【2.7】yolo

Vue3学习记录（一）--- 组合式API之基础概念和变量声明

一、组合式API基础1、简介组合式API(CompositionAPI)是Vue3和Vue2的v2.7之后版本中的全新特性，是一系列API的的集合（响应式API、生命周期钩子、依赖注入等等），其风格是基于函数的组合
努力的小朱同学·2024-02-03 19:42

基于YOLOv7算法的高精度实时海上船只目标检测识别系统（PyTorch+Pyside6+YOLOv7）

摘要：基于YOLOv7算法的高精度实时海上船只目标检测系统可用于日常生活中检测与定位海上船只目标，此系统可完成对输入图片、视频、文件夹以及摄像头方式的目标检测与识别，同时本系统还支持检测结果可视化与导出
BestSongC·2024-02-03 17:57

基于YOLOv8的船舶目标检测系统（Python源码+Pyqt6界面+数据集）

博主简介AI小怪兽，YOLO骨灰级玩家，1）YOLOv5、v7、v8优化创新，轻松涨点和模型轻量化；2）目标检测、语义分割、OCR、分类等技术孵化，赋能智能制造，工业项目落地经验丰富；原创自研系列，2024
AI小怪兽·2024-02-03 17:26

计算机设计大赛 深度学习 python opencv 火焰检测识别

文章目录0前言1基于YOLO的火焰检测与识别2课题背景3卷积神经网络3.1卷积层3.2池化层3.3激活函数：3.4全连接层3.5使用tensorflow中keras模块实现卷积神经网络4YOLOV54.1
iuerfee·2024-02-03 16:31

全球债市抛售加剧

全球债券市场的抛售周一加剧，10年期美国国债收益率近4年来首次超过2.7%，引发人们对于股市飙升可能逆转的担心。人们对世界经济走强日益乐观的情绪近期推高了股市。
金石明镜·2024-02-03 16:49

Linux下的DS18B20 驱动设计

linux相关的驱动代码实现4驱动程序Makefile5测试代码实现6测试代码Makefile7测试驱动系统环境：使用Linux内核：linux-imx-4.1.15-2.1.0-g3dc0a4b-v2.7
mftang·2024-02-03 15:10

实现platform tree下的单总线协议驱动（Linux）

单总线协议驱动的实现2.1在内核的.dts文件2.2编写驱动代码2.3编写测试App3测试1开发环境1.1硬件系统参数Linux内核:linux-imx-4.1.15-2.1.0-g3dc0a4b-v2.7
mftang·2024-02-03 15:10

一个设备树驱动程序Demo（linux）

目录1编写节点参数2编写驱动代码3编写测试程序4运行测试系统环境：使用Linux内核：linux-imx-4.1.15-2.1.0-g3dc0a4b-v2.7.tar.bz2硬件：正点原子ATK-DL6Y2C
mftang·2024-02-03 15:40

centos6.5安装/升级到python2.7

前言最近想爬点东西，2.7比较稳定，但是因为在linux机器上用yum安装的默认是2.6.6版本的，所以需要升级到2.7。
小猪Harry·2024-02-03 13:07

Colab平台使用（GPU、挂载、tf版本、运行py脚本、设置点击脚本）

重点：选择GPU、挂载谷歌云端、选择tf版本、运行py脚本、设置点击不断连脚本针对yolo模型的训练谷歌云端上传项目打开谷歌云端，类似百度网盘上传本地的项目到云端创建colab笔记本进入想保存Notebook
土Bo鼠·2024-02-03 13:39

[图像算法]-(yolov5.train)-GPU架构中的半精度fp16与单精度fp32计算

GPU架构中的半精度与单精度计算  由于项目原因，我们需要对darknet中卷积层进行优化，然而对于像caffe或者darknet这类深度学习框架来说，都已经将卷积运算转换成了矩阵乘法，从而可以方便调用cublas库函数和cudnn里tiling过的矩阵乘。  CUDA在推出7.5的时候提出了可以计算16位浮点数据的新特性。定义了两种新的数据类型half和half2.之前有师弟已经DEMO过半精度
蒸饺与白茶·2024-02-03 13:54

计算机视觉实战项目4（单目测距与测速+摔倒检测+目标检测+目标跟踪+姿态识别+车道线识别+车牌识别+无人机检测+A_路径规划+行人车辆计数+动物识别等）

基于YOLOv5的无人机视频检测与计数系统摘要：无人机技术的快速发展和广泛应用给社会带来了巨大的便利，但也带来了一系列的安全隐患。
阿利同学·2024-02-03 10:03

MySQL中的视图与索引

2.1什么是索引索引的原理：2.2索引的优缺点2.2.1索引的优点：2.2.2索引的缺点：2.3索引的分类2.4索引设计原则2.5创建索引与删除索引2.5.1创建索引2.5.2删除索引2.6索引的优化2.7
Smiling Mr. Rui·2024-02-03 10:52

在树莓派下使用NCNN部署YOLOv5-lite

在树莓派下使用NCNN部署YOLOv5-lite前置的开发环境操作可以先看这篇文章：树莓派下部署NCNN_树莓派部署神经网络我这里的yolov5-lite的param文件和bin文件是参考这个github
TTao9·2024-02-03 09:12

2023-11-05

2.2如何剥离这些线2.3如何把数据线芯片接头拆下来2.4如何使用电焊铁2.5如何使用锡条2.6还需要购买AB胶固定和绝缘2.7可以在一些没有用的数据线上练手原来维修一条数据线还有这么些问题或困难需要学习和探索难怪
数学不是简单的公式·2024-02-03 09:45

YOLO-World: Real-Time Open-Vocabulary Object Detection

Experiments2.1ImplementationDetails2.2Pre-training2.3AblationExperiments2.3.1预训练数据2.3.2对RepVL-PAN的消融研究2.3.3文本编码器2.4Fine-tuningYOLO-World2.5Open-VocabularyInstanceSegmentation2.6Vis
猛码Memmat·2024-02-03 09:41

计算机设计大赛 深度学习 YOLO 实现车牌识别算法

文章目录0前言1课题介绍2算法简介2.1网络架构3数据准备4模型训练5实现效果5.1图片识别效果5.2视频识别效果6部分关键代码7最后0前言优质竞赛项目系列，今天要分享的是基于yolov5的深度学习车牌识别系统实现该项目较为新颖
iuerfee·2024-02-03 07:20

专业的印尼语翻译人才哪里找

据了解，印尼语广泛应用于东南亚地区，使用人口约2.7亿。随着中印尼关系快速发展，国内亟需一批具有国际视野、通晓国际规则、能够参与国际事务与国际竞争的国际化印尼语翻译人才。
英信翻译公司·2024-02-03 07:10

YOLO部署实战（2）：使用OpenCV优化视频转图片流程并设置帧数

在计算机视觉和图像处理领域，OpenCV是一个强大的开源库，它为处理图像和视频提供了丰富的工具和功能。本文将介绍如何使用OpenCV将视频文件转换为一系列图片，并演示如何通过设置转换的帧数来优化这一过程。1Win10配置OpenCV在Windows操作系统上安装OpenCV可以通过以下步骤完成。请注意，这里提供的是基于OpenCV4.x版本的安装步骤。如果有新版本发布，建议查阅官方文档以获取最新信
马上到我碗里来·2024-02-03 07:31

【RT-DETR有效改进】利用YOLO-MS的MSBlock模块改进ResNet中的Bottleneck（RT-DETR深度改进）

欢迎大家订阅本专栏，一起学习RT-DETR一、本文介绍本文给大家带来的改进机制是利用YOLO-MS提出的一种针对于实时目标检测的MSBlock模块(其其实不能算是Conv但是其应该是一整个模块)，我们将其用于替换我们
Snu77·2024-02-03 02:26

2023-01-02

2.7子游问孝。子曰：“今之孝者，是谓能养。至于犬马，皆能有养；不敬，何以别乎。”2.8子夏问孝。子曰：“色难。有事，弟子服其劳；有酒食，先生馔，曾是以为孝
7f509685a416·2024-02-03 02:51

python校验环境变量是否设置

调研：https://docs.python.org/2.7/library/os.html?
洛丽塔的云裳·2024-02-03 01:09

毕业设计：YOLOv8车牌识别系统 深度学习 LPRNet算法 pytorch 大数据 （源码）✅

1、项目介绍技术栈：Python3.8YOLOv8深度学习LPRNet算法pytorch项目介绍：基于YOLOv8+LPRNet进行车牌检测
q_3548885153·2024-02-03 01:36

python实现将多张图片结合为一张图片的方法

将多张图片结合为一张图片案例一：importcv2importnumpyasnpimportosimportglob#img1=cv2.imread(r"F:\myyolov5\202302141303
小飞龙程序员·2024-02-03 00:19

HarmonyOS学习第一章：安装DevEcoStudio

进入安装目录选择页面2.3点击Next，进入安装选项页面，按照如图所示勾选即可2.4点击Next，进入安装页，点击Install等待安装即可2.5等待几分钟2.6选择重启电脑，点击Finish，等待电脑重启完成2.7
剑九 六千里·2024-02-03 00:08

matlab矩阵的第一列,matlab提取矩阵第一列

第2章MATLAB矩阵及其运算2.1变量和数据操作2.2MATLAB矩阵2.3MATLAB运算2.4矩阵分析2.5矩阵的超越函数2.6字符串2.7结构数据和单元数据2.8稀疏矩阵2.1变量和数据操作2.1.1
C丶陈先森·2024-02-02 23:13

配置 Druid 数据源及密码加密 - SpringBoot 2.7 实战基础

优雅哥SpringBoot2.7实战基础-03-配置Druid数据源及密码加密前文集成MyBatisPlus，实现了一组增删改查接口。
程序员优雅哥·2024-02-02 22:04

YOLOv5算法进阶改进（14）— 即插即用的动态卷积之ODConv | 助力涨点

本文将YOLOv5的主干网络中的Conv换成即插即用的动态卷积ODConv，希望大家学习之后能够有所收获~！前期回
小哥谈·2024-02-02 22:24

CV案例解析：YOLO——从v1到v5

在YOLO诞生之前，目标检测领域热门的深度学习模型是R-CNN系列模型，这一类的模型被称之为二阶段模型（two-stage），其大致思路就是先找出可能含有物体的区域，进而再细致的找出这片区域内的物体是什么
CV案例精选·2024-02-02 18:51

Yolo v8 进行对象数量统计示例

Yolov8进行对象数量统计示例示例代码fromultralyticsimportYOLOfromultralytics.solutionsimportobject_counterimportcv2defobject_count_test
野生绿箭侠·2024-02-02 16:02

AI助力农作物自动采摘，基于YOLOv7【tiny/l/x】不同系列参数模型开发构建作物生产场景下番茄采摘检测计数分析系统

去年十一那会无意间刷到一个视频展示的就是德国机械收割机非常高效自动化地24小时不间断地在超广阔的土地上采摘各种作物，专家设计出来了很多用于采摘不同农作物的大型机械，看着非常震撼，但是我们国内农业的发展还是相对比较滞后的，小的时候拔草是一个人一列蹲在地里就在那埋头拔草，不知道什么时候才能走到地的尽头，小块的分散的土地太多基本上都是只能人工手工来取收割，大点的连片的土地可以用收割机来收割，不过收割机基
Together_CZ·2024-02-02 16:59

AI识鸟，基于YOLOv5【n/s/m/l/x】全系列参数模型开发构建工业野外场景下鸟类检测识别分析系统

首先看下实例效果，如下所示：这里构建了包含20种鸟类的数据集，实例数据如下所示：本文是选择的是YOLOv5算法模型来完成本文项目的开发构建。相较于前两代的算法模型，YOLOv5可谓是
Together_CZ·2024-02-02 16:10

基于轻量级YOLOv5模型开发构建200种鸟类细粒度检测识别分析系统

在之前的项目中，关于鸟类数据集开发的模型大多是集中在识别系统领域，很少有尝试构建细粒度的目标检测系统，在我之前文章中200种鸟类识别系统的基础上，本文的初衷主要就是尝试将yolov5s轻量级模型应用到大规模数据细粒度目标检测模型开发中去
Together_CZ·2024-02-02 16:40

基于轻量级YOLOv5开发构建鸟类检测识别分析系统

这里主要是基于前文的基础上开发构建的轻量级的鸟类检测系统，首先看下效果：接下来看下数据集：YOLO格式标注文件如下：实例标注内容如下所示：00.518750.5013890.5791670.863889VOC
Together_CZ·2024-02-02 16:40

基于卷积神经网络模型开发构建国内大规模鸟类图像识别分析系统

鸟类图像数据相关的开发实践在我们前面的博文中有不少项目实践，感兴趣的话可以自行移步阅读：《基于轻量级YOLOv5模型开发构建200种鸟类细粒度检测识别分析系统》《基于轻量级YOLOv5开发构建鸟类检测识别分析系统
Together_CZ·2024-02-02 16:40

基于yolov5模型的200种鸟类检测识别分析系统

该专栏仅支持购买本专栏的同学学习使用，不支持以超级会员、VIP等形式使用，请谅解！【购买专栏后可选择其中一个完整源码项目】本文是我新开设的专栏《完整源码项目实战》的第十三篇全源码文章，包含数据集在内的所有资源，可以实现零基础上手入门学习。前面系列文章链接如下，感兴趣可以移步自行阅读即可：基于CNN的动物识别系统[完整实战源码]基于CNN的字符型验证码识别系统设计开发[完整源码实战]CNN基于肺部C
Together_CZ·2024-02-02 16:40

基于YOLOv8全系列【n/s/m/l/x】参数模型开发构建200种鸟类细粒度检测识别分析系统

在之前的项目中，关于鸟类数据集开发的模型大多是集中在识别系统领域，很少有尝试构建细粒度的目标检测系统，在我之前文章中200种鸟类识别系统的基础上应用开发最新的YOLOv8检测模型，来实现大规模鸟类目标的细粒度检测识别
Together_CZ·2024-02-02 16:08

CH32V307VCT6单片机程序写入教程

文章目录前言一、芯片的介绍二、MounRiver集成开发IDE1.新建工程2.工程目录2.1Include2.2Core2.3Debug2.4Ld2.5Peripheral2.6Startup2.7User3
恰柠·2024-02-02 15:07

yolov8训练自己的关键点检测模型

参考：https://blog.csdn.net/weixin_38807927/article/details/135036450标注数据集安装labelmepipinstalllabelme-ihttps://pypi.tuna.tsinghua.edu.cn/simple如果报错$labelme2024-01-3103:16:20,636[INFO]__init__:get_config:6
翟羽嚄·2024-02-02 14:49

【issue-YOLO】自定义数据集训练YOLO-v7 Segmentation

1.拉取代码创建环境执行nvidia-smi验证cuda环境是否可用；拉取官方代码；clone官方代码仓库gitclonehttps://github.com/WongKinYiu/yolov7；从main
斜月三星0727·2024-02-02 14:43

K8S集群kubeadm搭建(多master单node)

目录1介绍2初始化安装集群实验环境2.1修改静态ip2.2配置主机名2.3配置主机hosts文件2.4配置主机间无密码登录2.5关闭交换分区swap2.6修改机器内核参数2.7关闭防火墙2.8关闭安全增加
丰恒谷·2024-02-02 14:39

YOLO系列详解（YOLO1-YOLO5）

YOLO（YouOnlyLookOnce）系列是一组流行的实时对象检测算法，它们因其速度快和准确率高而闻名。
终将老去的穷苦程序员·2024-02-02 13:44

centos搭建python2.7开发环境

python版本2.7.5yum-yinstallpython-pip#默认安装的pip版本为以上方法会报错#下载get-pip.pywgethttps://bootstrap.pypa.io/pip/2.7
技术蜜糖罐·2024-02-02 12:18

YOLO系列详解(YOLO1-YOLO5)【实时物体检测算法】

YOLO是什么？YOLO，全称"YouOnlyLookOnce"，是一种流行的实时物体检测算法。
super_journey·2024-02-02 12:15

【Python基础】matplotlib 使用指南

安装与基本介绍1.1%matplotlibinline1.2认识matplotlib图表2matplotlib基本使用2.1参数2.2格式配置2.3设置x与y轴2.4字体设置2.5title/图例设置2.6子图2.7
住在天上的云·2024-02-02 11:35

YOLO格式转VOC xml格式代码

YOLO格式转VOCxml格式代码fromxml.dom.minidomimportDocumentimportosimportcv2fromtqdmimporttqdm#defmakexml(txtPath
中科哥哥·2024-02-02 10:44

Yolov8_obb旋转框检测，模型剪枝压缩

Yolov8_obb模型压缩之模型剪枝一、剪枝原理和pipleline参考：yolov5模型压缩之模型剪枝模型压缩（二）yolov5剪枝本次使用稀疏训练对channel维度进行剪枝，来自论文LearningEfficientConvolutionalNetworksThroughNetworkSlimming
早茶和猫·2024-02-02 10:40

海洋鱼类检测7种YOLOV8NANO

【免费】海洋鱼类检测，7种类型，YOLOV8训练，转换成ONNX，OPENCV调用资源-CSDN文库采用YOLOV8NANO训练模型，得到PT模型，然后转换成ONNX，供OPENCV的DNN调用，摆脱PYTORCH
hnsdgxylh·2024-02-02 10:09

YOLOv8-obb训练DOTAv2数据集（官网代码/数据集转换/2024.1.2）

目的由于项目里面需要用到机载的旋转目标检测（OrientedBoundingBox,OBB）,本来想在yolov8上面直接加obb检测相关的模块，没想到官方更新了DOTAv2数据的yaml文件，意味着v8
cc514981717·2024-02-02 10:37

OBB头篇 | 原创自研 | YOLOv8 更换 SEResNeXtBottleneck 头 | 附详细结构图

左图：ResNet的一个模块。右图：复杂度大致相同的ResNeXt模块，基数（cardinality）为32。图中的一层表示为（输入通道数，滤波器大小，输出通道数）。1.思路ResNeXt是微软研究院在2017年发表的成果。它的设计灵感来自于经典的ResNet模型，但ResNeXt有个特别之处：它采用了多个并行的“组”来处理数据，而不是单一的小路径。这种设计让ResNeXt能更高效地学习多样的特征
迪菲赫尔曼·2024-02-02 10:36
上一页 9 10 11 12 13 14 15 16 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他