- 博客(21)
- 收藏
- 关注
RSS订阅原创 [特殊字符] YOLO 多模型连续训练时报错与 NaN 问题全解析（附完整解决方案）
问题原因解决方法模型内部状态残留每次训练后del model;损失为 NaN旧状态污染 / 学习率太高 / 标签异常清理显存 + 调整超参多模型实验环境混乱同一进程反复初始化不同结构使用多进程或单独脚本在深度学习实验中，显存与模型状态的管理是非常容易忽略的问题。当我们在一个脚本中连续训练多个 YOLO 模型时，务必记得手动清理缓存或使用多进程隔离。通过本文介绍的方法，相信你可以让多模型实验更加稳定、高效。🚀。
2025-10-24 16:32:22
274
原创 从AAAI2025中挑选出对目标检测有帮助的文献——第六期
用于眼底图像的显著性图-图网络（显著区域建模 + 图注意机制）类别提示 Mamba 网络，用于细胞核分割与分类。点云 Mamba 网络，通过状态空间模型学习点云。混合 Mamba-GCN 网络。扩散式多模态显著目标检测框架。
2025-10-13 15:26:11
842
原创 从AAAI2025中挑选出对目标检测有帮助的文献——第五期
🔧 可作为 backbone 替换方案研究，Mamba 结构在 YOLO 场景中正成为新趋势（低计算 + 强建模能力）。🔧 可借鉴其扩散思路构造“多尺度特征增强模块”，用于 backbone 的 P3/P4 层特征细化。这些论文虽非检测任务，但其结构思想可为下采样或特征融合提供灵感。这些论文中有明确的结构或机制创新，可迁移到乳腺癌检测场景中。👉 用于 LiDAR 异常值检测，提出逐点惩罚机制；👉 提出伪深度扩散模型，强调特征的深度一致性；👉 Mamba 系列论文之一，强调域泛化；
2025-10-13 15:26:00
822
原创 从AAAI2025中挑选出对目标检测有帮助的文献——第四期
乳腺影像背景复杂、光照差异大，可引入“鲁棒通道增强块 (RFE Block)”在 backbone 中，对特征进行噪声约束或自适应平滑。：在你的 backbone 中可构建 “多层对齐注意力”（HAA），在浅层与深层特征间做特征对齐与融合，用以提升检测头前的上下文一致性。可类比于在2D backbone中引入跨层依赖建模机制（类似 ConvNext 或 Mamba 思想），：可借鉴“多粒度特征聚合”思想，用动态卷积或门控方式改造下采样路径，让每次下采样保留细粒度特征。👉 尽管是3D任务，但其提出的。
2025-10-13 15:25:48
477
原创 从AAAI2025中挑选出对目标检测有帮助的文献——第三期
SdalsNet 提供局部注意力偏移 + 自蒸馏机制；这种结构轻量、逻辑连贯，非常适合医学影像检测。HS-FPN 提供全局高频空间特征融合；
2025-10-13 15:25:27
554
原创 从AAAI2025中挑选出对目标检测有帮助的文献——第一期
本文精选了多篇与医学图像分析和目标检测相关的论文，为优化YOLOv12在乳腺影像检测任务提供参考。重点推荐5篇高相关论文：U-KAN网络引入KAN理念构建强大backbone；ConDSeg通过对比度驱动增强特征；KDAT提升检测模型鲁棒性；FD2-Net利用频率分解优化特征融合；RemDet提供高效检测架构设计。中等相关论文涉及特征对齐、扩散增强和域自适应等技术。推荐按backbone创新、特征增强、检测架构、频域融合和鲁棒性提升的顺序阅读这些论文，可显著提升乳腺病灶检测性能。
2025-10-11 21:43:29
624
原创 手把手教你如何替换YOLO模型的检测头！
在目标检测任务中，YOLO系列模型因其高效和准确而广受欢迎。然而，在实际应用中，我们常常需要根据特定需求定制化检测头，例如更换为更先进的注意力机制、适应不同的输出尺度或优化特定类别的检测性能。手动替换检测头往往涉及复杂的代码修改和结构调整，过程繁琐且容易出错。本文将为你提供一个即插即用的通用方案，手把手教你如何快速、安全地替换YOLO模型的检测头。无论你是希望集成最新论文中的模块，还是优化现有模型的某些功能，本文的步骤都将帮助你轻松实现目标。无需深入底层代码细节，只需按照指南操作，即可完成检
2025-09-15 11:31:24
425
原创 如何在本地部署DeepSeek模型：从零开始的全流程指南
下载完成之后，在对话框右下角选择你需要的模型，然后发送随意一个内容，比如你好，模型就会开始下载。下载完成之后就可以开始使用了！PS:模型默认下载到c盘，可以在设置进行更改，同时要更改环境配置，不然会找不到地址。PS:模型要根据自己电脑显存来选择，出错了说明配置不够，选小一点的。选择一个系统进行下载。
2025-09-11 09:41:49
137
原创 召回率过低，准确率过高是什么原因导致的？
原因核心问题解决方案决策阈值过高模型过于保守，不敢预测正类降低分类阈值（例如从0.5降到0.3）。这是最直接有效的调整方法。类别不平衡模型倾向于预测多数类1. 重采样：过采样正类（如SMOTE）或欠采样负类。2. 使用代价敏感学习：调整算法，让误判正样本（假阴性）的“代价”更高。3. 选择更适合的评估指标：关注F1-Score、AUC-PR。模型/特征问题模型能力不足，无法识别正类1. 特征工程。
2025-09-10 16:43:27
460
原创 YOLOv12 改进策略【损失函数篇】| 激活函数替换与 Focaler-IoU 实战
在目标检测中，对模型的性能有着至关重要的影响。YOLOv12 默认采用作为激活函数，并结合 IoU 系列作为边界框回归的优化目标。虽然 Silu 在非线性建模方面表现不错，但在复杂数据场景下仍存在与的问题。
2025-09-09 09:24:58
1028
原创 扩充C盘教程，不用下载任何三方软件
摘要：本文介绍了安全扩展C盘的详细方法。首先强调必须备份D盘数据，通过磁盘管理工具删除D盘后扩展C盘。若C盘与D盘之间存在恢复分区，需先删除并重建：1)以管理员身份运行cmd禁用恢复分区；2)使用diskpart工具删除原分区并创建新恢复分区；3)配置恢复镜像并启用WindowsRE。文章提供了完整命令行操作步骤和注意事项，特别提醒不备份数据直接操作可能导致数据丢失。
2025-07-08 16:33:57
1491
原创 YOLOv13安装及运行，手把手带全程！
12.在运行程序之前，先打开requirements.txt，如果有缺少的依赖或者版本存在问题的就按照pycharm的指示进行安装或更新。值得注意的是我是没有加载预训练模型的！5.下载flash_attn包的whl文件，将其放在yolov13-main文件夹内。进入yolov13-main目录，我的文件在d盘，所以先切换根目录。9.数据集设计就是常规的yolo数据集，目录结构如下。7.安装requirements.txt文件的环境。6.安装flash_attn包的whl文件。3.安装完成后激活环境。
2025-07-01 09:58:42
904
原创 NeurIPS 2024 中与mamba相关的文献分享
NeurIPS（Conference on Neural Information Processing Systems，神经信息处理系统会议）是人工智能和机器学习领域的顶级会议之一。NeurIPS 2024 于 2024年12月10日至15日 在 加拿大温哥华 举行。在这里博主汇总了这次会议中于mamba相关的所有研究，以供相关方向的同学学习。BarcodeMamba: State Space Models for Biodiversity AnalysisBarcodeMamba：生物
2024-12-27 20:45:53
2075
原创 ECCV 2024 中与mamba相关的文献分享
Famba-V: Fast Vision Mamba with Cross-Layer Token Fusion （ECCV 2024最佳论文奖)Famba-V：具有跨层令牌融合的快速视觉 Mamba
2024-12-27 20:04:30
1087
原创 AAAI 2025 中最新的关于Mamba的研究
SparX：分层视觉 Mamba 和 Transformer 网络的稀疏跨层连接机制PoseMamba：具有双向全局-局部时空状态空间模型的单目 3D 人体姿势估计
2024-12-27 19:38:39
2531
原创 yolov8结合vmamba，目标检测涨点起飞！
训练结果,mAP 指标达到了0.724，在没有任何调整的情况下直接跑出来这个结果，还是挺不错的：
2024-12-23 14:13:40
1346
2
原创 VMamba模型复现（linux+Anaconda+vscode）
VMamba模型代码地址：MzeroMiko/VMamba: VMamba: Visual State Space Models，code is based on mamba默认前提是，你已经配置好了linux+Anaconda环境，我只介绍怎样配置用于VMamba模型的虚拟环境以及vscode链接测试模型。
2024-12-19 14:52:06
3714
2
使用vim做目标检测
2025-01-14
TA创建的收藏夹 TA关注的收藏夹
TA关注的人