少样本目标检测

YOLO系列模型从v1到v10的演进

文章目录引言YOLOv1:开创单阶段目标检测先河发布时间与背景核心创新模型架构训练策略与优化YOLOv2:提升精度与速度的平衡发布时间与背景核心创新模型架构训练策略与优化YOLOv3:多尺度检测与残差连接发布时间与背景核心创新模型架构训练策略与优化
剑走偏锋o.O·2025-03-13 11:25

图像识别技术与应用课后总结（18）

YOLO-V3的改进点网络结构：相比之前版本，YOLO-V3的网络结构进行了优化，使其更适合小目标检测。特征处理：对特征的处理更加细致，通过融入多持续特征图信息来预测不同规格的物体。
一元钱面包·2025-03-13 11:20

Ae 效果详解：分形

◆◆◆效果属性说明当首次应用此效果时，所显示的图像为经典的曼德布罗特集合样本。其中黑色区域代表集合，集合之外的像素则根据其距离集合的远近被着色。点击“重置”Res
MediaTea·2025-03-13 10:41

Pytorch实现之利用普通GAN的人脸修复

简介简介：利用遮挡真实样本的部分面貌，输入给生成器，让生成器输出未被遮挡的面貌，以达到修复人脸的效果。
这张生成的图像能检测吗·2025-03-13 09:05

DeepSeek本地部署傻瓜版教程｜学习资料合集

目前绝大多数人对DeepSeek的使用都很浅显，真正会用的，能结合到生活和工作中的少之又少。清华大学和北
航锦234·2025-03-13 09:04

操作系统与网络基础：掌握网络安全的核心技能

无论你是想成为一名网络安全专家，还是仅仅对网络安全感兴趣，掌握操作系统和网络的基础知识都是必不可少的。---####1.
菜腿承希·2025-03-13 08:55

Spring Boot HikariCP数据库连接池入门

1.概述在我们的项目中，数据库连接池基本是必不可少的组件。在目前数据库连接池的选型中，主要是Druid，为监控而生的数据库连接池。HikariCP，号称性能最好的数据库连接池。
Ase5gqe·2025-03-13 07:49

YOLOv8改进策略【注意力机制篇】| EMA 即插即用模块，提高远距离建模依赖（含C2f二次创新）

一、本文介绍本文记录的是基于EMA模块的YOLOv8目标检测改进方法研究。EMA认为跨维度交互有助于通道或空间注意力预测，并且解决了现有注意力机制在提取深度视觉表示时可能带来的维度缩减问题。
Limiiiing·2025-03-13 06:14

YOLOv5改进：在C3块不同位置添加EMA注意力机制，有效提升计算机视觉性能

计算机视觉中的目标检测是一个重要的任务，而YOLOv5是目前广泛应用的一种高效目标检测算法。
UksApps·2025-03-13 06:13

46. HarmonyOS NEXT 登录模块开发教程（一）：模态窗口登录概述

HarmonyOSNEXT登录模块开发教程（一）：模态窗口登录概述效果预览1.引言在移动应用开发中，登录功能是几乎所有应用必不可少的组成部分。
·2025-03-13 06:31

【深度学习】从全连接层到卷积

从全连接层到卷积我们之前讨论的多层感知机十分适合处理表格数据，其中行对应样本，列对应特征。对于表格数据，我们寻找的模式可能涉及特征之间的交互，但是我们不能预先假设任何与特征交互相关的先验结构。
熙曦Sakura·2025-03-13 04:56

LwIP 的初步认识

LwIP（LightweightIP）正是为此而生的一款轻量级TCP/IP协议栈，它以其资源占用少、功能相对完整的优势，在嵌入式系统领域大放异彩。
九溪弥烟、·2025-03-13 02:44

FLOW MATCHING FOR GENERATIVE MODELING 阅读笔记

论文的目的是给定一个目标分布，有目标分布的一定量的样本，但是不知道目标分布的概率密度函数，学习一个模型能生成服从目标分布的新样本。
冰冰冰泠泠泠·2025-03-13 01:35

iOS安全和逆向系列教程 第7篇：iOS应用静态分析实战

这是逆向工程过程中必不可少的一步，能够帮助我们发现应用的核心逻辑、安全机制和潜在漏洞。静态分析的意义与目标在开
自学不成才·2025-03-12 22:45

KMeans实战——聚类和轮廓系数评估啤酒数据集

原理：在数据分析和机器学习中，聚类是一种常用的无监督学习方法，用于将数据集中的样本划分为若干个簇，使得同一簇内的样本相似度较高，而不同簇之间的样本相似度较低。
巷955·2025-03-12 21:38

声音克隆一键本地化部署 GPT-SoVITS

它通过巧妙融合了GPT模型与SoVITS变声器技术，使得用户仅需少量样本数据，即可
博客胡·2025-03-12 18:48

实现一个超轻量级实例分割网络的思路

文章目录前言一、基本思路二、picodet三、yolact三、picodet+yolact总结前言在某些工业领域，由于成本问题算力有限，只能实时跑一些超轻量级网络，拿目标检测来说，例如yolo-fast
CV工程师小朱·2025-03-12 17:45

Chromium（二）Multi-process Architecture

今天团建，中午吃了太多，下午回来只工作了一会儿...闲言少叙，开始今天的学习。Multi-processArchitecture为什么使用多进程结构：1.渲染进程很难保持永远不挂。
yongbuyanbao·2025-03-12 17:10

如何提升OmniParser V2的小元素识别率——YOLOv8 增加 P2 层的性能变化解析

YOLOv8增加P2层通过牺牲部分计算效率换取了小目标检测性能的显著提升，尤其适用于高分辨率、小目标密集的场景。
AI-AIGC-7744423·2025-03-12 14:22

为什么VAE效果不好，但VAE+diffusion效果就好了？

它结合了自编码器（Autoencoder）的结构和变分推断（VariationalInference）的思想，能够从数据中学习有意义的潜在表示，并生成与训练数据相似的新样本。
AndrewHZ·2025-03-12 12:43

氢气浓度检测仪维护方法有哪些？

为了确保其长期稳定运行和测量准确性，定期维护和保养是必不可少的。
德克西尔DrKsir·2025-03-12 12:13

用OpenCV写个视频播放器可还行？（Python版）

引言提到OpenCV，大家首先想到的可能是图像处理、目标检测，但你是否想过——用OpenCV实现一个带进度条、倍速播放、暂停功能的视频播放器？
程序员Linc·2025-03-12 12:41

AI：230-YOLOv8与RT-DETR的完美结合 | 重塑目标检测技术的前沿【保姆级教程】

正在不断更新中~文章目录YOLOv8与RT-DETR的完美结合|重塑目标检测
一键难忘·2025-03-12 12:09

在整个大模型LoRA微调中，哪些方法可以提升和优化模型训练后推理效果？

加入领域相关的高质量数据，清洗噪声数据（如重复、矛盾样本）。
玩人工智能的辣条哥·2025-03-12 11:38

计算机视觉深度学习入门（4）

“少量”样本既可能是几百张图片，也可能是上万张图片。我们来看一个实例——猫狗图片分类，数据集包含5000张猫和狗的图片（2500张猫的图片，2500张狗的图片）。
yyc_audio·2025-03-12 10:26

【性能测试】一文3000字从0到1详解性能问题定位（建议收藏）

一、性能问题定位的重要性性能问题定位是软件开发过程中必不可少的一环。通过定位性能问题，我们可以找到造成性能问题的具体原因，并提出相应的解决方案。性能问题的解决
小码哥说测试·2025-03-12 09:49

51-53 CVPR 2024 | DriveWorld：通过自动驾驶世界模型进行 4D 预训练场景理解 （含模型数据流梳理）

DriveWorld在UniAD的基础上又有所成长，提升了自动驾驶目标检测、目标追踪、3D占用、运动预测及规划的性能，后期扩大数据集和调整骨干网络大小应该会
深圳季连AIgraphX·2025-03-12 08:43

RK3568笔记六十八：Yolov11目标检测部署测试

若该文为原创文章，转载请注明原文出处。看到yolov11出了，山水无移大佬测试通过，跟个风测试一下效果。使用的是正点原子的ATK-DLRK3568开发板。这里不训练自己的模型了，使用官方模型测试。一、环境搭建1、下载源码ultralytics/ultralytics:UltralyticsYOLO112、创建虚拟环境condacreate-nyolov11_envpython=3.83、激活con
殷忆枫·2025-03-12 04:07

概率论与数理统计

概率论部分1.随机事件与概率样本空间与随机事件：样本空间是随机试验所有可能结果的集合，通常用Ω表示。随机事件是样本空间的子集，表示随机试验的某些可能结果的集合。
ZhuBin365·2025-03-12 04:34

旋翼机自主着陆-主要技术难点

搜索阶段:远距离：目标为几个像素，并且淹没在环境里完全没有任何目标或目标偶尔出现，如何进行导航中远距离目标部分容易被遮挡，如何进行目标检测在光线条件较差的环境下，目标检测出现误判和无法工作的情况近距离目标在视场中占据较大部分
兜兜有糖_DC·2025-03-12 02:17

基于PyTorch的深度学习——机器学习1

近些年，随着深度学习的发展，分类除传统的二分类、多分类、多标签分类之外，也出现了一些新内容，如目标检测、目标识别、图像分割等监督学习的重要内容半监督学习是监督学习与无监督学习相结合的一种学习方法。
Wis4e·2025-03-12 00:31

K-means 算法核心原理

一、K-means算法核心原理1.算法目标将n个样本划分到k个簇中，使得每个样本到所属簇中心的距离平方和最小。
code 旭·2025-03-11 18:15

卷积神经网络（笔记01）

视觉处理三大任务：分类、目标检测、图像分割CNN网络主要有三部分构成：卷积层（ConvolutionalLayer）、池化层（PoolingLayer）和激活函数一、解释卷积层中的偏置项是什么，并讨论在神经网络中引入偏置项的好处
天行者@·2025-03-11 18:14

决策树的核心思想

停止条件：节点样本纯度过高或样本数过少时终止。二、数学公式与理论1.信息熵（InformationEntropy）衡量数据集的混乱程度：H(D)=−∑k=1Kpklog⁡2pk
code 旭·2025-03-11 17:06

目标检测

1.概念：目标检测是识别图片中物体并确定其位置的多任务技术，面临目标种类数量多、尺度不均、外部环境干扰等问题。
煤烦恼·2025-03-11 15:22

《 YOLOv5、YOLOv8、YOLO11训练的关键文件：data.yaml文件编写全解》

走进YOLOv5、YOLOv8、YOLO11的data.yaml在计算机视觉领域的广袤星空中，目标检测无疑是一颗璀璨的明星，它广泛应用于自动驾驶、智能安防、工业检测、医疗影像分析等众多关键领域，发挥着不可或缺的作用
空云风语·2025-03-11 15:51

深度解析：DETR的多尺度特征融合

"深度解析：DETR的多尺度特征融合"作者：禅与计算机程序设计艺术1.背景介绍1.1目标检测的挑战与传统方法的局限性目标检测是计算机视觉领域中的一个基本任务，其目标是识别图像或视频中所有感兴趣的目标，并确定它们的位置和类别
AI天才研究院·2025-03-11 15:17

目标检测项目

·识别图片中有哪些物体并且找到物体的存在位置多任务：位置+类别目标种类与数量繁多的问题目标尺度不均的问题遮挡、噪声等外部环境干扰VOC数据集：PASCALVOC挑战赛(ThePASCALVisualObjectClasses)是一个世界级的计算机视觉挑战赛。4大类，20小类VOC2007：9963图片/24640目标VOC2012：23080图片/54900目标·COCO数据集：起源于微软2014
sho_re·2025-03-11 11:51

DeepSeek隐藏用法大揭秘：从代码优化到多模态开发，这些技巧让你少熬三夜班

最近在程序员圈子里，有个同事老张的故事特别火。他原本每周要花20小时写接口文档，自从用上DeepSeek的代码补全功能，现在喝着咖啡看AI自动生成Swagger注释——这让我想起刚入行时，为了调通一个正则表达式熬夜到凌晨三点的自己。今天咱们不聊那些官方说明书，就说点真正能让键盘冒火星的实战技巧。藏在代码补全里的"作弊码"很多人以为DeepSeek就是个加强版搜索引擎，其实它对代码的理解远超想象。比
·2025-03-11 11:23

Python通过YOLO格式TXT标签文件在图像中画框

使用场景检测数据集标注是否有误：在目标检测算法中需要标注自己的数据集，为了更加方便的检查数据集标注是否有误，可以使用该工具将标注结果绘制在图像中并查看。
CHERISH_KDX·2025-03-11 10:41

聚类分析|k-means聚类方法及其Python实现

划分方法（PartitioningMethod）是基于距离判断样本相似度，通过不断迭代将含有多个样本的数据集划分成若干个簇，
皖山文武·2025-03-11 08:56

这给我干哪来了，MySQL都9.2了

现在业内大头都是8.x版本，少部
赵师的工作日·2025-03-11 08:25

鸢尾花数据集的四个特征具体是什么？

鸢尾花数据集（IrisDataset）是机器学习领域中最经典的数据集之一，它包含150个样本，每个样本有4个特征，分别是：1.花萼长度（SepalLength）描述：花萼（花的外部绿色部分）的长度，单位为厘米
学术乙方·2025-03-11 03:41

机器学习数学基础：29.t检验

其主要用途在于判断样本均值与总体均值之间，或者两个独立样本的均值之间、配对样本的均值之间是否存在显著差异。
@心都·2025-03-11 00:23

基于YOLOv5的烟雾检测系统：从数据集准备到UI界面实现

近年来，随着深度学习技术的发展，目标检测算法被广泛应用于烟雾检测，尤其是基于YOLOv5的目标检测模型，由于其较高的精度和较低的计算开销，已经成为许多实时检测系统的首选模型。
深度学习&目标检测实战项目·2025-03-11 00:52

这些实战技巧让你少走三年弯路

最近路过公司茶水间，总能听见同事在聊DeepSeek。这个让两会代表们CPU烧掉的AI新贵，不仅被王毅部长点名表扬，更在程序员圈子里掀起了技术狂欢。记得上周帮朋友调试代码时，他神秘兮兮地说："现在不搞DeepSeek，就像三年前没学Vue.js，要被时代抛弃喽！"要说DeepSeek最让人惊艳的，还得数它开源的那套"全家桶"。去年给某创业公司做技术咨询时，他们光买英伟达H100就花了七位数预算。现
·2025-03-10 22:02

网络入侵的几种常用方法

文化低……）说得有道理，我们要学习黑客技术，一点必要的工具必不可少。1，一台属于自己的可以上网的电脑。这样你可以有充分的支配权，上网不用说，否则你
遇见火星·2025-03-10 18:41

你好，我是冴羽，我写了一套《前端大佬成长之路》

总结了我近十年的工作生活经验，让大家少走一些弯路，节省一些时间。重点二：但是帮助你全面成长，一套课程是不够的，必
·2025-03-10 18:23

【无标题】

1.计算机视觉与图像处理计算机视觉技术涵盖从图像预处理到目标检测的全流程，是工业视觉系统的核心部分。
东东就是我·2025-03-10 16:54

yolov5代码详解--1.python代码脚本

一、detect.py作为YOLOv5模型推理的核心执行文件，detect.py实现了从数据加载到结果输出的完整目标检测流水线。
三炭先生·2025-03-10 16:51
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他