yolo界面制作

WSL2部署训练YOLOv11之环境配置（2025年4月19日）

一、前言今天尝试在WSL2环境中部署训练YOLOv11，顺便把环境配置好。二、安装CUDA由于WSL2中并不能直接使用宿主机的显卡，所以需要安装CUDAonWSL以安装NVIDIA驱动到WSL中。

鱼圆食不食·2025-07-24 00:45

YOLOv13_SSOD：基于超图关联增强的半监督目标检测框架（原创创新算法）

YOLOv13_SSOD：基于超图关联增强的半监督目标检测框架项目背景随着深度学习技术的快速发展，目标检测在各个领域都取得了显著的进展。

·2025-07-23 21:55

爆改YOLOv8 | 利用AFPN增加小目标检测层(替换小目标检测头）

1，本文介绍这篇文章的改进机制是利用新推出的渐近特征金字塔网络（AFPN）来优化yolov8的检测头，AFPN的核心是引入一种渐近的特征融合策略，将底层和高层的特征逐渐整合到目标检测过程中。

·2025-07-23 21:24

yolov8涨点系列之C2f模块改进主分支

文章目录C2F模块介绍定义与基本原理应用场景C2f模块修改步骤(1)C2f_up模块编辑(2)在__init_.py+block.py中声明（3）在task.py中声明yolov8引入C2f_up模块yolov8

没脾气的小玩家·2025-07-23 17:33

yolov8涨点系列之替换幽灵卷积GhostConv

文章目录核心思想主要步骤优势yolov8.yaml文件增加CBAMyolov8.yamlyolov8.yaml将Conv卷积替换成GhostConv 幽灵卷积（GhostConv）是一种新颖的卷积操作方法

没脾气的小玩家·2025-07-23 17:03

YOLO目标检测模型优化技术全景解析

YOLO目标检测模型优化技术全景解析作为实时目标检测领域的标杆算法，YOLO系列模型通过持续的技术革新不断提升性能边界。

·2025-07-23 17:01

DL00478-涡轮叶片缺陷检测数据集yolo格式1300张左右

涡轮叶片缺陷检测数据集yolo格式1300张左右涡轮叶片缺陷检测数据集YOLO格式解析：提升研究与论文写作的关键要点在研究涡轮叶片缺陷检测的过程中，数据集的选择和格式处理是一个至关重要的环节。

·2025-07-23 17:30

YOLO 目标检测的改进方法

YOLO目标检测的改进方法可以从模型架构、训练策略、损失函数等多个方面入手，以下是一些常见的改进方法方向及参考文献：模型架构改进骨干网络替换：使用更轻量或更强大的网络替换原始骨干网络。

·2025-07-23 17:30

植物病害识别：YOLO甘蔗叶片病害识别分类数据集

YOLO甘蔗叶片病害识别数据集,包含尾孢菌叶斑病，眼斑病，健康，红腐病，锈病，黄叶病6个常见病类别，3300多张图像，yolo标注完整，全部原始图像，应用数据增强。

·2025-07-23 14:11

YOLOv11轻量化方案的技术方案包，包含代码实现、对比图表和图文说明

以下为YOLOv11轻量化方案的技术方案包，包含代码实现、对比图表和图文说明：一、核心轻量化方案模型结构优化（代码示例）importtorchimporttorch.nnasnnclassEfficientConv

zzywxc787·2025-07-23 07:26

基于YOLOv8的Web端交互式目标检测系统设计与实现

近年来，随着深度学习技术的快速发展，YOLO(YouOnlyLookOnce)系列算法因其出色的速度和精度平衡而备受关注。

YOLO实战营·2025-07-22 22:27

横幅检测数据集-1500张图片智慧城市管理活动现场管理商业广告分析

横幅检测数据集介绍数据集概览检测目标类型应用场景数据样本展示使用建议1.数据预处理优化2.模型训练策略3.实际部署考虑4.应用场景适配5.性能优化建议数据集特色商业价值技术实现路径模型选择建议特殊技术考虑集成方案建议应用效果评估性能指标建议业务价值指标YOLOv8

·2025-07-22 16:51

YOLO11-obb使用C++及trt进行推理（详细版）

针对YOLO的使用.engine权重及C++代码进行推理使用TensorRT-YOLO项目网站是：https://github.com/laugh12321/TensorRT-YOLO可以直接选择git

范男·2025-07-22 15:18

YOLOv8实现手写数字识别系统：从MNIST到实时摄像头检测

本文将介绍一个基于YOLOv8和MNIST数据集的手写数字识别系统，该系统不仅能识别静态图像中的数字，还能通过摄像头实时检测手写数字。

·2025-07-22 07:44

基于深度学习的手写数字和符号识别系统：YOLOv5/v6/v7/v8/v10模型实现与UI界面集成

本文将介绍如何构建一个基于YOLO系列模型（YOLOv5、YOLOv6、YOLOv7、YOLOv8、Y

YOLO实战营·2025-07-22 06:42

YOLO V8+Python训练手写数字识别

以下是针对Windows11+Python环境的详细步骤说明，从数据集整理到模型训练，全部适配YOLOv8流程。

yuanpan·2025-07-22 06:40

Baumer工业相机堡盟工业相机如何通过YoloV8深度学习模型实现打架检测（C#代码，UI界面版）

Baumer工业相机堡盟工业相机如何通过YoloV8深度学习模型实现打架检测（C#代码，UI界面版）工业相机使用YoloV8模型实现打架检测工业相机通过YoloV8模型实现打架检测的技术背景在相机SDK

格林威·2025-07-22 00:27

Baumer工业相机堡盟工业相机如何通过YoloV8深度学习模型实现人脸识别检测（C#代码，UI界面版）

Baumer工业相机堡盟工业相机如何通过YoloV8深度学习模型实现人脸识别检测（C#代码，UI界面版）工业相机使用YoloV8模型实现人脸的检测工业相机通过YoloV8模型实现人脸识别检测的技术背景在相机

格林威·2025-07-22 00:57

Baumer工业相机堡盟工业相机如何通过YoloV8深度学习模型实现人物识别（C#代码，UI界面版）

Baumer工业相机堡盟工业相机如何通过YoloV8深度学习模型实现人物识别（C#代码，UI界面版）工业相机使用YoloV8模型实现人物识别工业相机实现YoloV8模型实现人物识别的技术背景在相机SDK

格林威·2025-07-22 00:26

Baumer工业相机堡盟工业相机如何通过YoloV8深度学习模型实现动物分类（C#源码，UI界面版）

Baumer工业相机堡盟工业相机如何通过YoloV8深度学习模型实现动物分类（C#源码，UI界面版））工业相机使用YoloV8模型实现动物分类工业相机实现YoloV8模型实现动物分类的技术背景在相机SDK

格林威·2025-07-21 23:51

opencv、torch、torchvision、tensorflow的区别

工业部署首选：市场份额38%，擅长边缘计算（YOLO部署）和大规模项目（工业自动化）-59）。O

·2025-07-21 23:21

脱岗离岗逃岗监测识别软件系统平台标检测算法#YOLO

值班脱岗智能监测识别系统是一种利用AI视频智能分析技术的智能化系统，能够对办公工作岗位区域、岗亭、值班室、生产线岗位等进行7*24小时不间断实时监测。该系统的出现，有助于提高工作效率，确保工作秩序的正常运行，同时也能有效避免值班人员脱岗、懈怠等现象的发生。该系统的工作原理是通过高清摄像头捕捉实时画面，然后利用AI视频智能分析技术对画面进行实时分析，识别出是否有人脱岗、懈怠或者有其他异常情况发生。当

·2025-07-21 19:55

YOLOv5改进策略|YOLOv5 ⾃主检查和跟踪相关的任务|基于视觉的⽆⼈⽔⾯舰艇⾃主导航极端海洋条件

目录介绍解决方案目标检测的视觉结论视觉感知是无人水面舰艇(USV)自主导航的重要组成部分，特别是与自主检查和跟踪相关的任务。这些任务涉及基于视觉的导航技术来识别导航目标。海洋环境中极端天气条件下的能⻅度降低使得基于视觉的方法难以正常工作。为了克服这些问题，本文提出了一种基于视觉的自主导航框架，用于在极端海洋条件下跟踪目标物体。所提出的框架由一个集成感知管道组成，该管道使用生成对抗网络(GAN)来消

斌擎人工智能官方账号·2025-07-21 18:23

雨天障碍物漏检？陌讯多模态算法实测 98% 准确率

某车企实测数据显示，传统YOLOv8在城郊混合路况中，因障碍物识别延迟引发的决策偏差占测试事故的37%，这些问题成为

2501_92474711·2025-07-21 18:18

陌讯YOLOv7实时优化方案召回率提升25%

密集场景下小目标召回率常低于60%（COCO-val实测数据）部署成本高：ResNet-101需8GB显存，难以边缘化部署某智慧园区项目显示：夜间误报率高达34%，运维成本激增300%二、技术解析：陌讯SlimYOLO

2501_92489016·2025-07-21 17:13

陌讯YOLOv7优化方案实测准确率达99%！

开篇痛点：算法失效的致命时刻在智慧交通领域，电动车头盔识别长期面临三大痛点：漏检危机：行人遮挡、雨天反光导致传统算法漏检率高达15%（某头部车企实测数据）误报泛滥：相似物体（背包、安全帽）误识别率超20%实时性缺陷：开源模型在1080P视频流中处理延时＞200ms，无法满足实时预警需求技术解析：陌讯算法三重创新架构graphTDA[双路输入]-->B[多尺度特征融合模块]B-->C[空间注意力机制

·2025-07-21 16:36

智慧城管新突破：陌讯动态量化技术实现端侧模型压缩20倍

开篇痛点深夜暴雨中的违规占道经营检测误报率超60%，光照反射干扰导致传统YOLOv5召回率暴跌——这是某省会城市智慧城管项目的真实困境。

2501_92487735·2025-07-21 15:59

基于YOLOv8的火灾智能检测系统设计与实现

在各类安全事故中，火灾因其突发性强、破坏力大，一直是威胁人们生命财产安全的重大隐患。传统的火灾检测方式多依赖烟雾传感器、温度传感器等，存在响应滞后、易受环境干扰等问题。随着深度学习技术的飞速发展，基于计算机视觉的火灾检测方法凭借其实时性强、检测范围广等优势，逐渐成为研究热点。本文将简单介绍一款基于深度学习的火灾智能检测系统的设计与实现过程。一、系统整体设计本火灾智能检测系统旨在通过深度学习技术实现

斟的是酒中桃·2025-07-21 10:52

DETR革命：目标检测的Transformer时代

在深度学习目标检测发展史上，2014~2019年几乎被基于卷积神经网络（CNN）的检测器统治：两阶段：FasterR-CNN、MaskR-CNN单阶段：YOLO、SSD、RetinaNet这些检测器虽然效果强大

加油吧zkf·2025-07-21 08:08

yolov5推理简单代码（网上找了好多，最终找到了）

#yolov5#导包importtorchimportcv2frommultiprocessingimportProcess,Manager,Value#下面两个是yolov5文件夹里面的代码fromutils.generalimportnon_max_suppressionfrommodels.experimentalimportattempt_load

a2488220557·2025-07-20 08:14

手绘电路图的节点和端点检测一个简化版的算法实现框架

以下代码结合了YOLOv5目标检测和传统图像处理技术，符合论文中提到的98.2%mAP和92%节点识别准确率的关键指标。

zhangfeng1133·2025-07-20 05:01

目标检测-YOLOv5

YOLOv5介绍YOLOv5是YOLO系列的第五个版本，由Ultralytics团队发布。

wydxry·2025-07-20 04:48

仓库货物检测：基于YOLOv5的深度学习应用与UI界面开发

本博客将介绍如何使用YOLOv5进行仓库货物检测，

YOLO实战营·2025-07-20 00:50

深度学习模型开发部署全流程：以YOLOv11目标检测任务为例

深度学习模型开发部署全流程：以YOLOv11目标检测任务为例深度学习模型从开发到部署的完整流程包含需求分析、数据准备、模型训练、模型优化、模型测试和部署运行六大核心环节。

你喜欢喝可乐吗？·2025-07-20 00:14

陌讯改进YOLOv7实战降噪50%

传统视觉算法面临三重挑战：环境干扰：强光/阴影导致工服颜色失真目标微小：安全帽反光标识仅占图像0.1%像素遮挡密集：工人簇拥时漏检率超35%（数据来源：CVPR2023工业检测白皮书）行业真相：某安监部门实测显示，开源YOLOv5

2501_92487859·2025-07-19 17:22

考场/工厂违规用机难捕捉？3维度优化方案部署成本直降40%

某安检企业反馈，开源YOLOv5在车间场景误报率高达34%。

2501_92487762·2025-07-19 16:21

【目标检测】机场内部目标检测数据集4106张YOLO+VOC格式

数据集格式：VOC格式+YOLO格式压缩包内含：3个文件夹，分别存储图片、xml、txt文件JPEGImages文件夹中jpg图片总计：4106Annotations文件夹中xml文件总计：4106labels

·2025-07-12 17:55

传统检测响应慢？陌讯多模态引擎提速90+FPS实战

然而，传统算法如YOLOv5或开源框架MMDetection常面临两大痛点：误报率高（复杂光照或遮挡场景下检测不稳定）和响应延迟（高分辨率视频流处理FPS低于30）。

2501_92473147·2025-07-12 17:53

模型训练与部署注意事项篇---resize

图像大小的影响在YOLOv系列模型的训练和推理部署过程中，图像大小的选择是影响模型性能（精度、速度、泛化能力）的关键因素之一。

Atticus-Orion·2025-07-12 12:56

将多个小型YOLO数据集合并为一个大型数据集

一、将多个小型YOLO数据集合并为一个大型数据集importosimportshutilimportargparsedefmerge_data(source_dir,target_dir,images_dir

梦实学习室·2025-07-12 10:44

目标检测中的NMS算法详解

问题：目标检测模型（如FasterR-CNN,YOLO,SSD等）在推理时，对于同一个目标物体，通常会预测出多个重叠的、不同置信度（confidencescore）的候选边界框（BoundingBoxes

·2025-07-12 10:08

电梯开关状态人员进出检测数据集VOC+YOLO格式2220张4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)：2220标注数量(xml

fl176831·2025-07-12 08:55

YOLOv11 技术详解：架构优化与性能提升

YOLOv11是目标检测领域中一个备受瞩目的新版本，它在保持实时性的同时，显著提升了检测的准确性和效率。本文将深入探讨YOLOv11的架构改进、性能优化以及它在不同应用场景中的表现。

代码老y·2025-07-12 01:07

Yolov5-obb(旋转目标poly_nms_cuda.cu编译bug记录及解决方案)

关于在执行pythonsetup.pydevelop#or"pipinstall-v-e."时poly_nms_cuda.cu报错问题。前面步骤严格按照install.md环境1.pytorch版本较低时（我的是1.10）：poly_nms_cuda.cu文件添加”#defineeps1e-8“，删除“constdoubleeps=1E-8;”这句2.pytorch版本较高时（我用的是1.27）h

·2025-07-12 01:04

YOLO11 目标检测从安装到实战

前言YOLO（YouOnlyLookOnce）系列是目标检测领域的经典算法，凭借速度快、精度高的特点被广泛应用。

·2025-07-12 01:34

街道垃圾识别难？陌讯视觉算法实测准确率突破95%

传统视觉算法（如YOLOv5、FasterR-CNN）在复杂街道场景下表现不佳，主要面临以下问题：光照干扰：早晚光线变化导致误检（如阴影被识别为垃圾）小目标漏检：饮料瓶、烟头等小物体在640x640输入下仅占

2501_92487900·2025-07-11 17:16

占道识别漏检率 30%？陌讯多模态算法实测优化

某一线城市试点数据显示，基于开源YOLOv5的识别系统日均漏检事件超300起，人工复核成本占总投入的42%。这些问题的根源在于传统算法采用单

2501_92487926·2025-07-11 17:16

YOLOv8 环境监测五大场景 —— 二、森林火灾早期预警之无人机巡逻监测详细解释及代码完整示例

YOLOv8无人机森林火灾巡逻监测系统系统架构设计无人机火灾监测系统组成：1.飞行平台-多旋翼无人机(续航≥60分钟)-双光吊舱(可见光+红外)-RTK高精度定位-4G/5G数据链2.机载计算单元-JetsonOrinNX

路飞VS草帽·2025-07-11 17:44

安防监控漏报频发？陌讯实时检测算法实测召回率98%

一、开篇痛点：安防监控的检测难题在夜间低光、遮挡、小目标等复杂场景下，传统YOLO系列算法常出现漏检（FN）和误检（FP）。

2501_92487721·2025-07-11 16:39

重型机械识别漏检率高？陌讯算法实测降 35%

某港口集团曾反馈，其基于开源YOLOv5部署的机械监控系统，在暴雨天气下误报率飙升至37%，直接影响作业调度效率[实测数据来源：某港口2024年Q1运维报告]。

·2025-07-11 16:09

推荐频道