cv-detection
Best practices for object detection tasks. Use when working on COCO, VOC, or detection architectures like YOLO and DETR.
DeepseekModel
キュレーション済みスキル
品質 優秀 · 90
v1.0.0
取得
https://deepseekmodel.com/api/download.php?id=aiming-lab-autoresearchclaw-researchclaw-skills-builtin-domain-cv-detection-skill-md&format=skill
ダウンロード .skill
標準形式。system_prompt と model_config を収録し、任意の Agent で利用可能
.skill ファイルの system_prompt フィールドの実際の内容。
name cv-detection description Best practices for object detection tasks. Use when working on COCO, VOC, or detection architectures like YOLO and DETR. metadata {"category":"domain","trigger-keywords":"detection,object,bbox,yolo,coco,anchor,faster rcnn","applicable-stages":"9,10","priority":"5","version":"1.0","author":"researchclaw","references":"Ren et al., Faster R-CNN, NeurIPS 2015; Carion et al., End-to-End Object Detection with Transformers, ECCV 2020"} Object Detection Best Practice Architecture families: One-stage: YOLO (v5/v8), SSD, RetinaNet, FCOS Two-stage: Faster R-CNN, Cascade R-CNN Transformer: DETR, DINO, RT-DETR Training recipe: Use pre-trained backbone (ImageNet) Multi-scale training and testing IoU threshold: 0.5 for mAP50, 0.5:0.95 for mAP Use FPN for multi-scale feature extraction Focal loss for class imbalance in one-stage detectors Standard benchmarks: COCO val2017: ~37 mAP (Faster R-CNN R50), ~51 mAP (DINO Swin-L) Pascal VOC: ~80 mAP50 (Faster R-CNN)
このスキルを起動するキーワード。クリックでコピーできます。
このスキルにはトリガーワードがありません。
ダウンロードした .skill に含まれるフィールド。
| フィールド | 説明 |
|---|---|
| format | フォーマット識別子（skill/v1） |
| skill_id | スキル固有 ID |
| name | スキル名 |
| version | バージョン |
| description | 説明 |
| category | カテゴリ（配列） |
| trigger_words | トリガーワード |
| tags | タグ |
| source | ソース |
| source_url | ソース URL（本ページ） |
| exported_at | エクスポート日時（ダウンロード毎） |
| system_prompt | システムプロンプト本文 |
| model_config | モデル設定：provider / model / temperature / max_tokens / top_p |
| examples | サンプル |
| install_guide | 各プラットフォームの導入説明（Coze / Dify / Claude / カスタム） |
