YOLO系列实验实战

VUE子组件传递父组件

知识点1.在子组件页面中使用emits声明好要传递的事件和事件会用到的参数2.在父组件页面中，在子组件的标签上，接收组件传递过来的函数实战例子父组件结果：{{count}}importChildfrom
凌涑·2024-08-31 06:38

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

【mysql】mysql之存储引擎学习

零基础入门》：python零基础入门学习《python运维脚本》：python运维脚本实践《shell》：shell学习《terraform》持续更新中：terraform_Aws学习零基础入门到最佳实战
向往风的男子·2024-08-31 05:28

MySQL高级课程：索引设计与性能优化的最佳实践

本课程将深入探讨MySQL索引设计和性能优化的最佳实践，帮助你掌握从理论到实战的优化技巧。一、索引的基础知识1.1
勤劳兔码农·2024-08-31 04:25

文字模型训练分析评论（算法实战）

文字模型训练，尤其是在自然语言处理（NLP）领域，是构建能够理解、解释、生成人类语言系统的核心步骤。这类模型广泛应用于文本分类、情感分析、机器翻译、聊天机器人、摘要生成等多个方面。针对文字模型训练后的分析评论，可以从以下几个方面进行：1.性能评估准确率/错误率：评估模型在测试集上的准确率或错误率是最直接的方式，这能反映模型的基本性能。混淆矩阵：对于分类任务，混淆矩阵可以详细展示模型在各个类别上的表
富士达幸运星·2024-08-31 04:55

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

【愚公系列】《短视频生成与剪辑实战》005-使用 Midjourney 进行 Al 绘图

作者简介，愚公搬代码《头衔》：华为云特约编辑，华为云云享专家，华为开发者专家，华为产品云测专家，CSDN博客专家，CSDN商业化专家，阿里云专家博主，阿里云签约作者，腾讯云优秀博主，腾讯云内容共创官，掘金优秀博主，亚马逊技领云博主，51CTO博客专家等。《近期荣誉》：2022年度博客之星TOP2，2023年度博客之星TOP2，2022年华为云十佳博主，2023年华为云十佳博主等。《博客内容》：.N
愚公搬代码·2024-08-31 04:19

红队攻防渗透技术实战流程：红队目标信息收集之目标域名CDN绕过

红队资产信息收集1.判断域名是否存在CDN2.绕过CDN查找真实IP地址2.1CDN介绍2.1.1域名解析过程2.2为什么要绕过CDN2.3验证是否存在CDN2.3.1多地ping2.3.2nslookup2.3.4修改hosts文件2.3.5在线工具2.3.6异地ping2.4绕过CDN查找网站真实IP2.4.1查询子域名2.4.1查询主域名2.4.1网站邮件订阅查找2.4.1查询历史DNS解析
HACKNOE·2024-08-31 03:47

k8s-pod 实战七 （PreStop 和 PostStart 详细分析）

PreStop和PostStart详细分析PreStopHookPreStopHook是在容器终止之前执行的操作。它通常用于执行一些清理任务或完成某些操作，以确保容器能够平稳关闭。例如，在数据库应用中，你可能希望在容器终止之前完成所有正在进行的事务。PostStartHookPostStartHook是在容器启动之后立即执行的操作。它通常用于在容器启动后执行一些初始化任务。例如，你可能希望在容器启
清风 001·2024-08-31 01:31

3.4.2 爬取豆瓣影评实战

课程目标爬取豆瓣影评实战课程内容编码实现爬虫部分importrequests#导入requests库，用于发送HTTP请求fromfake_useragentimportUserAgent#导入UserAgent
欧阳枫落·2024-08-31 01:58

使用 Shell 脚本管理 RocketMQ 服务：启动、停止与状态检查

安装可以查看这篇博客RocketMQ实战：在macOS上安装与前端访问全流程指南1.脚本概述这个脚本将涵盖以下
heromps·2024-08-31 00:57

Linux基础入门

课程链接：黑马程序员新版Linux零基础快速入门到精通，全涵盖linux系统知识、常用软件环境部署、Shell脚本、云平台实践、大数据集群项目实战等_哔哩哔哩_bilibili声明：该文章为本人的学习笔记
LIPAH·2024-08-31 00:27

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

实战LangChain（四）：LangGraph入门——状态管理与基础结构

实战LangChain（四）：LangGraph入门——状态管理与基础结构实战LangChain（一）：构建您的第一个聊天机器人_langchai机器人实战LangChain（二）：探索RAG——为聊天机器人注入知识
matianlongg·2024-08-30 22:40

python金融实战教程pdf 目录

python金融实战教程pdf目录:http://literalink.top/resource/detail/7186336410574524416第1章Python简介及安装11.1Python简介
weixin_43946945·2024-08-30 19:56

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
上一页 17 18 19 20 21 22 23 24 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他