YOLO学习记录

基于yolov8的安全帽反光衣护目镜检测系统python源码+onnx模型+评估指标曲线+精美GUI界面

【算法介绍】基于YOLOv8的安全帽、反光衣及护目镜检测系统是一款集成了前沿深度学习与计算机视觉技术的智能监控系统。
FL1623863129·2024-08-31 06:05

YOLOv8改进 | 注意力篇 | YOLOv8引入SimAM注意力机制

1.SimAM介绍1.1摘要：在本文中，我们提出了一个概念上简单但非常有效的卷积神经网络（ConvNets）注意力模块。与现有的通道和空间注意力模块相比，我们的模块为层中的特征图推断3D注意力权重，而不向原始网络添加参数。具体来说，我们基于一些著名的神经科学理论，提出优化能量函数来找到每个神经元的重要性。我们进一步推导了能量函数的快速封闭式解决方案，并表明该解决方案可以用不到十行代码来实现。该模块
小李学AI·2024-08-31 05:33

Datawhale AI夏令营

比如，之前用过yolov5做过滑动验证码的识别，给滑动验证码的缺口打标签是项耗时费力的工作。本次任务相同，是给非机动车、机动车打标签。
于弋gg·2024-08-31 04:21

第T10周：数据增强

>-**本文为[365天深度学习训练营]中的学习记录博客**>-**原作者：[K同学啊]**第10周：数据增强难度：夯实基础⭐⭐语言：Python3、TensorFlow2要求：学会在代码中使用数据增强手段来提高
OreoCC·2024-08-31 00:55

基于深度学习的金属锈蚀检测系统详细实施指南

这个项目的主要目标是构建一个基于最新YOLO（Yo
A等天晴·2024-08-30 22:45

Activity7框架使用学习记录

用于记录在项目中使用工作流框架PROC_DEF_ID:流程定义的idbpmn文件中对流程图定义的idTASK_DEF_KEY:任务定义的idbpmn文件中对每个任务定义的idPROC_INST_ID:流程实例id启动一个流程时对流程定义的idPROC_DEF_ID（流程定义的ID）：在BPMN（BusinessProcessModelandNotation）文件中，流程定义的ID是对整个流程图定义
爱为斯坦·2024-08-30 19:56

Yolov8和杂草检测

1.网址收集Yolov8官方网站：Train-UltralyticsYOLODocsgithub非官方介绍教程网站：【YOLOv8系列】（二）YOLOv8环境配置，手把手嘴对嘴保姆教学-CSDN博客【YOLOv8
Diros1g·2024-08-30 15:59

基于yolov8的脑肿瘤检测系统python源码+onnx模型+评估指标曲线+精美GUI界面

【算法介绍】基于YOLOv8的脑肿瘤检测系统是一项前沿的医疗应用，该系统利用YOLOv8这一高效的目标检测算法，实现对脑肿瘤病灶的快速、准确识别。
FL1623863129·2024-08-30 15:57

DataWhale AI夏令营 2024大运河杯-数据开发应用创新赛-task2

DataWhaleAI夏令营2024大运河杯-数据开发应用创新赛YOLO(YouOnlyLookOnce)上分心得分享YOLO(YouOnlyLookOnce)YOLO算的上是近几年最火的目标检测模型了
十分钟ll·2024-08-30 15:57

[数据集][目标检测]电力场景输电线均压环歪斜检测数据集VOC+YOLO格式303张2类别

数据集格式：PascalVOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件)图片数量(jpg文件个数)：303标注数量(xml
FL1623863129·2024-08-30 15:27

太阳能电池板缺陷数据集

yolov5yolov7yolov8可直接训练太阳能电池板电致发光数据集PVEL-AD数据集，其中，包含36,543张具有各种内部缺陷和异构背景的近红外图像，其中包含1类无异常图像和具有12个不同类别的异常缺陷图像
计算机视觉从业者·2024-08-30 13:43

动手学深度学习（pytorch）学习记录20-自定义层[学习记录]

在深度学习中，自定义层是指开发者根据特定需求编写的神经网络层，而不是使用深度学习框架（如PyTorch、TensorFlow等）提供的现成层。自定义层可以让模型更加灵活，以适应特定的任务或数据集。目录没有参数的自定义层带参数的层没有参数的自定义层下面的CenteredLayer类要从其输入中减去均值。要构建它，只需继承基础层类并实现前向传播功能。importtorchimporttorch.nn.
walfar·2024-08-30 13:13

动手学深度学习（pytorch）学习记录21-读写文件(模型与参数)[学习记录]

目录加载和保存张量加载和保存模型参数保存模型的好处众多，涵盖了从开发到部署的整个机器学习生命周期。节省资源：训练模型可能需要大量的时间和计算资源。保存模型可以避免重复训练，从而节省时间和计算资源。快速部署：一旦模型被训练并保存，它可以迅速部署到生产环境中，加速产品上市时间。版本控制：保存不同版本的模型有助于跟踪模型的迭代过程，便于比较和回滚到之前的版本。离线使用：保存的模型可以在没有网络连接的情况
walfar·2024-08-30 12:42

工地工程车分类检测数据集 6300张 带标注 voc yol

格式：VOC和YOLO格式，适用于训练目标检测模型。规模：共包含6300张图像。
计算机视觉从业者·2024-08-30 11:30

Yololov5+Pyqt5+Opencv 实时城市积水报警系统

在这篇博客中，我将带你一步步实现一个基于YOLOv5的积水检测系统，帮助你轻松应对城市积水挑战。
机器懒得学习·2024-08-30 07:37

《微班会创意设计与实施》学习记录

终于读到150页了，实践证明，学习的确很难熬，读了十几天才150页。最近的案例基本都是解决违纪事件。如果学生多次出现同样的违纪事件，多半是班级的反馈机制出了问题，包括学生对老师的及时反馈和老师对学生的及时反馈，班主任要及时补救。并且一定避免班级出现小团伙。一旦违反纪律的学生抱团了，无论男生团伙，女生团伙，都会气焰大涨，班主任就会一对多，很难对付。一旦抱团，班主任就要想办法分化。
雎雎_·2024-08-30 06:44

C语言学习记录（三）

我们紧接上篇的内容，上节我们提到了数据类型以及一些运算符，这节我决定给大家分享一下顺序结构，让大家更加深入理解、以及能达到自己运用运算符完成一些与顺序结构相关的简单的题目。一.顺序结构顺序结构是三大基础结构中最简单也是最容易的，其实现方式为从上至下依次进行，不需要进行任何判断，它是由一系列按特定顺序执行的操作组成，每个操作完成后才会执行下一个操作，这种执行过程就像按照任务列表逐项完成一样，依照线性
Tian Sifan·2024-08-30 06:30

学习记录第十二天

标识符的作用域：作用域：标识符可生效的范围局部作用域（LocalScope）:1.定义：局部变量是在函数内部或某个代码块（如if语句或循环语句）中声明的变量。它们的作用域仅限于声明它们的函数或代码块。2.生命周期：局部变量的生命周期是短暂的，它们在函数调用开始时被创建，在函数调用结束时被销毁。对于在代码块中声明的变量，其生命周期从变量声明开始到代码块结束时结束。全局作用域（GlobalScope）
喵了d喵·2024-08-30 06:58

学习记录第十九天

标准io的概念IOinputoutputI：键盘是标准输入设备====》默认输入就是指键盘O：显示器是标准输出设备==》默认输出就是指显示器Linux操作系统当中IO都是对文件的操作manmanman==>所有man的帮助manxxx==man1xxx===>查看当前xxx命令man2xxx===>查看xxx对应的系统调用函数man3xxx===》查看xxx对应的标准库函数fopenfopen是C
喵了d喵·2024-08-30 06:58

学习记录第二十五天

wait函数wait函数是一个系统调用，用于等待一个子进程结束并回收其资源。当父进程调用wait函数时，它会暂停执行，直到至少有一个子进程结束。wait函数的原型如下：#include#includepid_twait(int*status);1.status参数是一个指针，用于存放子进程的退出状态信息。如果不需要检查子进程的退出状态，这个参数可以设置为NULL。2.如果wait函数成功，它返回结
喵了d喵·2024-08-30 06:58

YOLOv10改进 | 独家创新- 注意力篇 | YOLOv10引入结合EMAttention和ParNetAttention形成全新的EPA注意力机制和C2f_EPA(全网独家创新)

1.EPAAttention介绍EPAAttention注意力机制综合了EMAttention和ParNetAttention的优势，能够更有效地提取图像特征。(1).综合性与多样性EPAAttention结合了两种不同的注意力机制，充分利用了EMAttention的分组归一化和特征增强能力，以及ParNetAttention的空间注意力和全局特征提取能力。通过这种多样化的组合，EPAAttent
小李学AI·2024-08-30 05:54

【目标检测数据集】瓶子分类识别数据集1万张3类VOC+YOLO格式（玻璃瓶金属瓶塑料瓶数据集）

数据集格式：PascalVOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件)图片数量(jpg文件个数)：10106标注数量(xml
熬夜写代码的平头哥∰·2024-08-30 01:00

爆改yolov8|AIFI (尺度内特征交互）助力YOLOv8 ,轻量化模型

1，本文介绍AIFI模块（AdaptiveInformationFusionIntegrationModule）是一种旨在提升神经网络处理复杂任务能力的技术模块。其主要目的是通过灵活的特征融合方法来优化信息处理和任务表现。核心特点：自适应信息融合：AIFI模块能够根据输入数据和任务需求，动态调整特征融合的策略。这种自适应机制使得网络能够更有效地结合来自不同来源的信息，改善对复杂数据的理解和处理能力
不想敲代码！！！·2024-08-29 22:37

爆改yolov8|利用BSAM改进YOLOv8，高效涨点

1，本文介绍BSAM基于CBAM进行改进，经实测在多个数据集上都有涨点。BSAM（BiLevelSpatialAttentionModule）是一个用于提升深度学习模型在空间特征处理中的能力的模块。它主要通过双层注意力机制来增强模型对重要空间信息的关注，从而提升任务性能。核心特点：双层空间注意力：BSAM结合了两个层次的注意力机制——全局和局部。全局注意力捕捉图像或特征图的整体信息，而局部注意力则
不想敲代码！！！·2024-08-29 22:37

爆改YOLOv8|利用可改变核卷积AKConv改进yolov8-轻量涨点

1，本文介绍AKConv（可改变核卷积）是一种改进的卷积操作方法，其核心在于动态调整卷积核的形状和大小。与传统卷积层固定核大小不同，AKConv通过引入可学习的机制，使卷积核在训练过程中能够自适应地调整，从而更好地适应不同的数据特征和任务需求。核心特点：可变核尺寸：AKConv允许卷积核在不同的层和位置上具有不同的尺寸，这有助于捕捉更多的局部特征。动态调整：卷积核的形状和大小可以在训练过程中进行调
不想敲代码！！！·2024-08-29 22:37

爆改YOLOv8 | yolov8添加MSDA注意力机制

1，本文介绍MSDA（多尺度扩张注意力）模块通过自注意力机制在不同尺度上有效地捕捉特征的稀疏性。它首先通过线性投影生成特征图(X)的查询、键和值。然后，将特征图的通道划分为(n)个头部，在每个头部中使用不同的扩张率进行多尺度的自注意力操作。具体来说，MSDA按以下步骤操作：对每个头部(i)进行自注意力处理，并将所有头部的输出连接在一起，之后通过线性层进行特征融合。通过为不同头部设置不同的扩张率，M
不想敲代码！！！·2024-08-29 22:06

爆改YOLOv8 | yolov8添加GAM注意力机制

1，本文介绍GAM（GlobalAttentionMechanism）旨在改进传统注意力机制的不足，特别是在通道和空间维度上的信息保留问题。它通过顺序的通道-空间注意力机制来解决这些问题。以下是GAM的关键设计和实现细节：通道注意力子模块：3D排列：使用3D排列来在三个维度上保留信息，这种方法有助于捕捉更多维度的特征。两层MLP：通过一个两层的多层感知机（MLP）增强跨维度的通道-空间依赖性，提升
不想敲代码！！！·2024-08-29 22:36

微信小程序学习记录（2）视图层之wxml（数据绑定大括号，wx:for,wx:if）

1，数据绑定WXML中的动态数据均来自对应Page的data。用双大括号将变量包起来，可以作用于(参考：https://www.w3cschool.cn/weixinapp/weixinapp-data.html)内容{{message}}Page({data:{message:'HelloMINA!'}})组件属性（需要在双引号之内）Page({data:{id:0}})控制属性（需要早双引号之
Spider_man_·2024-08-29 21:56

【目标检测数据集汇总】各类目标检测数据集VOC+YOLO格式地址汇总

序号项目名称下载地址1【目标检测数据集】西红柿番茄成熟度检测640张3类别VOC+YOLO格式.zip点我下载2【目标检测数据集】轮船分类检测数据集500张4类别VOC+YOLO格式.zip点我下载3【
熬夜写代码的平头哥∰·2024-08-29 16:24

基于yolov8的8种人脸表情检测系统python源码+onnx模型+评估指标曲线+精美GUI界面

【算法介绍】基于YOLOv8的人脸表情检测系统是一个结合了先进目标检测算法（YOLOv8）与深度学习技术的项目，旨在实时或离线地识别并分类人脸表情（如快乐、悲伤、愤怒、惊讶、恐惧、厌恶、中立等）。
FL1623863129·2024-08-29 15:52

[数据集][目标检测]玻璃瓶塑料瓶检测数据集VOC+YOLO格式8943张2类别

数据集格式：PascalVOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件)图片数量(jpg文件个数)：8943标注数量(xml
FL1623863129·2024-08-29 12:30

YOLOV5训练时P、R、mAP等值均为0的问题

当YOLOv5的训练P、R、mAP等指标为0时，通常有以下一些原因：数据集质量不佳：检查数据集中是否存在较大的类别不平衡或者太多的噪声。可能需要重新清理数据集以确保标签正确且具有可解释性。
该醒醒了~·2024-08-29 11:53

基于yolov8的绝缘子缺陷检测系统python源码+onnx模型+评估指标曲线+精美GUI界面

【算法介绍】基于YOLOv8的绝缘子缺陷检测系统是一种利用先进深度学习技术的高效解决方案，旨在提升电力行业中输电线路的维护和监控水平。
FL1623863129·2024-08-29 10:16

AI学习记录 - 对抗性神经网络

有用点赞哦学习机器学习到一定程度之后，一般会先看他的损失函数是什么，看他的训练集是什么，训练集是什么，代表我使用模型的时候，输入是什么类型的数据。对抗神经网络其实可以这样子理解，网上一直说生成器和判别器的概念，没有触及到本质。我有一种看法：假如当前场景是输入模糊图片，然后输出高质量图片。当判别器和生成器本来就是一个模型，在不把判别器生成器拆开的时候，我输入一张图片，这个模型输出的是0和1，那这个整
victor-AI最好的学习方式是画图·2024-08-29 09:40

RK3568笔记二十二：基于TACO的垃圾检测和识别

基于TACO数据集，使用YOLOv8分割模型进行垃圾检测和识别，并在ATK-RK3568上部署运行。
殷忆枫·2024-08-29 06:52

＜数据集＞斯坦福狗狗识别数据集＜目标检测＞

数据集格式：VOC+YOLO格式图片数量：20580张标注数量(xml文件个数)：20580标注数量(txt文件个数)：20580标注类别数：120标注类别名称：['Chihuahua','Japanese_spaniel
深度学习lover·2024-08-29 06:52

Taco数据集的yolo格式

将Taco数据集的1500张图片和原本的coco标注改为yolo格式，方便用yolo算法对垃圾数据集进行目标检测操作。并配上改成中文标签的yaml文件。
lhy12345678910·2024-08-29 06:21

理解PyTorch版YOLOv5模型构架

一个深度学习模型，可以拆解为：模型构架(ModelArchitecture):下面详述激活函数(ActivationFunction)：YOLOv5在隐藏层中使用了LeakyReLU激活函数，在最后的检测层中使用了
LabVIEW_Python·2024-08-28 17:05

【YOLO系列】YOLO介绍

目录前言一、算法特点二、工作原理前言YOLO，全称为"YouOnlyLookOnce"，是一种流行的实时目标检测算法，由JosephRedmon等人于2015年首次提出。
有品位的小丑·2024-08-28 13:19

稻谷叶子虫害检测数据集VOC+YOLO格式1566张9类别

数据集格式：PascalVOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件)图片数量(jpg文件个数)：1566标注数量(xml
FL1623863129·2024-08-28 12:17

YOLO系列目标检测数据集大全_yolo数据集(1)

Darknet版YOLOv4猫狗识别训练好的权重文件：https://download.csdn.net/download/zhiqingAI/85541214Darknet版YOLOv3猫狗识别训练好的权重文件
2401_84187537·2024-08-28 12:17

yolo7 自定义数据训练

数据打标labelimg预定义标签格式namelabel数据集定义文件errimg.yamltrain:/home/kean/works/yolov7/dataset/train.txtval:/home
漫欣·2024-08-28 11:07

yolo v8 + flask部署到云服务器，以及问题记录

环境安装1、运行项目报错：nopythonapplicationfound,checkyourstartuplogsforerrors在云服务器pytorch版本安装错了，安装了GPU版本，需要安装CPU版本#CPUonly使用下面这段代码避免出现第二个错误pipinstalltorch==2.3.1torchvision==0.18.1torchaudio==2.3.1--index-urlht
智商不够_熬夜来凑·2024-08-28 11:07

Docker 部署 Nacos Spring Cloud

如有异常Docker部署NacosSpringCloud项目搭建可以参考上一篇SpringCloud+Nacos学习记录.dockerpullNacos镜像及启动容器dock
雨夜星空丶月·2024-08-27 23:52

使用python -m pip install -r requirements.txt安装yolov5出现问题

出现问题：ERROR:Couldnotfindaversionthatsatisfiestherequirementmatplotlib>=3.3(fromversions:none)ERROR:Nomatchingdistributionfoundformatplotlib>=3.3原因分析：我打开了代理服务器，这时我们使用的清华镜像源就不能使用了解决办法：关闭代理服务器即可。
小白yaa·2024-08-27 16:08

torch.max()学习记录

x=tourch.tensor([[1,2,3],[4,6,5],[9,11,4],[-2,6,20]])为4*3的一个张量1)请思考y的值y=torch.max(x,dim=0)分析：x是一个2D:4*3的张量，dim=0，表示按照行操作，得到的张量shape=3,对应的是[1,4,9,-2】，【2,6,11,6】，【3,5,4,20】三组内挑选最大值组分别是9、11、20成为【9,11,20】
wu_huashan·2024-08-27 13:50

Sylar C++高性能服务器学习记录02 【日志管理-代码分析篇】

早在19年5月就在某站上看到sylar的视频了，一直认为这是一个非常不错的视频。由于本人一直是自学编程，基础不扎实，也没有任何人的督促，没能坚持下去。每每想起倍感惋惜，遂提笔再续前缘。为了能更好的看懂sylar，本套笔记会分两步走，每个系统都会分为两篇博客。分别是【知识储备篇】和【代码分析篇】(ps:纯粹做笔记的形式给自己记录下，欢迎大家评论，不足之处请多多赐教)QQ交流群：957100923B站
古猜..·2024-08-26 22:12

【YOLOv10改进[Conv]】感受野注意力卷积RFAConv（2024.3）| 使用RFAConv 改进C2f + 含全部代码和详细修改方式

本文将进行使用RFAConv改进C2f，助力YOLOv10目标检测效果，文中含全部代码、详细修改方式。助您轻松理解改进的方法。改进前和改进后的参数对比：
Jackilina_Stone·2024-08-26 19:17

YOLOv10改进 | 独家创新- 注意力篇 | YOLOv10结合全新多尺度动态增强注意力机制DSAttention(全网独家创新)

1.DSAttention介绍DSAttention注意力机制在图像特征提取中具有以下优点：(1).全局信息捕捉能力：DSAttention机制通过使用软注意力机制（SoftmaxAttention）来计算特征图的全局相关性。这种方式能够更好地捕捉图像中的全局信息，有助于增强对复杂场景或大尺度物体的识别能力。(2).多尺度信息融合：该机制引入了多尺度卷积操作，包括不同大小的卷积核（如5x5、1x7
小李学AI·2024-08-26 07:27

【自然语言处理】0821学习记录

1.对于自然语言来讲，在自然语言处理的第一步，我们要面对的是各种各样以不同形式表现的文本数据，比如，有的是纯txt文档，有的是存储在Excel中的表格数据，还有的是无法直接打开的pkl文件等。2.整体框架如下：2.1txt文本的读写(1)write()(2)open()(3)参数mode(4)readline()readread()不同点2.2CSV以及Excel的文本读写2.3dataFrame
007的米奇妙妙屋·2024-08-26 00:19
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他