다는 내용이다.

https://x.com/muhammdrizwanmr/status/2051153865114808772

#ultralytics #yolo26 #bytetrack #objectdetection #tracking

Ultralytics (@ultralytics)

작은 객체 검출의 어려움과 이를 개선하는 방법을 다룬 영상으로, SAHI, 더 나은 데이터셋, 데이터 증강이 실제 성능 향상에 도움이 된다고 설명한다. 소형 객체 검출 최적화에 관심 있는 개발자에게 유용한 튜토리얼성 콘텐츠다.

https://x.com/ultralytics/status/2049912952816386442

#objectdetection #sahi #augmentation #mAP #ultralytics

Ultralytics (@ultralytics)

Ultralytics Platform의 새 튜토리얼로, 창고 환경에서 사람의 넘어짐을 실시간 감지하고 이메일 알림을 트리거하는 Fall detection 예제를 소개한다. 컴퓨터 비전과 안전 AI를 결합한 실용적 적용 사례다.

https://x.com/ultralytics/status/2048860257741406658

#ultralytics #computervision #safetyai #objectdetection #automation

Ultralytics (@ultralytics)

Ultralytics YOLO26을 DOTA 데이터셋으로 학습해 항공 이미지에서 회전 객체를 탐지하는 방법을 안내한다. 위성 이미지, 드론 모니터링, 원격탐사에 적합한 oriented bounding boxes 활용 사례로, 최신 객체 탐지 모델의 실용적 응용을 보여준다.

https://x.com/ultralytics/status/2046983649162092928

#ultralytics #yolo26 #dota #objectdetection #remotesensing

Title: P3: preparing for interview and reading paper [2024-02-28 Wed]
detection networks. It uses predefined anchor boxes and their
pyramides. There is a sliding window, a box-regression layer
(reg) and a box-classification layer (cls).

Anchor-free object detection methods is CenterNet, FCOS
(Fully Convolutional One-Stage Object Detection) and
DETR (DEtection TRansformers)
😶 #dailyreport #cv #objectdetection #fsl #deeplearning

Title: P2: preparing for interview and reading paper [2024-02-28 Wed]
- Learn-to-Parameterize - param eterizing the base learner or
some subparts of base learner for a novel task so that it can
address this task specifically. meta learner generate weights
for base learner.
- Learn-to-Adjust
- Learn-to-Remember

Also this article have good overview of all ML tasks.

Region Proposal Network (RPN) is a backbone of first object #dailyreport #cv #objectdetection #fsl #deeplearning