YOLO系列实验实战

fpga图像处理实战-图像浮雕

图像浮雕图像浮雕（Embossing）是一种图像处理技术，通过模仿浮雕效果，将二维图像转换为具有三维质感的图像。浮雕效果通常会使图像看起来像是雕刻在某种材质上的图案，具有突出的边缘和阴影，增强了图像的立体感。图像浮雕特效实现的基本原理实现图像浮雕特效的算法很多，这里介绍一种计算简单，处理效果还不错的一种算法。遍历整幅灰度图像，每个点的像素值使用相邻像素值之差来替代，以获得图像的边缘特征，再加上固定
梦梦梦梦子~·2024-08-30 16:08

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

鸿蒙南向实战：LCD驱动框架开发

功能简介LCD（LiquidCrystalDisplay）驱动编程，通过对显示器上电、初始化显示器驱动IC（IntegratedCircuit）内部寄存器等操作，使其可以正常工作。基于HDF（HardwareDriverFoundation）驱动框架构建的Display驱动模型作用如下：为LCD器件驱动开发提供了基础驱动框架，提升驱动开发效率。便于开发的器件驱动实现跨OS、跨芯片平台迁移。基于HD
小小煤球·2024-08-30 12:42

PyTorch深度学习实战（26）—— PyTorch与Multi-GPU

当拥有多块GPU时，可以利用分布式计算（DistributedComputation）与并行计算（ParallelComputation）的方式加速网络的训练过程。在这里，分布式是指有多个GPU在多台服务器上，并行指一台服务器上的多个GPU。在工作环境中，使用这两种方式加速模型训练是非常重要的技能。本文将介绍PyTorch中分布式与并行的常见方法，读者需要注意这二者的区别，并关注它们在使用时的注意
shangjg3·2024-08-30 12:10

小白学习大数据测试之hadoop hdfs和MapReduce小实战

转发是对小编的最大支持在湿货|大数据测试之hadoop单机环境搭建(超级详细版)这个基础上，我们来运行一个官网的MapReducedemo程序来看看效果和处理过程。大致步骤如下：新建一个文件test.txt，内容为HelloHadoopHelloxiaoqiangHellotestingbangHellohttp://xqtesting.sxl.cn将test.txt上传到hdfs的根目录/usr
大数据学习02·2024-08-30 11:39

【0131复盘翻盘】鑫淼辰

【运营经验】（今天你在运营实战中总结到的宝贵经验。）暂无【见识|感悟】（你今天向书/课/人，学到了什么？打算如何去用？）
王晋爱讲书·2024-08-30 11:08

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

C语言中的多线程编程：POSIX线程库（Pthreads）入门与实战（一）

目录一、引言背景介绍文章目的与读者定位二、夽线程基础概念线程与进程的关系并发与并行的区别多线程的优势与挑战三、POSIX线程库（Pthreads）简介POSIX标准与Pthreads规范Pthreads的兼容性与移植性总结一、引言背景介绍随着计算机硬件技术的飞速发展，多核处理器已经成为现代计算设备的标准配置。这种架构变革使得单个处理器芯片能够容纳多个执行核心，从而显著提升了并行计算能力。面对这样的
JJJ69·2024-08-30 09:51

PyTorch深度学习实战（27）—— PyTorch分布式训练

本节将详细介绍如何进行神经网络的分布式训练。其中1.1将结合MPI介绍分布式训练的基本流程，1.2与1.3将分别介绍如何使用torch.distributed以及Horovod进行神经网络的分布式训练。1PyTorch分布式训练1.1使用MPI进行分布式训练下面讲解如何利用MPI进行PyTorch的分布式训练。这里主要介绍的是数据并行的分布式方法：每一块GPU都有同一个模型的副本，仅加载不同的数据
shangjg3·2024-08-30 07:37

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

npm run build部署到云服务器中的Nginx（图文配置）

目录前言1.配置流程2.实战流程3.其余配置前言对于Nginx的基本知识推荐阅读：Nginx将https重定向为http进行访问的配置（附Demo）详细分析Nginx配置参数（附Demo）Nginx配置静态网页访问
码农研究僧·2024-08-30 05:25

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

C语言文件相关函数

目录一、引言二、文件函数概述1.文件类型指针2.常用文件函数三、文件函数使用详解1.打开文件2.关闭文件3.写入文件4.读取文件5.二进制文件操作四、实战应用五、总结本文将详细介绍C语言中文件函数的基本概念
Beginner_bml·2024-08-30 04:45

设计模式专题之C语言-原型模式

这里写目录标题1.简介2.通俗讲解3.实战3.1.代码3.2.代码解析3.3.代码运行3.4.结果分析4.总结1.简介原型模式（PrototypePattern）是一种创建型设计模式，它允许一个对象通过复制现有的对象来创建新对象
甜航一直在·2024-08-30 03:12

助记思维导图 | 三十六计之“瞒天过海”

您好，我是思维导图实战派_汪志鹏文章持续更新，期待
思维导图实战派_汪志鹏·2024-08-30 03:02

致实战营里我可爱的小伙伴们

读书变现实战营自1月4号开班已经一个多月了。在这里，我成长，我快乐！我们每天可以收听单老师发放的音频课程，然后分析总结，做出思维导图，写出学习心得。
春暖花开6091·2024-08-30 03:29

【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

鸿蒙开发实战-属性面板UI实现/对象数组如何实现自动更新内部值

涉及用法组件：List，Process注解：@ObjectLink其他：aboutToAppear（）文章目录目录文章目录前言一、效果实现方法1.两列展示2.加载若干ListItem3.遍历时拿取索引值二、代码结构1.图解2.代码示例几个小坑前言一点开发过程中的心得总结，留个档。目的是将对象数组里的对象数据渲染到ui上，但是发现@state等注释似乎只能监测到数组的一维（也就是说不能检测到数组对象
罗橙7号·2024-08-30 01:54

go-zero单体服务使用泛型简化注册Handler路由

优质资源分享学习路线指引（点击解锁）知识定位人群定位Python实战微信订餐小程序进阶级本课程是pythonflask+微信小程序的完美结合，从项目搭建到腾讯云部署上线，打造一个全栈订餐系统。
qq_43479892·2024-08-30 00:19

轻松接入微信订阅消息-uniapp + uniCloud 订阅消息实战教程（四）

经过无数次的尝试，终于还是让我做出来了，本文都将为你提供一份实用的指南，让我们一起开始这段精彩的旅程，探索uniapp与微信订阅消息结合的无限可能吧！用户授权订阅消息在前端中使用加一个按钮，让用户主动授权订阅消息，一次点击只能发送一次消息，如果需要发送多条就需要多次点击，如果勾选了「总是保持以上选择」（现在是默认勾选），勾选后下次订阅该模板时就不会有弹窗，保持上次的选择，参考uniapp订阅消息/
小小•愿望·2024-08-30 00:48

CMake项目模板实战指南

CMake项目模板实战指南cmake-project-templateThisprojectisaimedatjump-startingaC/C++projectthatcanbuildlibraries
汤涌双·2024-08-29 22:39

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

探索未来家居，3DMAX室内设计实战精英班

3DMAX室内设计实战研修班，是你通往梦想设计殿堂的钥匙。【创意无界，技术赋能】在这里，你将学习如何将天马行空的创意与精准的3DMAX技术相结合，创造出既美观又实用的居住空间。
爱分享的益达·2024-08-29 22:36

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

【思维导图实战派T8】01/21：思维导图线上训练

我是南京博赞思维导图官方认证班静静。我相信在能力范围内尽全力去做，必有惊喜。指导老师：李凤艳童栎程汪志鹏主题词思维开发练习主题词思维接龙练习线条练习电话沟通主题的中心图练习目的：基础建设决定上层建筑时间：20分钟（超时）检视：基础练习看起来很容易，做起来还是有一定的难度。总是顾东又想着顾西，无从下手，感觉内心想表达的东西很多却又出不来！通过练习更深的检验出我平时行事上的种种不必要的坏习惯，比如超时
思维导图实战派静静·2024-08-29 21:53

阿里云Apsara Clouder专项技能认证：实现调用API

此项认证的功能要求开发者熟悉使用阿里云市场的API接口调用，关于API开发可见阿里云帮助文档-应用服务-API网关，里面有详细的基于云市场开发与调用API的文档和视频，想要做一点东东的童鞋还是以这里为准吧，毕竟实战才是真理
IT菌·2024-08-29 21:43

自然语言处理系列四十五》Elasticsearch搜索引擎》Elasticsearch入门及技术原理

注：此文章内容均节选自充电了么创始人，CEO兼CTO陈敬雷老师的新书《自然语言处理原理与实战》（人工智能科学与技术丛书）【陈敬雷编著】【清华大学出版社】文章目录自然语言处理系列四十五Elasticsearch
陈敬雷-充电了么-CEO兼CTO·2024-08-29 20:24

自然语言处理系列四十二》新词发现与短语提取》新词发现》代码实战

注：此文章内容均节选自充电了么创始人，CEO兼CTO陈敬雷老师的新书《自然语言处理原理与实战》（人工智能科学与技术丛书）【陈敬雷编著】【清华大学出版社】文章目录自然语言处理系列四十二新词发现》代码实战短语提取算法原理总结自然语言处理系列四十二新词发现
陈敬雷-充电了么-CEO兼CTO·2024-08-29 20:24

RabbitMQ实战-JavaDemo

目录前言消息生产者消息消费者消息确认机制消息持久化Maven依赖总结前言在使用RabbitMQ进行消息传递时，了解如何在代码中创建和发布消息（生产者）、接收和处理消息（消费者），以及配置消息确认机制和持久化，是确保系统可靠性和效率的关键。以下将详细解读这些概念，并提供相应的Java示例代码和Maven依赖。注：如果是跟着笔者一步步认识RabbitMQ以及手动搭建Rabbit，则需要注意，在搭建Ra
StaticKing·2024-08-29 20:49

书生实战营进阶岛第6关

MindSearch部署到GithubCodespace和HuggingFaceSpace和原有的CPU版本相比区别是把internstudio换成了githubcodespace。随着硅基流动提供了免费的InternLM2.5-7B-Chat服务（免费的InternLM2.5-7B-Chat真的很香），MindSearch的部署与使用也就迎来了纯CPU版本，进一步降低了部署门槛。那就让我们来一起
下饭且吃饱·2024-08-29 19:12

HBase数据迁移实战

本文来自网易云社区最近为产品做了一次HBase的数据迁移操作，学习了一些相关的技术和实现方案。现整理出来，作为今后HBase数据迁移的参考。如有纰漏，欢迎指正。1.前期准备1.1确认集群使用的版本源HBase集群（以下称旧集群）和目的HBase集群（以下称新集群）的版本可能并不是一致的，特别是其底层所使用的HDFS版本信息。譬如这样一个数据迁移场景：业务希望从低版本的HBase集群（0.94.x）
网易数帆大数据·2024-08-29 16:25

树数据结构（Tree Data Structures）的全面指南：深度解析、算法实战与应用案例

树数据结构（TreeDataStructures）的全面指南：深度解析、算法实战与应用案例引言树数据结构（TreeDataStructures）作为计算机科学中的基石之一，以其独特的层次结构和分支特性，
Chauvin912·2024-08-29 16:24

【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

Linux 属主属组设置和文件类型

我是公众号「想吃西红柿」「云原生运维实战派」作者，对云原生运维感兴趣，也保持时刻学习，后续会分享工作中用到的运维技术，在运维的路上得到支持和共同进步！
尘嫣慕曦·2024-08-29 15:50

最新渗透测试面试题合集

认为有趣的挖洞经历挖洞也有分很多种类型，⼀种是以渗透、⼀种是以找漏洞为主，如果是前者会想各种办法获取权限继⽽获取想要的的东⻄完成渗透⽬标，这类跟HW类似，⽬标各种漏洞不算，要有Shell，服务器权限才给分，这才是最接近实战渗透
程序员安安·2024-08-29 14:15

java实战-list遍历删除元素

1.简述：在我们的实际开发中，list绝对是用的最多的集合类，然而对于很多人来说，用的最多的出错也是最多的。尤其是list的增删操作。2.错误示例publicclassTest{publicstaticvoidmain(String[]args){Listlist=newArrayListlist=newArrayList0)System.arraycopy(elementData,index+1
qq_27233977·2024-08-29 14:13

java NIO之Pipe

Pipe.SinkChannelsinkChannel=pipe.sink();读取数据需要访问source通道Pipe.SourceChannelsourceChannel=pipe.source();实战代码
爱上口袋的天空·2024-08-29 13:08

【零基础02】实战企业级K8S本地部署ThingsBoard专业版集群之二：戴尔R630本地服务器安装Linux Centos7.9系统

目录1、制作服务器启动U盘1.1、制作启动U盘准备工作1.1.1、确保制作启动U盘的Windows电脑处于联网状态1.1.2、下载Rufus 烧录软件1.1.3、下载Centos镜像文件1.1.4、准备1个8G以上的U盘1.2、使用Windows电脑制作启动U盘1.2.1、鼠标双击“rufus-3.19.exe”打开烧录软件1.2.2、弹出“当前无法访问>SmartScreen”窗口，点击“运行”
龙亘川·2024-08-29 13:37

Spring Cloud Gateway过滤器精确控制异常返回(实战，完全定制返回body)

欢迎访问我的GitHub这里分类和汇总了欣宸的全部原创(含配套源码)：https://github.com/zq2599/blog_demos本篇概览SpringCloudGateway应用中，处理请求时若发生异常未被捕获，请求方收到的响应是系统默认的内容，无法满足实际业务需求因此，从前一篇文章《SpringCloudGateway过滤器精确控制异常返回(分析篇)》开始，咱们深入分析了Spring
程序员欣宸·2024-08-29 13:49

[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

设计模式专题之C语言-享元模式

目录1.简介2.通俗讲解3.实战3.1.代码3.2.代码解析3.3.代码运行3.4.结果分析4.总结1.简介享元模式（FlyweightPattern）是一种用于减少对象数量从而减少内存使用的设计模式。
甜航一直在·2024-08-29 11:56

无问东西

总体感觉很好，就差到班上实战一下，以进一步改变。这是课
七乡师者·2024-08-29 11:22
上一页 8 9 10 11 12 13 14 15 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他