<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[A12444w的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/A12444w</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; A12444w]]></copyright><item><title><![CDATA[# Android 网络调试助手：一款手机端 TCP / UDP 调试工具]]></title><link>https://blog.youkuaiyun.com/A12444w/article/details/160340622</link><guid>https://blog.youkuaiyun.com/A12444w/article/details/160340622</guid><author>A12444w</author><pubDate>Mon, 20 Apr 2026 16:46:23 +0800</pubDate><description><![CDATA[Android网络调试助手是一款手机端TCP/UDP调试工具，支持TCP客户端/服务端和UDP通信，适用于局域网设备调试、端口连通性测试等场景。该工具可直接在Android手机上进行网络联调，支持数据收发和日志查看功能。项目采用Java开发，提供Release APK快速体验，适合开发者在无电脑情况下进行现场网络问题排查。GitHub地址：https://github.com/AOINZ/NetAssist-android]]></description><category></category></item><item><title><![CDATA[图像数据增强在目标检测中的应用]]></title><link>https://blog.youkuaiyun.com/A12444w/article/details/145474500</link><guid>https://blog.youkuaiyun.com/A12444w/article/details/145474500</guid><author>A12444w</author><pubDate>Thu, 06 Feb 2025 15:12:30 +0800</pubDate><description><![CDATA[本文介绍了一个用于目标检测的图像数据增强工具类，展示了如何通过多种变换技术来增加训练数据的多样性。通过使用这些增强方法，可以有效提高模型的性能和鲁棒性。希望这篇博客能帮助你理解数据增强的概念，并在你的项目中应用这些技术。]]></description><category></category></item><item><title><![CDATA[利用Python将XML标注文件转换为YOLO格式的TXT文件]]></title><link>https://blog.youkuaiyun.com/A12444w/article/details/145472738</link><guid>https://blog.youkuaiyun.com/A12444w/article/details/145472738</guid><author>A12444w</author><pubDate>Thu, 06 Feb 2025 14:16:13 +0800</pubDate><description><![CDATA[通过本文介绍的方法，我们可以方便地将Pascal VOC格式的XML标注文件转换为YOLO所需的TXT文件格式，并且能够实时查看标注效果。这大大简化了数据准备的工作流程，有助于提高模型训练的效率。希望这篇文章对您有所帮助！如果您有任何问题或建议，请随时评论交流。]]></description><category></category></item><item><title><![CDATA[基于OpenCV与PaddleOCR的门护板装配总成序列号识别技术解析]]></title><link>https://blog.youkuaiyun.com/A12444w/article/details/145472200</link><guid>https://blog.youkuaiyun.com/A12444w/article/details/145472200</guid><author>A12444w</author><pubDate>Thu, 06 Feb 2025 13:56:50 +0800</pubDate><description><![CDATA[本方案通过计算机视觉与深度学习的有机结合，实现了工业标识的可靠识别。经实测，在复杂工业场景下相比传统OCR方案识别率提升35%以上，为智能制造提供了有效的技术支撑。后续将持续优化算法鲁棒性，拓展更多工业应用场景。]]></description><category></category></item><item><title><![CDATA[基于 PyQt5 的 YOLOv8 目标检测应用程序开发]]></title><link>https://blog.youkuaiyun.com/A12444w/article/details/145471860</link><guid>https://blog.youkuaiyun.com/A12444w/article/details/145471860</guid><author>A12444w</author><pubDate>Thu, 06 Feb 2025 13:38:12 +0800</pubDate><description><![CDATA[本项目旨在开发一个功能强大的目标检测应用程序，用户可以通过友好的图形用户界面（GUI）选择不同的检测模式，包括图片识别、本机摄像头识别、视频文件识别以及海康相机识别。应用程序将利用 YOLOv8 模型进行目标检测，并实时显示检测结果。通过本项目，我们成功开发了一个基于人工智能 YOLOv8 和 PyQt5 的目标检测应用程序，实现了对图片、视频流以及海康相机的实时目标检测。未来可以进一步优化应用程序的性能和功能，例如增加更多的检测模式、支持更多的相机型号、提高检测速度和准确性等。]]></description><category></category></item><item><title><![CDATA[基于 PyQt5 的斗地主游戏开发与实现]]></title><link>https://blog.youkuaiyun.com/A12444w/article/details/145471558</link><guid>https://blog.youkuaiyun.com/A12444w/article/details/145471558</guid><author>A12444w</author><pubDate>Thu, 06 Feb 2025 13:17:15 +0800</pubDate><description><![CDATA[斗地主是一款经典的扑克牌游戏，通常由三名玩家参与，其中一名玩家为“地主”，另外两名玩家为“农民”。游戏的目标是通过出牌策略，率先将手中的牌全部打出。本次项目的目标是使用 PyQt5 构建一个斗地主游戏的桌面应用程序，同时实现基本的游戏逻辑和人工智能（AI）出牌功能。我们定义了一个Card类来表示每张牌，包含花色（suit）、点数（rank）和权重（weight）三个属性。权重用于排序和比较牌的大小。在函数中，我们生成了一副完整的牌，包括 52 张普通牌和 2 张王。]]></description><category></category></item><item><title><![CDATA[Windows如何安装NVIDIA显卡驱动和CUDA的安装教程]]></title><link>https://blog.youkuaiyun.com/A12444w/article/details/144397558</link><guid>https://blog.youkuaiyun.com/A12444w/article/details/144397558</guid><author>A12444w</author><pubDate>Wed, 11 Dec 2024 12:44:36 +0800</pubDate><description><![CDATA[根据您显卡支持的CUDA版本，访问NVIDIA CUDA Toolkit Archive下载相应版本的CUDA Toolkit：[CUDA Toolkit Archive](https://developer.nvidia.com/cuda-toolkit-archive)。- 访问NVIDIA官网下载与您的显卡型号和操作系统相匹配的最新驱动程序：[NVIDIA驱动下载](https://www.nvidia.cn/geforce/drivers/)。- 双击下载的CUDA安装包，选择自定义安装。]]></description><category></category></item><item><title><![CDATA[YOLOV5-ONNX 模型推理]]></title><link>https://blog.youkuaiyun.com/A12444w/article/details/138472598</link><guid>https://blog.youkuaiyun.com/A12444w/article/details/138472598</guid><author>A12444w</author><pubDate>Sun, 05 May 2024 20:04:08 +0800</pubDate><description><![CDATA[在深度学习领域，YOLO（You Only Look Once）系列模型因其出色的实时物体检测性能而广受欢迎。随着ONNX（Open Neural Network Exchange）格式的普及，将YOLOv5模型转换为ONNX格式，使其能在多种平台和框架间无缝运行，成为了提高部署灵活性和效率的关键步骤。本文将指导你完成使用YOLOv5-ONNX模型进行物体检测的全过程，从环境搭建到实际推理。源码在yolov5-master中可找到。YOLOv5-ONNX模型文件。]]></description><category></category></item><item><title><![CDATA[YOLOV8-ONNX 模型推理]]></title><link>https://blog.youkuaiyun.com/A12444w/article/details/138340586</link><guid>https://blog.youkuaiyun.com/A12444w/article/details/138340586</guid><author>A12444w</author><pubDate>Sun, 05 May 2024 19:54:02 +0800</pubDate><description><![CDATA[YOLOv8的ONNX模型推理是指使用ONNX（Open Neural Network Exchange）格式的YOLOv8模型来进行对象检测的推断过程。ONNX是一种跨平台的深度学习模型格式，支持多种框架之间的模型转换和运行，使得模型能够在不同的硬件和软件平台上高效执行。使用Ultralytics的YOLO库来加载一个YOLOv8的PyTorch模型 导出为ONNX格式。准备coco128.yaml文件来存放类别。]]></description><category></category></item><item><title><![CDATA[从VOC格式到YOLO格式：图像标注数据的转换过程]]></title><link>https://blog.youkuaiyun.com/A12444w/article/details/137255692</link><guid>https://blog.youkuaiyun.com/A12444w/article/details/137255692</guid><author>A12444w</author><pubDate>Tue, 02 Apr 2024 09:14:40 +0800</pubDate><description><![CDATA[2. **坐标转换**：VOC格式使用的是绝对坐标（像素值），而YOLO格式使用相对坐标（比例）。因此，需要将矩形框的左上角坐标(xmin, ymin)和右下角坐标(xmax, ymax)转换为YOLO格式下的中心点坐标(x, y)和宽高(w, h)，它们均是以图像宽度和高度的比例表示。3. **格式化输出**：按照YOLO的格式要求，将每张图片的文件名、每个目标的类别索引（根据YOLO的类别字典进行映射）、以及转换后的中心坐标、宽高信息整理成一行文本，写入到YOLO格式的标注文件中。]]></description><category></category></item></channel></rss>