YOLO实时物体检测

基于STM32的工厂安全监测系统：采用FreeRTOS、MQTT协议、InfluxDB存储与Grafana可视化，实现实时数据监测与异常检测算法优化的综合解决方案（代码示例）

本项目旨在设计并实现一个嵌入式工厂安全监测系统，实时监测工厂环境中的关键安全参数，通过无线通信模块将数据传输到云端进行存储和分析，从而实现对工厂环境的智能化监控和预警。
极客小张·2024-08-30 20:03

Netty UDP

Netty在UDP（用户数据报协议，UserDatagramProtocol）通信中的应用非常广泛，特别是在对实时性要求较高、对数据准确性要求相对较低的场景中，如视频传输、语音通信等。
王小工·2024-08-30 20:02

原生html+js播放flv直播视频流【vue等皆可用】

一、前言最近着手了一个新需求：将某记录仪的实时视频在页面展现。实现步骤：通过WebRtc将直播视频转码为flv/rtsp格式流；通过Vlc或代码中的视频播放器播放视频。
Odinpeng·2024-08-30 20:32

港科大最新：嵌入式平台上实时运行的NeRF SLAM！

但最近港科大&中山大学提出了一项工作Photo-SLAM，不仅实现了高保真的建图，还可以在嵌入式设备上实时运行，甚至渲染速度提高了数百倍。下面一起来阅读一下这项工作，
计算机视觉工坊·2024-08-30 20:00

激光SLAM--(8) LeGO-LOAM论文笔记

LightweightandGround-OptimizedLidarOdometryandMappingonVariableTerrain应用在可变地形场景的轻量级的、并利用地面优化的LOAMABSTRACT轻量级的、基于地面优化的LOAM实时进行六自由度位姿估计
lonely-stone·2024-08-30 20:29

2019-05-14

unity3D使用教程软件简介Unity3D是由UnityTechnologies开发的一个让玩家轻松创建诸如三维视频游戏、建筑可视化、实时三维动画等类型互动内容的多平台的综合型游戏开发工具，是一个全面整合的专业游戏引擎
gong圈圈·2024-08-30 20:31

UE5-----Niagara粒子系统

在UnrealEngine(UE)中，Niagara是一个粒子系统和视觉效果编辑器，用于创建高质量的实时粒子效果。
四代水门·2024-08-30 17:41

基于Prometheus和Grafana的现代服务器监控体系构建

基于Prometheus和Grafana的现代服务器监控体系构建在当前的数字时代，实时监控已经成为企业和组织运营中不可或缺的一部分。随着微服务架构和容器技术的普及，传统的监控方法已难以满足业务需求。
hai40587·2024-08-30 17:09

kafka的安装与测试

kafka的安装与测试一、概念定义：kafka是一个分布式的基于发布/订阅模式的消息队列（MessageQueue),主要用于大数据实时处理领域使用消息队列的一个好处1.解耦：不需要两台服务器保持同时在线
无情白·2024-08-30 16:04

使用python创建kafka的topic

python创建kafka的topickafka基本概念所需安装的包代码样例使用python创建kafka的topickafka基本概念Apache‌Kafka是一个开源的分布式流处理平台，设计用于处理实时数据流
百流·2024-08-30 16:02

线段检测：Towards Light-weight and Real-time Line Segment Detection Towards Light-weight and Real【方法解读】

目录摘要1引言2相关工作深度线段检测实时目标检测3用于线段检测的M-LSD3.1网络架构(a)TP表示法(b)SoL增广总结3.2线段表示详细解析1.线段表示的重要性2.TP表示法3.位移向量4.坐标表示
智维探境·2024-08-30 15:30

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

论文阅读瞎记(四) Cascade R-CNN: Delving into High Quality Object Detection 2017

概述在物体检测中1，IOU阈值被用于判定正负样本。在低IOU阈值比如0.5的状态下训练模型经常产生噪音预测，然而检测效果会随着IOU增加而降低。
码大哥·2024-08-30 15:58

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

BMS中内阻补偿的使用

在BMS（电池管理系统）中，内阻补偿的使用主要涉及以下几个步骤和方法：1.内阻测量实时监测：通过专用电路或算法实时测量电池的内阻。常用的方法包括脉冲测试法和交流阻抗测试法。
嵌入式学习菌·2024-08-30 13:46

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

面试题——为什么vite打包速度比webpack快

vite采用了不同的开发模式,相较于webpack的先打包再启动服务器,vite则是直接启动,在请求模块时再进行实时编译,在大型项目中,这种按需动态编译的模式极大地缩短了时间vite充分利用了现代浏览器对
想看看风景·2024-08-30 12:10

产品推荐 | 基于VU13P FPGA的4路FMC接口基带信号处理平台

TES641是一款基于VirtexUltraScale+系列FPGA的高性能4路FMC接口基带信号处理平台，该平台采用1片Xilinx的VirtexUltraScale+系列FPGAXCVU13P作为信号实时处理单元
迪普微社区·2024-08-30 11:01

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

如何有效管理机器学习与人工智能

如何有效管理机器学习与人工智能1.模型开发阶段的风险管理a.数据质量与偏见管理b.模型透明性与可解释性c.偏见与公平性测试2.部署阶段的风险管理a.安全与隐私保护b.实时监控与反馈机制c.模型回滚与更新机制
听忆.·2024-08-30 10:51

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

常见的实时数仓方案

常见的实时数仓架构有三种。第一种是Lambda架构，是目前主流的一套实时数仓架构，存在离线和实时两条链路。
北极冰雨·2024-08-30 05:27

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

推荐Monibuca/webrtc插件：新一代实时通信解决方案

推荐Monibuca/webrtc插件：新一代实时通信解决方案项目简介Monibuca/plugin-webrtc是基于Monibuca框架的一个WebRTC插件，旨在提供高效、稳定且可定制化的实时通信服务
戴洵珠Gerald·2024-08-30 04:18

强大的Monibuca RTMP插件：实时流媒体处理的新星

强大的MonibucaRTMP插件：实时流媒体处理的新星在现代数字时代，实时流媒体已经成为各种在线活动的核心部分，从在线会议、直播游戏到远程教育等不胜枚举。
颜殉瑶Nydia·2024-08-30 04:17

【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

利用大模型通义点金直接解读财报

但只要加上接收实时数据的能力，它们便可以帮我们读取上市公司财报了。
懂一点的陈老师·2024-08-30 01:59

解释区块链技术的应用场景和优势。

通过区块链，参与者可以实时查看和验证产品的制造、运输和销售过程，提高供应链的透明度和效率。3.物联网：区块
安宁ᨐ·2024-08-30 01:27

STM32智能医疗监控系统教程

4.3通信与网络系统实现4.4用户界面与数据可视化应用场景：医疗监控与优化问题解决方案与优化收尾与总结1.引言智能医疗监控系统通过STM32嵌入式系统结合各种传感器、执行器和通信模块，实现对医疗数据的实时监控
stm32发烧友·2024-08-29 23:16

用爬虫玩转石墨文档细解

前言石墨文档是一款受欢迎的在线协作工具，它允许多人实时编辑和共享文档。通过爬虫技术，我们可以自动化地获取石墨文档中的内容，进行数据分析或备份。
程序员小羊！·2024-08-29 23:42

数据库优化

1.2实现方式1.2.1实现步骤1.部署多台数据库，选择其中的一台作为主数据库，其他的为从数据库2.保证主数据库和从数据库之间的数据是实时同步的，这个过程也就是主从复制3.系统将写请求给主数据库，读请求给从数据库
众愿·2024-08-29 22:40

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

linux启动停止jar包、war包项目

java-jara.jarnohup意思是不挂断运行命令,当账户退出或终端关闭时,程序仍然运行nohupjava-jara.jar&(&代表在后台运行)指定输出日志的文件nohupjava-jara.jar>nohup.out查看实时日志记录
小南城_·2024-08-29 21:31

推荐开源项目：YouTube WatchMe for Android - 实时直播的魅力

推荐开源项目：YouTubeWatchMeforAndroid-实时直播的魅力1、项目介绍YouTubeWatchMe是一个专为Android设计的开源应用，它允许您轻松创建并实时流式传输到YouTube
许煦津·2024-08-29 21:57

0.1折手游平台推荐 iOS手游平台0.折充值排行榜2024

有些游戏平台相当优质，同时还提供实时动态、活动福利等。现在让我们一起探寻哪些免费在线游戏网站值得你投入时间和精力，沉浸在游戏的世界中，畅玩各种好玩的游戏。下面就给大家盘点五个目前最好用的游戏平台！
诸葛村夫123·2024-08-29 20:41

可定制化内容具体识别事物，多方位同时监管的智慧快消开源了。

智慧快消视频监控平台是一款功能强大且简单易用的实时算法视频监控系统。
ai产品老杨·2024-08-29 20:23

【国外比较权威的免费的卫星数据网站——NASA Worldview】

NASAWorldview网址：https://worldview.earthdata.nasa.gov/简介：NASAWorldview显示了全球范围内的实时卫星影像，用户可以通过该平台观察地球“现在
学地理的小胖砸·2024-08-29 20:23

electron获取电脑/麦克风音频流，实时推送

1.获取麦克风id：麦克风音频，包含自定义麦克风和耳机等，如何切换？navigator.mediaDevices只读属性返回一个MediaDevices对象，该对象可提供对相机和麦克风等媒体输入设备以及屏幕共享的连接访问。可以使用navigator.mediaDevices.enumerateDevices()来获取到设备的种类和id，注意判断输入设备和输出设备getMicro(){//获取麦克风
m0_47538449·2024-08-29 20:21

环境搭建：Redis 概述、安装与配置指南（含windows、macOS、Linux）

环境搭建：Redis概述、安装与配置指南（含windows、macOS、Linux）Redis是一个开源的内存数据结构存储系统，广泛应用于缓存、消息队列和实时分析等场景。
upgrador·2024-08-29 19:17

Apache Kafka 快速学习大纲

Kafka概述定义Kafka传统定义：Kafka是一个分布式的基于发布/订阅模式的消息队列（MessageQueue），主要应用于大数据实时处理领域。
aaaak_·2024-08-29 19:46

京东内部优惠券平台可以叠加叫什么软件 京东全品类优惠券

不仅涵盖了淘宝、天猫、京东、拼多多、唯品会、考拉等各大电商平台的优惠券，而且实时更新，每天都有新的商品内部优惠券上线，让你的购物省钱不停歇。
氧惠_飞智666999·2024-08-29 18:08

Qt/C++ 音视频开发 - VLC 回调处理

应用使用场景实时视频流处理：用于监控系统，直播平台等。多媒体播放器：构建一个自定义的音视频播放器。视频分析与处理：如视频剪辑、特效添加等。
鱼弦·2024-08-29 16:57

【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
上一页 7 8 9 10 11 12 13 14 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他