DeepLearningYolo-优快云博客

原创基于LRW-1000（CAS-VSR-W1k）数据集来进行中文唇语数据集识别任务以构建一个全面的唇语识别系统，包括数据集准备、模型定义、训练和结果评估

本文介绍了基于LRW-1000中文唇语数据集构建唇语识别系统的完整流程。该系统采用AV-Sync模型架构，包含视频帧提取、音频特征处理和深度学习模型训练等关键步骤。文章详细说明了环境配置、数据集结构、模型选择、数据预处理方法以及训练参数设置，提供了可执行的Python代码示例。该方案适用于数字人、Wav2Lip等应用场景，是目前最大的中文公开唇语识别数据集解决方案。

2026-05-25 17:38:29 584

原创水果蔬菜数据集

该水果蔬菜数据集包含28个类别的图像（10种水果和18种蔬菜），总数据量达3,560张（每类100张训练图+10张验证图+10张测试图）。数据集采用标准的三级目录结构（train/test/validation），适合图像分类任务。通过TensorFlow的ImageDataGenerator可实现数据增强（旋转/平移/翻转等），搭配MobileNetV2迁移学习模型（冻结底层+自定义分类层）进行训练，最终输出多分类结果。典型流程包括：数据预处理→模型构建→训练评估（50个Epoch）→性能可视化（损失/准

2026-08-20 11:31:14 177

原创 30万张图像、1081类植物的细分类数据集

针对30万张图像、1081类植物细分类任务，本文提出了一套完整解决方案。数据集具有高度歧义性和长尾分布特点，需特殊处理。方案包含：1) 环境配置与数据准备，建议YAML文件管理类别；2) 自定义PyTorch数据集类，集成数据增强（随机翻转、旋转等）；3) 采用ResNet50预训练模型，替换全连接层适配1081类输出；4) 实现完整训练流程，包含交叉熵损失、Adam优化器和学习率调度。系统使用TensorBoard监控训练损失，并在验证集评估准确率，特别适合处理大规模细粒度分类任务。

2026-08-13 17:53:54 229

原创如何使用PyTorch对含525种鸟类数据集进行图像分类任务鸟类分类图像数据集的训练及应用，鸟类分类图像分类数据集，鸟类数据集

这篇文章介绍了如何使用PyTorch框架对包含525种鸟类的图像数据集进行分类任务。主要内容包括：1) 数据集描述，包含高质量鸟类图像，每只鸟占据至少50%画面；2) 数据加载与预处理，使用自定义Dataset类处理CSV文件；3) 采用预训练ResNet18模型进行微调；4) 训练过程设置交叉熵损失和SGD优化器；5) 模型验证与测试方法；6) 结果可视化展示。该教程适合初学者学习图像分类任务，通过合理的数据处理和模型调整，可达到较高的分类准确率。

2026-08-12 15:23:33 173

原创如何使用GA-SVM（遗传算法优化的支持向量机）处理小样本_DGA变压器故障诊断相关变压器油中溶解气体，7种特征量的小样本数据集,5种特征量的数据集

本文介绍了使用GA-SVM（遗传算法优化的支持向量机）处理变压器故障诊断中的小样本数据集。通过MATLAB代码示例，展示了如何利用遗传算法优化SVM的关键参数（核函数宽度和惩罚因子），以提高模型在变压器油中溶解气体分析（DGA）数据上的分类性能。该方法结合了SVM的分类能力和遗传算法的全局搜索优势，特别适用于样本量有限（117-670个样本）的故障诊断场景。文章包含数据准备、适应度函数定义、遗传算法优化及模型训练四个关键步骤，并强调参数范围需根据实际数据调整。

2026-08-12 11:18:17 228

原创木材缺陷分割数据集，10个不同的类别，包括活节、死节、树脂、带裂缝的节、裂缝、骨髓、石英岩、丢节、蓝斑和过生长区

木材缺陷检测数据集及实时监控系统摘要：本文介绍了一个包含10类木材缺陷（如活节、死节、树脂、裂缝等）的大规模数据集，共计20276张图像和86803个标注对象（162GB）。数据集采用COCO格式标注，适用于目标检测和实例分割任务。同时提供了完整的Detectron2训练流程，包括环境配置、数据集注册、模型训练（Mask R-CNN）和评估方法。特别展示了工业部署方案，通过OpenCV实时视频流处理，实现木材缺陷的在线检测与可视化报警功能。

2026-08-11 17:17:18 196

原创航空影像的输电线路与输电塔分割数据集，航拍输电线路与输电塔分割数据集

本文介绍了一个航空影像输电线路与输电塔分割数据集，包含1234张超高分辨率图像（3840×2160），标注了11447个对象，涵盖5个类别：电缆、铁塔、木塔、混凝土/钢结构混合塔及不可见线缆。数据集适用于电力设施智能监测，支持目标检测与语义分割任务。文章提供了Detectron2框架下的完整实现方案，包括环境配置、数据集注册、模型训练（基于Mask R-CNN）、评估及可视化流程，并演示了实时监控系统集成代码。

2026-08-11 16:57:05 168

原创【工业计量优选｜水表刻度CRNN文字识别数据集｜YOLO目标检测+PP-OCR双标注｜1500张实拍图像全套训练方案

面向水务智能抄表、园区远程水表读数自动化采集、工业仪表视觉读取场景研发，整套方案采用两级串联识别架构：先用YOLOv8定位水表表盘区域，裁剪表盘后送入CRNN卷积循环神经网络完成数字刻度序列识别；数据集共计1500张现场实拍水表图像，单类别表盘目标，同步搭载YOLO检测标注、PP-OCR文本标注两套标签，附带VOC格式转换脚本、训练权重、完整工程代码，适配水务智能化课题研发与落地部署。

2026-08-11 11:22:31 243

原创玉米叶片病害检测数据集 6000张玉米带标注 voc yolo，玉米叶片病害检测数据集

摘要：本文介绍了一个包含6类玉米叶片病害的检测数据集，共6095张图片、10752个标注框，涵盖秋黏虫卵、健康叶片、秋黏虫危害后、灰斑病、锈病和灰叶斑病等类别。数据集提供VOC和YOLO两种标注格式，配套完整的项目结构（包含数据转换工具、训练代码和模型权重）。关键实现包括：1）使用Python脚本将VOC格式转换为YOLO格式；2）基于PyTorch构建自定义数据集加载器；3）提供YOLOv8模型的训练和预测流程。该项目适用于农业病害检测研究，只需安装基础依赖即可快速部署，为精准农业中的病害识别提供标准化

2026-08-03 11:20:52 216

原创瓦林根航拍图像建筑物实例分割数据集

瓦林根航拍图像建筑物实例分割数据集(已转为标准coco格式)城市:德国瓦林根规模:714张图像，2939栋建筑物地面分辨率:9cm用途:mask rcnn等网络的训练与测试使用YOLOv8进行实例分割训练的详细步骤。假设你的数据集已经转换为COCO格式，并且包含图像和标注文件。

2026-08-03 10:10:34 172

原创自动驾驶科研数据集｜3404张极端天气道路目标检测数据集｜VOC&YOLO双标注 + YOLOv8全套训练方案+PyQt5可视化界面，3404张极端天气道路目标检测数据集

面向自动驾驶、恶劣天气路况感知、交通目标检测方向课题研发，这套极端天气道路数据集极具科研价值。数据集总计3404张雨雪雾等恶劣场景道路实拍图像，共6大类道路通行目标，总标注数量20884个；同时提供VOC(xml)、YOLO(txt)两种标注格式，适配一阶段、两阶段各类检测算法。配套完整环境部署教程、YOLOv8训练脚本、训练指标可视化代码、PyQt5图像检测GUI程序，可快速搭建一套极端天气道路目标检测完整系统，适合毕业设计、自动驾驶感知算法开发。

2026-07-24 23:59:46 170

原创轮胎X光缺陷数据集四类常见轮胎X光图缺陷，# 工业质检优选｜轮胎X光缺陷检测数据集｜VOC+YOLO双标注+4套实用脚本+YOLOv8完整训练教程

轮胎X光缺陷数据集摘要该数据集包含1903张轮胎X光图像，涵盖裂纹(crack)、气泡(blister)、穿刺(puncture)、脱层(separation)四类典型缺陷，提供VOC(xml)和YOLO(txt)双格式标注，可直接用于目标检测模型训练。配套4个实用脚本：标注格式转换、可视化、数据增强和推理工具，适配YOLO等主流框架。数据集专为工业无损检测场景设计，适用于轮胎质检算法开发、学术研究及毕业设计，引用时需注明来源。通过标准化目录结构和配置文件，用户可快速开展模型训练与评估。

2026-07-24 17:43:33 277

原创 YOLOv8 训练工程车航拍数据集，1260 张航拍工程车数据集

本文详细介绍了使用YOLOv8训练工程车航拍数据集的完整流程。数据集包含1260张YOLO/VOC格式标注的航拍图片，采用标准目录结构组织。主要内容包括：数据准备：创建YAML配置文件定义数据集路径和类别模型训练：加载预训练YOLOv8模型，配置训练参数（100轮次、640x640分辨率、16批量大小）评估与保存：使用验证集评估模型性能并保存训练结果数据增强：

2026-07-23 16:58:42 222

原创【无标题】

本文详细介绍了使用YOLOv8训练电池缺陷检测模型的完整流程。数据集包含3类缺陷（脏污、凹陷、划痕），已按YOLO格式划分训练集/验证集。通过配置YAML文件、加载预训练yolov8s模型，设置100轮训练（batch=16，图像尺寸640×640），最终模型mAP0.5达到95.3%。文章涵盖数据准备、依赖安装、训练参数配置、模型评估与保存的完整代码，并提供了数据集引用格式和训练注意事项，为工业缺陷检测任务提供了一套可复现的解决方案。

2026-07-23 16:55:02 201

原创滚动轴承数据集故障诊断，预测、分类最全套数据集

摘要本文介绍了基于四套滚动轴承数据集（CWRU西储大学、XJTU西安交通大学、江南大学和东南大学）的故障诊断方法。通过Python和机器学习工具（如scikit-learn），详细展示了从数据准备、特征提取（时域和频域特征）、数据预处理（标准化和标签编码）到模型训练（随机森林分类器）的完整流程。实验包括对各数据集的单独评估和综合对比，最终输出分类报告和准确率。该方法适用于轴承故障的预测与分类，并支持不同数据集间的性能对比分析。（150字）

2026-07-23 15:10:53 36

原创基于深度学习的猫狗动物识别系统，CNN，tensorflow，卷积神经网络

本文介绍了基于深度学习的猫狗识别系统开发，使用卷积神经网络（CNN）和TensorFlow框架。主要内容包括：1）环境配置，安装TensorFlow、PyQt5等依赖包；2）数据准备，建议使用Kaggle猫狗数据集并按标准目录结构组织；3）模型训练，详细说明了CNN网络结构、数据增强方法和训练过程；4）用户界面开发，通过PyQt5实现图片选择和分类结果显示功能。该系统可实现对输入图片的猫狗分类，准确率取决于训练数据和模型参数。代码示例完整，涵盖从数据处理到界面集成的全流程。

2026-07-22 15:39:29 208

原创 YOLOv8森林火灾检测系统完整搭建教程！火焰烟雾数据集训练+带预警GUI源码分享

摘要： YOLOv8森林火灾检测系统采用YOLOv8+PyQt5技术栈，集成火焰/烟雾数据集训练、多源火情推理（图片/视频/摄像头）、检测框标注与Excel数据导出功能，适配山林、室内等复杂场景。系统支持GPU加速与CPU运行，提供可视化交互界面，覆盖火情检测全流程，适用于森林防火、应急管理及计算机视觉毕设。核心优势包括双目标同步识别（火焰与烟雾）、轻量化模型适配、完整实验数据留存及二次开发潜力。配套开源数据集与训练代码，助力学术研究与实际应用。（150字）关键词： YOLOv8、森林火灾检测、PyQt5

2026-07-21 17:46:50 155

原创 97-融合正余弦和柯西变异的麻雀搜索算法

本文提出了一种融合正余弦和柯西变异的改进麻雀搜索算法（SCSSA），用于优化CNN-BiLSTM时间序列预测模型。通过MATLAB实验平台比较了PSO、GWO、SSA和SCSSA等算法的性能，展示了三维测试函数曲面和收敛曲线。结果表明，改进后的SCSSA算法在寻优能力和收敛速度上表现更优。文中给出了算法实现的伪代码框架，包括SCSSA优化过程、CNN-BiLSTM模型构建和目标函数设计等关键环节，为时间序列预测提供了一种新的优化方法。

2026-07-20 11:38:53 195

原创如何实现基于MATLAB的轴承故障检测系统

本文介绍了基于MATLAB的轴承故障检测系统实现方法。系统通过分析轴承振动信号来诊断故障类型（内圈、外圈、滚珠等），采用小波变换处理非平稳信号，并设计了GUI界面实现信号加载、分解和可视化功能。核心MATLAB代码展示了信号加载、小波分解（5层db4小波）及系数重构过程。该系统能有效提高设备可靠性、降低维护成本并保障生产安全，为轴承状态监测提供了实用解决方案。

2026-07-20 11:37:43 166

原创于MATLAB的图像去噪系统——，用于对图像进行去噪处理

使用YOLOv8训练无人机红外可见光行人检测模型摘要本文介绍了如何使用YOLOv8深度学习目标检测算法训练无人机红外可见光行人检测模型。数据集包含15,400张标注图像（JPG+XML格式），仅包含"person"类别。文章详细说明了从数据准备到模型训练、评估及构建GUI应用的完整流程：安装依赖库（Ultralytics、OpenCV等）数据集预处理（XML转YOLO格式）配置YOLOv8训练参数模型训练与评估代码实现 PyQt5 GUI应用开发（支持图片/视频/摄像头检测）

2026-07-19 12:25:50 177

原创 YOLOv8 + 疲劳驾驶检测与预警,yolov8经典疲劳驾驶检测项目，能够检测出图片或者视频里的人是否疲劳,疲劳驾驶检测系统

本项目基于YOLOv8实现了一套完整的疲劳驾驶检测系统，包含数据集、模型训练脚本和实时检测功能。系统能够识别图片或视频中驾驶员的疲劳状态（闭眼、打哈欠等特征），并通过视觉提示（红色警示框和文字）及时预警。项目提供完整的开发资源，包括标注好的疲劳/清醒状态数据集、YOLOv8模型训练代码、实时摄像头检测脚本、演示视频及技术文档。采用Python+OpenCV实现，支持本地视频文件或摄像头实时输入，检测到疲劳状态时会触发"FATIGUE DETECTED!"警报，准确率达90%以上

2026-07-17 23:35:21 244

原创如何利用深度学习框架在智能物流包裹快递中_自动学习训练快递包裹纸箱数据集构建基于深度学习卷积神经网络的Yolov8的物流快递包裹快速识别

本文介绍了利用YOLOv8深度学习框架构建智能物流快递包裹识别系统的完整流程。首先需准备标注好的快递纸箱数据集（YOLO格式），包含2664张图片并划分为训练集、验证集和测试集。数据准备后，通过Python代码实现自动数据划分。接着搭建PyTorch环境并配置YOLOv8模型，使用data.yaml文件定义数据集路径和类别。模型训练阶段详细说明了超参数设置方法，包括学习率、批量大小等。最后展示了单图和批量推理的实现方式，以及模型性能评估指标（如mAP50）的计算和PR曲线绘制方法，

2026-07-16 17:26:04 584

原创如何利用风电和光伏发电预测数据集进行数据分析和建模风电和光伏发电预测数据集，电网官方数据的应用风电和光伏发电预测数据集处理

本文介绍了如何利用2019-2021年风电和光伏发电预测数据集（42万条15分钟间隔数据）进行分析建模的全流程。首先通过Pandas加载数据并检查缺失值，采用前向填充处理；然后进行特征工程，提取时间特征并创建滞后特征；接着划分训练集和测试集；使用随机森林回归模型进行训练和预测，评估模型性能；最后通过可视化对比预测值与实际值。整个过程涵盖数据预处理、特征工程、模型训练与评估等关键步骤，为电力负荷预测提供了完整解决方案。（149字）

2026-07-16 17:23:25 201

原创 PLC缺陷检测数据集，YOLOv8 PLC缺陷检测

本文介绍了如何利用YOLOv8构建太阳能电池片缺陷检测系统。数据集包含2400张标注图片，分为1920张训练集和480张验证集，涵盖划痕、断栅、脏污三种缺陷类型。文章详细说明了环境搭建、数据集配置（创建YAML文件）、模型训练（使用预训练权重）、评估和推理的全流程，并建议通过数据增强和超参数调优来提升小数据集的模型性能。最后提到模型训练完成后可部署到实际应用中。整个过程提供了完整的代码示例，帮助快速搭建缺陷检测系统。

2026-07-16 16:00:17 196

原创风电光伏数据 99-201综合能源数据微电网数据电负荷热负荷冷负荷气负荷数据全年热负荷，冷负荷，光负荷，风负荷，小时级

综合能源数据应用指南摘要本文介绍了如何应用1999-2019年的综合能源数据(包括微电网的电、热、冷、气负荷及全年光/风负荷的小时级数据)进行分析与建模。主要内容包括：数据预处理：处理缺失值并添加时间特征可视化分析：绘制时间序列和相关矩阵时间序列预测：使用Prophet模型预测电力负荷负荷均衡优化：通过线性规划实现能源分配优化项目提供完整的代码框架和示例，涵盖从数据加载到高级分析的全流程，适用于能源管理系统开发、可再生能源整合和微电网优化等应用场景。

2026-07-16 15:58:23 43

原创如何开发一个能够读取侧扫声呐（Side-Scan Sonar）原始数据文件（如XTF和DVS格式）的系统软件

本文介绍了如何开发一个能够读取侧扫声呐（Side-Scan Sonar）原始数据文件（如XTF和DVS格式）的系统软件。该系统主要功能包括：1）读取并显示图像，支持拖放XTF或DVS文件；2）测量图像中物体的尺寸；3）播放连续的图像序列以模拟移动效果。开发采用Python语言，利用PyQt5进行GUI开发，numpy处理数据，matplotlib显示图像。文章详细说明了环境准备、数据读取与解析、GUI设计与实现、测量工具和播放移动图像等功能的具体实现步骤，并提供了示例代码。

2026-07-16 15:55:33 181

原创 TCN+transformer+通道注意力机制时间序列预测

本文提出了一种创新的TCN+DCA+Transformer混合模型用于时间序列预测。该模型结合了时序卷积网络(TCN)的时间建模能力、通道注意力机制(DCA)的特征选择优势以及Transformer的长序列处理能力，在ETTh等开源数据集上表现出色。模型支持多变量输入、多步预测，提供R方、RMSE等评估指标。配套代码基于PyTorch实现，经过优化和详细注释，包含完整数据集，可直接运行。适用于风电光伏预测、负荷预测、流量预测等多种时间序列预测场景，具有较高的学术价值和实用价值。

2026-07-16 15:53:58 177

原创如何建立基于Spring Boot和Vue的工资信息管理系统实现基于Spring Boot和Vue的工资信息管理系统的设计与实现

本文介绍了基于Spring Boot和Vue的工资信息管理系统的设计与实现方案。系统采用前后端分离架构，前端使用Vue+ElementUI，后端采用Spring Boot+MyBatis-Plus，数据库使用MySQL。文章详细说明了开发环境搭建、数据库设计、后端API开发（包括实体类、Mapper接口和Controller）、前端页面构建等关键技术实现步骤，并提供了代码示例。该系统功能全面，涵盖员工管理、考勤记录、绩效评估等模块，具有技术先进、易于维护扩展的特点。

2026-07-15 17:40:50 208

原创车辆识别数据集，监控道路车辆识别数据集

摘要：该文介绍了基于YOLOv8的监控道路车辆识别数据集及训练方法。数据集包含20,500张图像，标注为4类（car、van、bus、others），采用YOLO格式标注。文章详细说明了数据集目录结构、标注格式（TXT文件含类别ID及归一化坐标），并提供了data.yaml配置文件示例。训练脚本支持加载预训练模型继续优化（如200轮后追加训练），预测脚本可实现车辆检测与可视化。关键步骤包括数据路径配置、训练参数设置（批次大小、图像尺寸、数据增强）及模型保存。

2026-07-13 11:54:37 441

原创【无标题】

本文介绍了一个基于YOLOv8深度学习算法的森林火焰烟雾检测系统，包含UI界面设计和3000+已标注数据集。系统采用PyQt5开发简洁交互界面，支持图片/视频文件检测和实时摄像头检测。关键技术包括：1）使用YOLOv8训练高精度检测模型；2）通过OpenCV实现实时视频流处理；3）设计模块化UI支持模型替换功能。项目提供完整Python实现代码和数据集，可用于森林防火监控场景，具有检测准确率高(90%+)、响应速度快(30FPS)等特点，用户可自定义训练模型适配不同检测需求。

2026-07-10 16:58:50 219

原创交通视觉科研专用！TT100K交通标志数据集｜筛选42大类、YOLO格式开箱即用

TT100K交通标志数据集精选版发布，专为自动驾驶和交通标志识别研究优化。原数据集200+类别经筛选保留42个样本量超100的均衡类别，解决类别失衡问题。数据已转换为YOLO标准格式，包含6598张训练集、1889张验证集和970张测试集，开箱即用。该数据集适用于YOLO系列模型训练、自动驾驶算法开发及学术研究，具有真实道路场景、多类型标志覆盖等特点，是智能交通和计算机视觉研究的理想素材。

2026-07-10 16:50:26 180

原创基于YOLOv5的疲劳驾驶检测系统，疲劳驾驶数据集

本文介绍了一个基于YOLOv5的疲劳驾驶检测系统。系统使用Python 3.8环境，依赖PyTorch、TensorFlow和PyQt5等库，能够通过深度学习技术实时检测驾驶员闭眼、打哈欠等疲劳行为。系统提供三种检测模式：图片识别、视频分析和摄像头实时检测。项目包含完整的程序文件、UI界面源文件、测试数据及预训练模型参数。核心技术流程包括环境配置、数据集准备、YOLOv5模型加载、疲劳行为识别逻辑实现和PyQt5界面开发。系统具有检测速度快、识别精度高的特点，可为驾驶安全监控提供有效解决方案。

2026-07-09 11:40:24 442

原创如何构建一个基于CNN+BiLSTM+Attention模型来处理滚动轴承的故障诊断和寿命预测问题结合CNN（卷积神经网络）、BiLSTM（双向长短期记忆网络）以及注意力机制Attention

本文介绍了一个基于ResNet的草莓成熟度分类系统。数据集包含低、中、高三种成熟度的草莓图像各1000多张，以9:1比例划分为训练集和验证集。系统使用PyTorch 1.10.0实现，主要包括两个程序：train.py用于训练ResNet50模型（修改全连接层输出为3类），predict.py用于加载训练好的模型进行预测。训练过程采用交叉熵损失和Adam优化器，包含50个epoch的训练和验证。最终模型权重保存为resnet_strawberry.pth，可用于后续的草莓成熟度分类任务。

2026-07-09 10:56:23 42

原创如何构建一个基于CNN+BiLSTM+Attention模型来处理滚动轴承的故障诊断和寿命预测问题结合CNN（卷积神经网络）、BiLSTM（双向长短期记忆网络）以及注意力机制Attention

如何构建一个基于CNN+BiLSTM+Attention模型来处理滚动轴承的故障诊断和寿命预测问题结合CNN（卷积神经网络）、BiLSTM（双向长短期记忆网络）以及注意力机制Attention。

2026-07-08 16:56:49 247

原创于cnn+bilstm+att做的轴承寿命预测，包含数据处理，模型构建，数据集

PHM轴承寿命预测系统（CNN+BiLSTM+Attention）本文介绍了一个基于深度学习的轴承寿命预测系统，采用CNN+BiLSTM+Attention混合模型架构。系统包含完整的数据处理流程、模型构建和训练方法。核心实现步骤：数据预处理：使用标准化方法处理传感器数据，并分割训练集/验证集混合模型架构： CNN层提取局部特征 BiLSTM层捕获时序依赖 Attention机制聚焦关键特征模型训练：采用PyTorch框架实现端到端训练关键代码结构：

2026-07-08 16:52:27 221

原创 AI巡查无人机系统——助力执法部门精准打击非法种植，YOLOv8罂粟识别数据

模块详细内容系统名称专业级AI禁毒巡查无人机系统核心功能AI智能识别非法种植（以罂粟为主），科技赋能公共安全执法目标用户公安禁毒部门、林业局、生态保护区管理机构、应急管理部门配套数据集说明：罂粟标注数据集共3160张图片，标准YOLO标注格式，已提前划分训练/验证/测试集，可直接用于模型训练；样本覆盖罂粟花期、果期、苗期多种生长状态，包含山林遮挡、强光阴影、杂草混杂等野外复杂场景。优势维度具体体现✅ 高精度识别整体识别准确率＞95%，误报率低，大幅减少人工复核工作量✅ 高效巡查。

2026-07-08 08:44:14 217

原创 Udacity/交通识别数据集，图片数量15000，交通识别数据集

本文介绍了基于YOLOv8的Udacity交通识别数据集训练方法。该数据集包含15,000张图像，提供XML和YOLO格式标注，涵盖10类交通目标（如车辆、行人、交通灯等）。文章详细说明了数据集目录结构、YOLO标注格式要求，并提供了VOC转YOLO格式的Python脚本。最后给出了YOLOv8训练脚本示例，包含数据配置、模型参数设置等关键步骤，支持通过修改yaml文件调整检测类别。该方案可直接应用于智能交通系统中的目标检测任务。

2026-07-06 10:29:32 374

原创构建一个基于YOLOv8的打架检测系统，包括环境设置、数据准备、模型训练、评估和推理部署。Yolov8训练打架斗殴数据集

构建一个基于YOLOv8的打架检测系统，包括环境设置、数据准备、模型训练、评估和推理部署。Yolov8训练打架斗殴数据集。

2026-07-05 16:41:38 226

原创基于YOLOv8➕pyqt5的pcb缺陷检测系统pcb缺陷数据集

摘要：本文介绍了一个基于YOLOv8和PyQt5的PCB缺陷检测系统。系统支持用户使用自定义训练模型进行目标检测，实现缺陷类型的灵活适配。通过YOLOv8训练流程（包括数据集YOLO格式配置、模型训练脚本），结合PyQt5开发的交互界面，用户可加载图片、切换模型并实时可视化检测结果（如缺陷位置及置信度）。界面提供模型加载、图片检测等功能，适用于不同场景的PCB质量检测需求，具备较强的可扩展性和实用性。

2026-07-05 16:36:55 228

原创如何构建基于Yolov8Dota数据集的检测系统

本文介绍了如何基于Yolov8构建Dota无人机小目标检测系统。数据集包含15个类别（如飞机、轮船、篮球场等），共21046张图像（训练集15749张，验证集5297张），已转换为YOLO格式。文章详细说明了数据集结构、环境部署、模型训练流程，并提供了训练脚本和指标可视化代码。通过PyQt5设计GUI界面，可展示训练过程中的F1曲线、准确率、召回率、损失曲线和混淆矩阵等关键指标，帮助评估模型性能。该系统可直接用于无人机场景的小目标检测任务。

2026-07-02 12:00:09 170

空空如也

空空如也