作者的系统环境是：

• 笔记本：ThindPad P520

昨天，Ultralytics团队正式推出YOLOv8.3.102版本，此次更新聚焦于模型架构优化与开发效率提升，通过引入全新模块、重构代码结构及增强工业级部署能力，为计算机视觉领域的研究者与开发者带来更高效、灵活的目标检测解决方案。以下是本次更新的核心亮点与功能详解：

传统的标注，需要使用标注软件人工一个一个的标注，太耗费时间和精力，如果我们有个基础的、通用的模型，但是效果一般，然后想要重新标注，我们就可以使用现有的模型，生成VOC格式的标签文件。

布局检测是文档解析领域的核心任务之一，目标是精准定位文档中不同类型的元素（正文、标题、表格、图片等）。尽管布局检测已经研究很多年，但现有的布局检测算法多关注在论文类型的文档，当面对多样性的文档（如教材、考题、研报等）时，其检测效果还是不及预期。

一、准备深度学习环境

近期搞智能体应用，需要使用各种工具模型的服务，包括图像识别，OCR等。于是用FastAPI构建了一系列的工具服务，这是其中之一。

YOLO

Pine 发自 凹非寺
量子位 | 公众号 QbitAI

前脚美团刚发布YOLOv6， YOLO官方团队又放出新版本。

曾参与YOLO项目维护的大神Alexey Bochkovskiy在推特上声称：

机器之心报道

机器之心编辑部

题目

基于机器视觉盲人障碍检测研究

场景：

模型结构

通过捕获long-range dependency提取全局信息，对各种视觉任务都是很有帮助的，典型的方法是Non-local Network自注意力机制。对于每个查询位置（query position），Non-local network首先计算该位置和所有位置之间一个两两成对的关系，得到一个attention map。然后对attention map所有位置的权重加权求和得到汇总特征，每一个查询位置都得到一个汇总特征，将汇总特征与原始特征相加得到最终输出。对于某个query position，nNon-local network计算的另一个位置与该位置的关系即一个权重值表示这个位置对query位置的重要程度。但现有研究发现不同的query位置其对应的attention map几乎一样，如下图所示