dally2的博客

关键修改点包括：调整 ONNX 模型结构、处理动态输入、修复不支持的算子、集成后处理插件。根据具体错误信息调整转换参数或模型结构。文件导出为 TensorRT 的。使用 TensorRT 的。将 YOLO 系列模型的。

无人车与无人机协同侦察并实现避障的系统，是一种典型的空地协同异构机器人协作场景。其核心是通过无人机的高空视角获取环境点云信息，并结合无人车的局部感知能力实现全局-局部协同导航。该系统的核心创新点在于通过异构感知互补（无人机全局视野+无人车局部细节）突破单平台感知极限，未来可扩展至城市自动驾驶车-机协同网络。

无人协同攻击侦察是现代军事技术的重要发展方向，其核心在于通过无人系统（如无人机、无人车、无人船等）的智能化协作，实现从情报获取到精准打击的高效闭环。

如需具体算法实现代码或更详细的技术对比，可参考开源项目（如Cartographer、ORB-SLAM3）及相关论文。

介绍：Google的核心算法，通过网页链接关系评估页面重要性。实现PRA1−dd∑i1nPRTiCTiPRA1−ddi1∑n​CTi​PRTi​​其中，PRAPR(A)PRA是页面A的PageRank值，TiT_iTi​是链接到A的页面，CTiC(T_i)CTi​是TiT_iTi​的出链数，ddd是阻尼系数。

IoU变体对比：WIOU、SIOU、EIOU、GIOU、CIOU

YOLOv12新鲜出炉，更高效、更精准！

深度学习在图像配准中的应用与挑战

Flask vs Gradio：轻量级Web框架与AI交互神器的完美对比！

【YOLOv8配置文件理解】

红外小目标检测

YOLOv9: Learning What You Want to Learn Using Programmable Gradient Information

YOLOv8模型网络结构图理解

Yolov7 红外小目标检测

无人机目标检测

研究用于视障人士户外障碍物检测的 YOLO 模型

论文题目： Iterative Scale-Up ExpansionIoU and Deep Features Association for Multi-Object Tracking in Sports论文特点： 作者提出了一种迭代扩展的 ExpansionIoU 和深度特征关联方法Deep-EIoU，用于体育场景中的多目标跟踪，旨在解决非线性、不规则运动、相似外观的在线短时多目标跟踪问题，实验表明，提出的方法对于提高跟踪鲁棒性是有效的，缺点就是该方法目前仅适用于短时跟踪，可能无法解决目标短暂消失入镜

作者提出了一种迭代扩展的 ExpansionIoU 和深度特征关联方法Deep-EIoU，用于体育场景中的多目标跟踪，旨在解决非线性、不规则运动、相似外观的在线短时多目标跟踪问题，实验表明，提出的方法对于提高跟踪鲁棒性是有效的，缺点就是该方法目前仅适用于短时跟踪，可能无法解决目标短暂消失入镜重识别问题，实时性较差。

深度学习基础知识

利用Yolov8实现多个检测模型融合

Win10安装tensorrt和torch2trt

python处理数据集

pytracking目标跟踪程序运行方式。

五种参数优化器1 SGD（不含momentum的梯度下降算法）2 SGDM（含momentum的梯度下降算法，在SGD基础上增加一阶动量）3 Adagrad（在SGD基础上增加二阶动量）4 RMSProp（在SGD基础上增加二阶动量）5 Adam（同时结合SGDM一阶动量和RMSProp二阶动量）

准备数据集读入数据->随机打乱数据顺序->匹配x,y并打包成一小撮->设置相同的数据类型->设置输入参数w,b->设置超参数训练整体来说，需要确定训练数据集迭代的次数，并明确对于整个训练数据集而言，是分成了一小撮一小撮进行执行的，因此，需要有两个循环；考虑到训练数据集的最终目的是为了优化参数w,b，且tensorflow2.0版本已经给出了自动求导的方法，可以在tf.GradientTape() 中执行，通过原有的线性模型和激活函数得到预测值y，与真实值y_进行对比，得.