The main innovation is that we trained a YOLOv8-based Bird Song Detector to filter only segments with bird vocalizations before running species classifiers.
The results are that for all classifiers, metrics improve when the Bird Song Detector is first applied:
Разработка автономного робота для навигации по городу
Как мы взяли первое место на Кубке РТК "Высшая лига" с TurtleBot3 на ROS2 В рамках регионального этапа хакатона “Кубок РТК: Высшая лига”, который проходил 24-25 мая в Москве, наша команда misis_robo_family разработала автономного робота с функцией распознавания дорожных знаков и возможностью следовать по маршруту, используя эти знаки. Этот проект объединил в себе современные технологии компьютерного зрения и автономной навигации.
« L’#IA les a tous battus » : des chercheurs chinois développent une IA capable de surpasser les pilotes humains dans des combats aériens simulés, avec une précision redoutable.
https://techguru.fr/2025/05/24/lia-les-a-tous-battus-en-combat-aerien-lintelligence-artificielle-surpasse-les-pilotes-chinois-avec-une-precision-terrifiante
#IA #Aérien #Chine #Technologie #Défense #YOLOv8
Автономный робот для обследования нефтяного месторождения: новые решения
В апреле 2025 года на базе НИТУ «МИСИС» прошёл второй этап хакатона «Кубок РТК: Нефтяное месторождение». Наша команда misis_robo_club снова приняла участие с автономным роботом для инспекции нефтепромысла, но на этот раз с существенно доработанным решением.
AI, FreeRTOS и Linux в кармане: возможности LicheeRV Nano
В этой статье речь пойдет о разработке под отладочную плату LicheeRV Nano - компактное устройство размером с две пятирублевые монеты, но обладающее впечатляющими возможностями. Плата способна одновременно запускать Linux и FreeRTOS , выполнять инференс нейронных сетей (будет разобран запуск YOLO в 100 FPS и LLama2.c) благодаря встоенному NPU с производительностью 1 TOPS , а также управлять периферийными устройствами: GPIO, I2C, UART, SPI, CSI камерой, Wi-Fi, Bluetooth и Ethernet. Это первая часть статьи, представляющая собой методическое руководство по работе с платой. Во второй части будет рассмотрена разработка полноценного проекта на её основе.
https://habr.com/ru/articles/880230/
#c++ #linux #электроника #программирование #npu #yolo #yolov8 #робототехника #llm #opencv
ИИ-система инспекции груза: преимущества, вызовы и реализация
В мире логистики и грузоперевозок огромное значение придается сохранности груза. Склады обязаны обеспечить целостность и сохранность груза во время хранения, так как любые повреждения влекут за собой потерю доверия клиентов и ощутимые штрафы. Эта проблема решается качественной инспекцией груза и ведением отчетности о его состоянии, — процесс, который можно облегчить с помощью искусственного интеллекта.
ИИ-система инспекции груза: преимущества, вызовы и реализация
В мире логистики и грузоперевозок огромное значение придается сохранности груза. Склады обязаны обеспечить целостность и сохранность груза во время хранения, так как любые повреждения влекут за собой потерю доверия клиентов и ощутимые штрафы. Эта проблема решается качественной инспекцией груза и ведением отчетности о его состоянии, — процесс, который можно облегчить с помощью искусственного интеллекта.
Распознаем беспилотники малых размеров с помощью ИИ
Беспилотные летательные аппараты (БПЛА), или дроны, становятся всё более распространёнными в различных областях — от коммерческой доставки и мониторинга сельскохозяйственных угодий до разведывательных миссий и обеспечения безопасности. Однако, по мере роста их числа, возрастает и сложность задачи их распознавания, идентификации и трекинга, особенно когда речь идёт о малых дронах. Читать далее ->
Using a YOLOv8 model trained in Python with Java is quite cumbersome. You need to add a series of DJL packages and OpenCV, and also convert the .pt file to .torchscript format beforehand. Additionally, you have to handle the labels yourself, and process images and videos separately. The performance doesn’t seem as good as calling it directly in Python.
#python #java #yolov8
Как определять объекты с ptz камеры
В статье предлагается рассмотреть практические моменты применения ptz камеры (на примере модели Dahua DH-SD42C212T-HN) для детектирования и классификации объектов. Рассматриваются алгоритмы управления камерой через интерфейс ONVIF, python. Применяются модели (сети) depth-Anything, yolov8, yolo-world для детектирования объектов.
Как мы научили computer vision модель YOLOv8 работать с данными лидара
Обучили модель компьютерного зрения читать данные с лидара и вычислять человекопоток возле билбордов. Анализируем эффективность офлайн-рекламы — так, чтобы ни заказчика, ни его клиентов не оштрафовали на миллионы евро за нарушение закона о персональных данных.
Апдейтить или нет: нужно ли брать новую ML-модель?
Бывала у вас такая ситуация. Выходит новая нейронная сеть и все руководство начинает требовать внедрить её? Половина коллег восторженно рассказывает о новом слое который позволил повысить точность сети? YoloV(N+1) ? LLAMA100 ?
Работа с YOLOV8. Детекция, сегментация, трекинг объектов, а также подготовка собственного датасета и обучение
Если вам кажется, что начать работу с нейросетями - это сложно, то этот материал для вас! В статье подробно, с примерами кода, разберем основные функции базовой модели YOLOV8 - детекция, сегментация, трекинг объектов, а также создание собственного датасета и дообучение нейросети для работы с собственными объектами!
Анализ производительности моделей YOLOv8
В данной статье речь пойдёт о замерах производительности и точности работы моделей YOLOv8 на разных устройствах с различными оптимизациями и без них. Большое внимание будет уделено работе Yolo на “слабых устройствах”, таких как Raspberry PI, Orange PI, Jetson Nano, мини ПК. Современные задачи робототехники требуют вычислений "на борту", что особенно актуально для автономных систем. Важность данного исследования заключается в том, что оно направлено на решение задачи детекции в режиме реального времени на маломощных устройствах, что открывает новые возможности для использования компьютерного зрения в мобильных и автономных роботах. Будем считать, что FPS обработки изображений >= 10 пригоден для некоторых задач детекции в реальном времени, но далеко не для всех. Читать подробнее
https://habr.com/ru/articles/822917/
#yolov8 #intel #оптимизация #yolo #нейронные_сети #машинное+обучение
[Перевод] DIY для шпиона: использование обнаружения объектов с помощью YOLOv8 в рамках военных стратегий
Применим геопространственную разведку для точный количественный учет воздушных судов противника? Используем для этого технологию обнаружения объектов YOLOv8 на основе аэрофотосъемки, выполненной разведывательными беспилотниками, что обеспечит надежное планирование военных действий. В рамках глобальной системы мониторинга, известной как « The Machine ». , функционируют разнообразные элементы. Данная система объединяет множество устройств, распределенных по всему земному шару, что обеспечивает комплексное наблюдение. Это позволяет государственным органам осуществлять мониторинг за индивидуальными лицами, анализировать общественные поведенческие тенденции и контролировать военные объекты на международном уровне. Геопространственная разведка (GEOINT) занимает центральное место в этой системе. В этой статье основное внимание уделим GEOINT в качестве ключевого средства для мониторинга военных авиабаз противника. Такой подход к наблюдению за объектами и базирующейся на них авиацией способствует глубокой проработке стратегии и тактики ведения боевых действий.
Interested in detecting features in pictures for #gis ?
I wrote a tutorial on how to use @panoramax, @osm_fr and #YOLOv8 to detect your own map features !
Give it a look at https://github.com/panoramax-project/DetectionTutorial (in 
and 
)
For my second blogpost of the day ;) one of my more infamous and far-fetched experiments encompasses the combination of #MachineLearning combined with a Spatial Map to recognize and locate objects in 3D space, using a #YoloV8 #computervision model. This worked pretty well on #HoloLens2. I got it to work on #MagicLeap2 as well, but it was quite a rocky road. The #RealityCollective #ServiceFramework to the rescue :). Explanation, sample and full code at: https://localjoost.github.io/Running-a-YoloV8-model-on-a-Magic-Leap-2-to-recognize-objects-in-3D-space/
#yolov8 made it really easy for me to train a swastika detector. This will be a great tool.
Some exciting tests with #yolov8 #AI #objectdetection for mapping #beaver dams and lodges in #Alaska on #aerial #imagery with ~5-10 cm GSD.
Quite promising results for now.
Labelling and data preparation with #roboflow
#deeplearning
