5分钟搞定深度学习标注:Labelme、LabelImg、EISeg保姆级安装配置指南

conda安装labelimg图文教程(详细步骤) LabelImg 是一个图像标注工具,主要用于生成用于训练机器学习和计算机视觉模型的标签数据,特别是对于物体检测任务。它是一个开源项目,广泛应用于标注图像中的物体位置,并将这些标注存储为标准格式(如 Pascal VOC 或 YOLO 格式)。 阅读详情

深度学习数据标注实战:从零搭建Labelme、LabelImg与EISeg的高效工作流

最近在带几个实习生做计算机视觉项目,发现他们花在数据标注上的时间,往往比模型训练和调参还要多。不是工具装不上,就是格式转换出错,要么就是标注效率太低,反复折腾。这让我想起自己刚入门时踩过的那些坑——其实只要把标注环境搭建好,后续的工作会顺畅得多。

数据标注是深度学习项目里最基础、也最容易被低估的环节。一张图片标注得好不好,直接影响模型学习的上限。对于刚接触这个领域的新手来说,面对Labelme、LabelImg、EISeg这些工具,可能会感到无从下手。网上的教程要么过于简略,要么环境依赖复杂,跟着做总是报错。

这篇文章,我就结合自己这几年在多个实际项目中的标注经验,为你梳理一套开箱即用、避坑指南式的标注环境搭建方案。我们不只讲安装命令,更会深入每个工具的特点、适用场景,以及如何根据你的项目需求选择合适的工具链。无论你是要处理目标检测、实例分割还是简单的图像分类任务,这套流程都能帮你快速上手,把时间真正花在模型迭代上,而不是和环境配置较劲。

1. 标注工具全景图:如何根据任务选择你的“武器”

在开始安装之前,我们需要先搞清楚每个工具的核心定位。不同的标注工具擅长不同的任务,选对了工具,效率能提升好几倍。

LabelImg 是最经典的目标检测标注工具,它只支持矩形框标注,输出格式包括PASCAL VOC XML、YOLO txt和CreateML JSON。它的界面非常简洁,学习成本几乎为零。如果你做的是车辆检测、人脸识别这类标准的矩形框检测任务,LabelImg是首选。它的局限性也很明显:无法处理不规则形状的物体,比如医学图像中的病灶区域、遥感图像中的建筑物轮廓。

Labelme 由麻省理工学院计算机科学与人工智能实验室(MIT CSAIL)开发,它最大的优势是支持多边形标注,非常适合实例分割和语义分割任务。你可以用鼠标精确勾勒出物体的每一个边缘,生成精细的掩膜。Labelme默认输出JSON格式,这个格式包含了多边形的所有顶点坐标,信息非常丰富。不过,很多训练框架(如YOLO、MMDetection)需要特定的格式,因此通常需要额外的转换脚本。

EISeg 是百度飞桨团队推出的交互式智能分割标注工具。它最大的亮点是引入了AI辅助标注。你只需要在物体内部点一下,再在外部点一下,模型就能自动预测出完整的分割掩膜,大大减少了手动勾勒多边形的工作量。EISeg内置了通用、人像、遥感、医疗等多个预训练模型,对于专业领域的标注尤其高效。它支持导出COCO JSON和PaddleSeg格式。

为了更直观地对比,我整理了这三个工具的核心特性:

特性维度LabelImgLabelmeEISeg
主要标注类型矩形框多边形、矩形框交互式分割(多边形)
核心优势简单、快速、稳定标注精度高、灵活AI辅助、效率极高
典型输出格式XML (VOC), TXT (YOLO)JSONJSON (COCO), PaddleSeg格式
最适合任务目标检测实例/语义分割复杂形状分割、大批量标注
学习曲线极低中等中等(需理解交互逻辑)
环境依赖复杂度低中等较高(需安装PaddlePaddle)

提示:对于全新的项目,我建议你先用少量图片(20-30张)在三个工具上都试一下。感受一下各自的标注速度、操作手感,再决定主力使用哪个。很多时候,工具的选择也和个人习惯有关。

在实际项目中,我经常混合使用这些工具。例如,先用LabelImg快速拉出所有物体的矩形框,完成初筛和分类;对于其中需要精细分割的类别,再导入Labelme或EISeg进行多边形标注。这种流水线作业能兼顾速度和精度。

2. 避坑安装指南:一次性搞定所有依赖

安装环节是新手最容易卡住的地方。网上很多教程的安装命令已经过时,或者忽略了系统环境的差异。下面我提供的步骤,在Windows 10/11和Ubuntu 20.04/22.04上都亲自验证过,尽可能绕开了常见的依赖冲突。

2.1 基础Python环境搭建

强烈建议使用Anaconda或Miniconda来管理Python环境。这能完美解决不同项目间包版本冲突的问题。如果你已经安装了Python,可以跳过这一步。

# 以Miniconda为例,下载安装脚本(Linux/macOS)
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
bash Miniconda3-latest-Linux-x86_64.sh

# Windows用户可直接从官网下载.exe安装包

安装完成后,创建一个专用于标注工作的虚拟环境:

conda create -n label_env python=3.8 -y
conda activate label_env

这里选择Python 3.8是因为它在深度学习生态中兼容性最好,绝大多数库的稳定版本都支持3.8。

2.2 LabelImg:最稳定的矩形框标注器

LabelImg的安装其实很简单,但很多人卡在PyQt5的安装上。我们使用pip直接安装编译好的轮子(wheel)即可。

# 1. 安装必要的系统依赖(Ubuntu/Debian)
sudo apt-get update
sudo apt-get install -y libxcb-xinerama0 libgl1-mesa-glx

# 2. 安装Python依赖和LabelImg
pip install pyqt5 lxml
pip install labelImg

安装完成后,直接在终端输入 labelImg 命令即可启动。如果提示找不到命令,很可能是你的Python脚本目录没有加入系统PATH。可以尝试用模块方式启动:

python -m labelImg

第一次启动可能会稍慢。界面打开后,你可以通过 Open Dir 打开图片目录,Change Save Dir 设置标签保存目录。快捷键能极大提升效率,务必记住这几个最常用的:

  • W:创建矩形框
  • Ctrl + S:保存当前图片的标注
  • D:下一张图片
  • A:上一张图片
  • Ctrl + Shift + S:更改标注格式(在VOC XML、YOLO、CreateML之间切换)

注意:在保存YOLO格式时,LabelImg需要你预先准备一个 classes.txt 文件,里面按行写入所有类别名称。把这个文件放在标签保存目录下,LabelImg会自动读取。

2.3 Labelme:多边形标注的瑞士军刀

Labelme的安装同样直接,但它对OpenCV的版本有一定要求。建议按照以下顺序安装:

# 1. 安装Labelme及其核心依赖
pip install labelme

# 2. 安装匹配的OpenCV(避免版本冲突)
pip install opencv-python==4.5.5.64
pip install opencv-contrib-python==4.5.5.64

安装后,运行 labelme 命令启动。它的界面比LabelImg稍复杂一些,但功能强大得多。除了多边形工具,还支持矩形、圆形、直线、点等多种标注类型。

Labelme工作流示例:

  1. 点击 Open Dir 加载图片文件夹。
  2. 使用左侧工具栏的 Polygon(多边形)工具,沿着物体边缘依次点击,最后点击第一个点闭合多边形。
  3. 在弹出的对话框中输入类别标签。
  4. 标注完一张图的所有物体后,点击 Save,会生成一个同名的 .json 文件。

这个JSON文件包含了图片路径、图像尺寸以及每个多边形的顶点坐标和类别。它是后续格式转换的基础。

2.4 EISeg:当AI成为你的标注助手

EISeg的安装相对复杂,因为它依赖于百度的PaddlePaddle深度学习框架。但为了其强大的AI辅助能力,这点复杂度是值得的。我们一步步来。

首先,安装PaddlePaddle。根据你是否有GPU,选择不同的版本。有NVIDIA GPU且已安装CUDA的用户强烈建议安装GPU版本,因为EISeg的交互模型推理会快很多。

# 选项A:安装CPU版本(通用,速度较慢)
python -m pip install paddlepaddle -i https://mirror.baidu.com/pypi/simple

# 选项B:安装GPU版本(CUDA 11.2)
python -m pip install paddlepaddle-gpu==2.4.2.post112 -f https://www.paddlepaddle.org.cn/whl/linux/mkl/avx/stable.html

安装完PaddlePaddle后,再安装EISeg:

pip install eiseg

安装完成后,在终端输入 eiseg 启动。第一次启动时,软件会自动下载模型文件,或者提示你手动下载。建议根据你的标注场景选择合适的模型:

  • 通用场景:选择 hrnet18_ocr64_cocolvis,精度和速度平衡。
  • 人像分割:选择 hrnet18_ocr48_human,针对人像优化。
  • 遥感图像:选择 hrnet18_ocr48_rs。
  • 医疗图像:选择 hrnet18_ocr48_medical。

模型下载后,通过界面上的 加载模型 按钮导入。一个常见的报错是OpenMP库冲突(特别是Windows上),如果启动时看到 OMP: Error #15 之类的错误,可以在你的Python脚本或命令行中设置环境变量解决:

# 在启动eiseg前设置
set KMP_DUPLICATE_LIB_OK=TRUE  # Windows
export KMP_DUPLICATE_LIB_OK=TRUE  # Linux/macOS

或者更一劳永逸的方法是,找到EISeg的启动脚本或创建一个批处理文件,预先设置这个变量。

EISeg的使用体验非常直观:在想要分割的物体内部点击一下(正样本点),在物体外部背景处点击一下(负样本点),模型就会实时生成分割结果。你可以通过不断添加正负点来修正预测的掩膜,直到满意为止。

3. 格式转换实战:打通标注到训练的“最后一公里”

工具标注出的原始格式,很少能直接用于训练。这就是格式转换脚本大显身手的地方。很多人在这里放弃,其实只要理解逻辑,转换并不难。

3.1 Labelme JSON 转 YOLO TXT

YOLO格式的标签文件是一个 .txt 文件,每行代表一个物体,格式为:class_id x_center y_center width height。这里的坐标和宽高都是归一化后的值(即除以图片宽度和高度)。

Labelme的JSON里存储的是多边形的绝对坐标点。我们需要做的是:

  1. 将多边形顶点转换为一个最小的外接矩形。
  2. 计算这个矩形的中心点、宽度和高度。
  3. 将其归一化。

下面是一个我修改过的、更健壮的转换脚本:

import json
import os
import numpy as np
from pathlib import Path

def labelme_json_to_yolo_txt(json_path, output_dir, class_list):
    """
    将单个Labelme JSON文件转换为YOLO格式的TXT文件。
    Args:
        json_path: Labelme JSON文件路径
        output_dir: 输出TXT文件目录
        class_list: 类别名称列表,如 ['person', 'car', 'dog']
    """
    with open(json_path, 'r', encoding='utf-8') as f:
        data = json.load(f)

    img_height = data['imageHeight']
    img_width = data['imageWidth']

    txt_lines = []
    for shape in data['shapes']:
        label = shape['label']
        points = np.array(shape['points'])

        # 确保类别在列表中
        if label not in class_list:
            print(f"警告:在{json_path}中发现未知类别 '{label}',已跳过。")
            continue
        class_id = class_list.index(label)

        # 计算多边形的最小外接矩形
        x_coords = points[:, 0]
        y_coords = points[:, 1]
        x_min, x_max = np.min(x_coords), np.max(x_coords)
        y_min, y_max = np.min(y_coords), np.max(y_coords)

        # 计算中心点和宽高,并归一化
        x_center = (x_min + x_max) / 2.0
        y_center = (y_min + y_max) / 2.0
        width = x_max - x_min
        height = y_max - y_min

        x_center_norm = x_center / img_width
        y_center_norm = y_center / img_height
        width_norm = width / img_width
        height_norm = height / img_height

        # 写入一行,保留6位小数
        line = f"{class_id} {x_center_norm:.6f} {y_center_norm:.6f} {width_norm:.6f} {height_norm:.6f}"
        txt_lines.append(line)

    # 写入TXT文件
    json_stem = Path(json_path).stem
    txt_path = os.path.join(output_dir, f"{json_stem}.txt")
    with open(txt_path, 'w') as f:
        f.write('\n'.join(txt_lines))
    print(f"已转换: {json_path} -> {txt_path}")

# 批量转换示例
if __name__ == '__main__':
    json_dir = './labelme_annotations'  # 你的JSON文件夹
    output_dir = './yolo_labels'        # 输出文件夹
    classes = ['cat', 'dog', 'person'] # 你的类别,顺序很重要!

    os.makedirs(output_dir, exist_ok=True)
    for json_file in Path(json_dir).glob('*.json'):
        labelme_json_to_yolo_txt(json_file, output_dir, classes)

这个脚本增加了错误处理(未知类别跳过)、更精确的浮点数格式,并且使用了 pathlib 模块,路径处理更安全。

3.2 Labelme JSON 转 VOC XML

PASCAL VOC格式是另一种常见的XML格式,被很多早期框架使用。转换逻辑类似,但需要构建XML树。使用Python的 xml.etree.ElementTree 可以方便地完成。

import xml.etree.ElementTree as ET
from xml.dom import minidom

def json_to_voc_xml(json_data, xml_save_path):
    root = ET.Element('annotation')

    # 添加文件夹、文件名、路径等基本信息
    folder = ET.SubElement(root, 'folder')
    folder.text = 'images'
    filename_elem = ET.SubElement(root, 'filename')
    filename_elem.text = json_data['imagePath']

    size = ET.SubElement(root, 'size')
    ET.SubElement(size, 'width').text = str(json_data['imageWidth'])
    ET.SubElement(size, 'height').text = str(json_data['imageHeight'])
    ET.SubElement(size, 'depth').text = '3'  # 假设为RGB图像

    for shape in json_data['shapes']:
        obj = ET.SubElement(root, 'object')
        ET.SubElement(obj, 'name').text = shape['label']
        ET.SubElement(obj, 'pose').text = 'Unspecified'
        ET.SubElement(obj, 'truncated').text = '0'
        ET.SubElement(obj, 'difficult').text = '0'

        bndbox = ET.SubElement(obj, 'bndbox')
        points = np.array(shape['points'])
        xmin, ymin = np.min(points[:, 0]), np.min(points[:, 1])
        xmax, ymax = np.max(points[:, 0]), np.max(points[:, 1])
        ET.SubElement(bndbox, 'xmin').text = str(int(round(xmin)))
        ET.SubElement(bndbox, 'ymin').text = str(int(round(ymin)))
        ET.SubElement(bndbox, 'xmax').text = str(int(round(xmax)))
        ET.SubElement(bndbox, 'ymax').text = str(int(round(ymax)))

    # 美化输出XML
    rough_string = ET.tostring(root, 'utf-8')
    reparsed = minidom.parseString(rough_string)
    pretty_xml = reparsed.toprettyxml(indent="  ")

    with open(xml_save_path, 'w', encoding='utf-8') as f:
        f.write(pretty_xml)

3.3 EISeg COCO JSON 的转换与处理

EISeg可以导出COCO格式的JSON。COCO格式是一个集中式的标注文件,它包含了整个数据集的所有图片信息和标注信息,与Labelme的每图一个JSON不同。

处理COCO JSON时,我们通常需要根据任务需求进行拆分。例如,YOLO训练需要的是每张图片对应的TXT文件。我们可以使用 pycocotools 这个官方库来解析COCO JSON。

pip install pycocotools

然后使用下面的脚本片段进行提取和转换:

from pycocotools.coco import COCO

coco_anno_path = './eiseg_annotations/annotations.json'
coco = COCO(coco_anno_path)

# 获取所有图片ID
img_ids = coco.getImgIds()
for img_id in img_ids:
    img_info = coco.loadImgs(img_id)[0]
    ann_ids = coco.getAnnIds(imgIds=img_id)
    annotations = coco.loadAnns(ann_ids)

    # 针对每个annotation,提取bbox并转换为YOLO格式
    # ... 转换逻辑与之前类似,注意COCO的bbox格式是 [x_top_left, y_top_left, width, height]

4. 高效标注心法与高级技巧

工具装好了,格式也会转了,接下来就是如何真正提升标注效率和质量。这部分是我在大量标注工作中总结出的“软技能”。

4.1 建立标准化的标注流程

混乱的文件夹结构是噩梦的开始。在开始任何标注项目前,先建立这样的目录结构:

your_project/
├── images/
│   ├── train/
│   ├── val/
│   └── test/
├── labels/ (或 annotations/)
│   ├── labelme_json/   # 存放Labelme原始JSON
│   ├── yolo_txt/       # 存放转换后的YOLO标签
│   └── voc_xml/        # 存放转换后的VOC XML
├── classes.txt         # 统一的类别定义文件
└── scripts/            # 存放所有转换脚本

关键点:

  • 图片和标签的对应关系必须清晰。通常通过相同的文件名(仅后缀不同)来关联。
  • classes.txt 文件一旦确定,绝对不要中途更改类别顺序。否则所有已转换的标签文件中的类别ID都会错乱。
  • 对数据集进行训练集/验证集/测试集的划分,应该在标注完成之后、转换格式之前进行。你可以先划分好图片,然后分别对每个子集进行标注和转换。

4.2 多人协作标注的策略

当项目需要标注的数据量很大时,一个人无法完成,就需要团队协作。

  1. 统一标准会议:在开始前,召集所有标注人员,用一批示例图片进行标注演练。明确边界怎么划(例如,被遮挡的物体画到哪里?反光部分算不算?),类别如何定义(“SUV”和“轿车”要不要分开?)。
  2. 制作标注规范文档:将会议确定的标准写成文档,并配上正确和错误的标注示例图。这份文档是后续质检的依据。
  3. 使用中间格式:让所有人都使用同一种工具(如Labelme)进行标注,输出原始格式(JSON)。由专人负责统一进行格式转换和质量检查。这样可以避免每个人环境不同导致的格式混乱。
  4. 定期质检与校准:负责人定期抽查每个人的标注结果,发现问题及时反馈和纠正,防止错误标注大面积扩散。

4.3 利用预标注与主动学习

对于已有初步模型的项目,可以采用更智能的流程:

  1. 预标注:用现有的、哪怕精度不高的模型,对未标注的图片进行推理,生成初步的标注框或掩膜。
  2. 人工修正:标注员只需要在这些预标注的结果上进行修改和确认,而不是从零开始画。这通常能节省50%以上的时间。
  3. 主动学习:将模型预测不确定度高的那些图片(例如,置信度在0.3-0.7之间的)优先交给人工标注。用最少的人工干预,最大化地提升模型性能。

EISeg的交互式标注本身就是一种“微型的主动学习”,它把模型的预测和人工的修正实时结合在一起。

4.4 质量控制与常见陷阱

即使流程再规范,标注错误也难以完全避免。以下是一些高频陷阱和检查方法:

  • 标签错位:最常见的问题。检查方法是写一个简单的可视化脚本,把标注框画回原图上看是否对齐。
  • 类别混淆:特别是相似类别(如“狼”和“哈士奇”)。需要质检员重点复核。
  • 漏标:尤其是小目标。可以通过训练一个简单模型,用模型在验证集上的“假阴性”(False Negative)结果来反查可能漏标的物体。
  • 标注不一致:同一物体在不同图片中,有的标得紧贴边缘,有的留了白边。这会影响模型学习边界的精度。需要在规范中明确边缘的处理方式。

我习惯在转换格式后,随机抽取5%-10%的标签文件,用可视化脚本快速过一遍。花半小时做这个检查,能避免后续几天模型训练走弯路。

说到底,数据标注是一项需要耐心和细心的工作,但它绝不是毫无技术含量的重复劳动。选择合适的工具,建立高效的流程,运用一些智能化的技巧,你就能把这块“绊脚石”变成项目快速推进的“垫脚石”。当你看到自己亲手标注的数据训练出的模型,在真实场景中稳定工作时,那种成就感,和调出一个好模型是完全不同的。

AI对战五子棋——深度学习策略网络 在本篇博文中,我们完成了:✔ 构建一个 CNN 五子棋策略网络✔ 让神经网络输出落子概率✔ 使用 Policy Gradient 强化学习训练 AI✔ 让 AI 实现人与 AI、AI 自对弈博弈。 阅读详情

相关推荐

从SVF文件到高效验证:Formality中set_svf命令的隐藏技巧与实战解析

本文深入解析Formality中set_svf命令的高级应用技巧,涵盖SVF文件生成策略、多文件加载优化及验证效率提升方法。通过-append和-ordered选项的实战应用,帮助工程师解决芯片验证中的常见问题,实现验证通过率与运行效率的双重提升。

mqtt6iot的博客 821

​【Ubuntu使用技巧】(八)Ubuntu22.04+Anaconda安装labelimg(附labelimg包)

本文介绍了在Ubuntu系统下使用Anaconda安装LabelImg图片标注工具的详细步骤。首先需要创建Python3.7的conda环境,然后安装PyQt5和lxml等依赖包。通过下载LabelImg源码并运行主程序即可启动标注界面。文章提供了清华镜像源加速下载,并提示用户可自定义快捷键设置。适用于需要在Ubuntu系统搭建计算机视觉标注环境的开发者。

XiaoBai_Steve的博客 590

提示词工程的几个参数

低 temperature + 低 top-p:输出最稳定、最可靠,适合需要准确性和一致性的场景。高 temperature + 高 top-p:输出最多样化、最富有创意,适合需要灵感和探索的场景。Max Length:您可以通过调整max length来控制大模型生成的 token 数。指定 Max Length 有助于防止大模型生成冗长或不相关的响应并控制成本。是一个字符串,可以阻止模型生成 token,指定是控制大模型响应长度和结构的另一种方法。例如,您可以通过添加 “11” 作为。

weixin_44212787的博客 1829

模型训练之数据标注-Labelimg的使用教程(yolo标注)

本文介绍了如何使用LabelImg工具进行图像标注。LabelImg是使用yolo进行模型训练时常用的数据集标注工具之一。使用LabelImg可以快速的标注出我们需要训练的数据集。是大模型训练的必备工具。

笑小枫 1万+

MATLAB实战:手把手教你实现WVD信号分析(附完整代码与避坑指南)

本文通过MATLAB实战,手把手教你实现Wigner-Ville分布(WVD)信号分析。文章提供了从零构建WVD函数的完整代码,并重点解析了使用解析信号、处理交叉项、优化计算效率等关键避坑指南,帮助工程师高效处理非平稳信号,获得高分辨率的时频分析结果。

purple的博客 1083

8、Windows 部署ollama

一个本地运行大模型的集成框架,目前主要针对主流的LLaMA架构的开源大模型设计,通过将模型权重、配置文件和必要数据封装进由Modelfile定义的包中,从而实现大模型的下载、启动和本地运行的自动化部署及推理流程。此外,Ollama内置了一系列针对大模型运行和推理的优化策略,目前作为一个非常热门的大模型托管平台,已被包括LangChain、Taskweaver等在内的多个热门项目高度集成。

Andy_shenzl的博客 1135

5分钟搞定深度学习标注:Labelme、LabelImg、EISeg保姆级安装配置指南(附常见错误解决)

本文提供Labelme、LabelImg和EISeg三大主流深度学习图像标注工具的保姆级安装与配置指南。详细解析了从Python环境搭建、工具部署到常见错误(如OpenMP冲突)的解决方案,帮助用户快速构建高效的标注工作流,提升数据准备效率。

salt的博客 503

Vue3 - 详解实现网站接入微信扫码登录功能,微信授权生成登录二维码用户用手机扫描二维码登陆,微信扫描二维码登录详细流程及示例代码,支持弹框式、浏览器单独新开页显示,最新vue集成微信扫码授权登录!

vue3,nuxt3,PC网站,网页,微信扫码登录,微信登陆,vue3微信扫码登录,获取个人信息,扫码登录后如何获取用户手机号,微信扫码授权登录,vue3详细实现微信扫一扫登陆,pc网页微信登录,vue3集成微信扫码登录,详细流程和示例源码,第三方扫码登录,vue3微信扫码登录怎么新开一页,跳页显示二维码,内嵌登录二维码,iframe,iframe新页面弹出,弹出一个小窗口显示登录二维码,登录报错,微信扫码没反应,解决手机点登录报错没反应,官方文档,手机扫描微信二维码登录网站,最好用的插件,vue-wxlo

🏆 前端领域优质创作者 1万+

RNNoise-SpeexDSP-WebRTC使用说明

本文介绍RNNoise、SpeexDSP与WebRTC音频处理库的下载、调用及参数配置方法,适用于Android语音工程集成。RNNoise基于深度学习,适合非稳态噪声降噪,需48kHz输入;SpeexDSP支持多采样率与回声消除,适用于全双工场景;WebRTC提供轻量级窄带处理。三者可串联使用:麦克风信号先经前级降噪(RNNoise或SpeexDSP),再进入WebRTC媒体引擎进行编码。重点说明各库的典型应用场景、接口调用方式、关键参数调节策略及采样率转换注意事项,帮助开发者高效集成与优化语音处理链路。

知识共享,你我皆是知识的搬运工 239

从 SAP HANA 到 ABAP Cloud:彻底讲透 scalar function 的定位、实现方式与 Clean Core 实践

SAP项目中,scalar function是数据库层的重要计算单元,用于封装可复用的单值逻辑。不同于返回结果集的table function,它直接嵌入SQL表达式,适用于折扣率计算、数据标准化等场景。在SAP技术栈中,scalar function有三种形态:原生SQLScript函数、AMDP托管函数和CDS绑定函数。正确使用可提升查询性能,但需注意与procedure、table function的边界区分。AMDP scalar function是ABAP项目中的推荐实现方式,能确保函数生命周期受

2007 年 ~ 2025 年,深耕 SAP 技术 18 年 1723

YOLOv8改进:在C2F模块中引入RepGhost Bottleneck模块

C2F类是YOLOv8中的C2F模块的实现,它包含一个RepGhostBottleneck模块、一个卷积层和一个批归一化层。通过在C2F模块中引入RepGhost Bottleneck模块,我们可以在保持计算效率的同时提升模型的表达能力。这是因为RepGhost Bottleneck模块通过引入重复的卷积核来扩展模型的感受野,从而增加了模型对不同尺度目标的感知能力。RepGhost Bottleneck是一种用于卷积神经网络的改进模块,它可以在保持计算效率的同时提升模型的表达能力。希望以上内容对你有帮助!

IlgCrystal的博客 1307

Transformer 为什么能取代 RNN?从自注意力讲起

2017 年谷歌在《Attention Is All You Need》中提出 Transformer,核心是。它如今是 GPT、BERT、ChatGPT 的共同底座。

anew___的博客 979

压缩包密码破解工具ZIP Cracker2.0.1.2 正式版

一款多功能文件密码破解工具,支持ZIP、RAR、Office等主流加密格式,提供CPU/GPU双模式破解。该软件采用黑客风格界面,具备环境自检修复功能,支持实时监控硬件使用率。内置hashcat等专业破解工具,通过拖拽文件即可快速破解,GPU模式速度可达CPU的10-100倍。最新版本优化了中文路径支持,并提升了启动速度。

bfq05234214的博客 485

基于深度学习的商品评论情感分析系统-毕业设计

面向商品评论的中文情感分析系统,支持单条预测、批量分析、情感分布与关键词、报告导出。TextCNN、BiLSTM、Transformer 在同一词表、同一数据切分、同一种子与超参下公平对比,测试集 F1 分别为 0.9101、0.9089、0.9075。结论是这一规模下模型复杂度未带来收益,但误差结构不同。附技术栈、截图、文档预览与演示视频。

csbysj2020 158

数学建模模型总结

这是本人在两年内准备参加数学建模竞赛搜集到的模型资料,已经经过了本人的筛选和整理,希望能够对准备参加数学建模竞赛的学弟学妹们提供一些帮助!

Outlook Express 6 (OE6) for Win7/Win8/Win10

英文版 Outlook Express6.0, 兼容Win7/Win10/WinXP,解压就可用。

图解循环神经网络(RNN)

RNN(循环神经网络)就是“带记忆的网络”:让网络拥有一块“记忆”,在处理当前数据时,能同时参考之前看过的内容;它不一次性看完全部输入,而是像人读书一样,一个字一个字地读,每读一个字就更新一次脑子里的记忆,然后用这份记忆去理解当前这个字。但便签一直在被改写,新信息不断挤占旧信息,传到第 40 步时,“巴黎”的痕迹已经淡得几乎没了。读到“贵”的时候,网络并没有重新去查“好看”这个词——但“好看”的影响已经融在了便签里(那个 1.5)。这三个困难的共同点:答案不在当前这一个字里,而在“前面那串东西”里。

技术管理两手抓,两手都要硬. 427

霍尼韦尔SoftMaster使用说明

霍尼韦尔SoftMaster使用说明

【原创深度学习项目】基于深度学习的建筑工地防护装备检测系统|安全帽与反光衣检测系统(RT-DETR-L 模型)

本文设计并实现了一套基于RT-DETR-L的建筑工地防护装备检测系统,采用Django+Vue前后端架构,实现对安全帽、反光背心等7类装备及“无PPE”“未戴安全帽”等缺失状态的精准识别。系统支持图片、视频、摄像头实时检测,具备参数可调、数据可视化与统计分析功能,有效解决小目标漏检、误检及管理难问题,助力智慧工地安全管理落地。文末可获取源码。

qq_1445749146的博客 232

WINCC7.3破解文件

WINCC7.3硬件够破解文件,有需要的下载!WINCC7.3硬件够破解文件,有需要的下载!

神经网络入门指南:从 CNN、RNN 到 Attention

神经网络的学习,本质是“预测—比较—纠错”的循环;CNN 通过局部连接与权重共享理解图像;RNN 通过隐藏状态传递上下文;LSTM 和 GRU 用门控机制管理记忆;Encoder–Decoder 把理解与生成拆成两个阶段;Attention 则让模型在每一步都能主动寻找最相关的信息。到这里,我们已经走完了从普通神经网络到 Attention 的完整路线。下一篇将正式进入 Transformer,看看它如何摆脱 RNN 的顺序计算,又如何让每个 Token 直接找到与自己相关的信息。

爱敲代码的小黄 396

AI 学习第 15 课:变长序列不 pack 直接喂 RNN,隐状态全被 0 污染

NLP 的 batch 里句子长短不一,短句垫 0 补齐后直接喂 RNN,看似能跑,实际上每个 0 垫步都在更新隐状态——短序列的最后一步输出根本不是它真实句子的结果。这一课用 torch 2.15(

aifannihao的博客 161

CNN 卷积神经网络深度解析:卷积、池化与特征提取的底层原理

卷积核(Kernel),也叫滤波器(Filter),本质上是一个可以训练的权重矩阵。1 0 -11 0 -11 0 -1这个卷积核可以对图像中的局部像素进行加权计算。不同的卷积核能够提取不同类型的特征:水平边缘特征垂直边缘特征纹理特征角点特征局部形状特征在传统图像处理中,滤波器通常由人工设计。而在 CNN 中,卷积核的权重通过训练数据和反向传播自动学习得到。这也是 CNN 能够自动提取图像特征的关键。# 第一层卷积padding=1# 第二层卷积padding=1。

2503_90237586的博客 294

图解常用深度学习优化器

来隐式构造 Hessian 逆的近似,从而直接估计出“谷底在哪”,而非仅仅判断“哪边最陡”。即SGD/Adam 主要看“当前坡度”,LBFGS 还会看“最近几步坡度怎么变”,像用局部地形图来规划路线。训练 Transformer 时,有些层梯度大,有些层梯度小。如果用 Adam + L2,梯度大的参数反而可能被“少衰减”,正则效果不稳定;:你要下山,但每次迈步前都要派侦察兵把整座山的每一个坡面都测量一遍,算出“绝对最陡”的方向才走一步。:还是下山,但这次你只问身边一个路人“哪边最陡”,然后就走。

技术管理两手抓,两手都要硬. 219

【无标题】无人机视角道路坑洞坑洼目标检测数据集深度学习 目标检测 无人机航拍 道路坑洞 路面病害 YOLO格式 数据集发布9032期

(一)类别构成该数据集聚焦单一类别——坑洞(类别 ID 为 0),任务指向明确,围绕无人机俯视视角下的道路坑洞目标开展检测标注。类别体系精简,与公路路面病害巡检的实际需求高度契合,图像中的坑洞样本可直接作为路面破损识别的核心正样本,便于对接道路养护排查流程。(二)数据数量数据集规模为 3285 张无人机俯视航拍图像,采用标准 YOLO txt 标注格式,标注框总计 4457 个,其中带有效标注的图片 2007 张,全部图片均带有有效标注。

qq_2529413168的博客 187

基于深度学习的猫图像目标检测方法研究:YOLOv8s模型海选、多种子对比训练与Django+ONNX部署实现详解

本课题基于深度学习研究猫图像目标检测问题。数据集含1000张猫图像、1188个标注框,按固定比例划分并冻结清单;训练前在多个候选族中短训海选,确定YOLOv8s为主模型,经学习率搜索与显存标定后完成150轮训练,验证集mAP50达到0.92,并以7个随机种子的对比实验验证稳定性。最优权重导出为ONNX接入Django系统,提供图片、视频、摄像头三种识别方式,配套识别记录管理与统计大屏,形成从训练到应用的完整闭环。

WEIXIN_JSJBSZDS的博客 221

第 05/24 期:计算图与自动微分:深度学习如何计算梯度

本文系统阐述了神经网络训练中梯度计算的本质:损失对参数的敏感性。通过构建计算图,将复杂函数分解为基本运算,利用链式法则实现反向传播。核心在于反向模式自动微分——以一次前向计算为基础,通过传播输出对中间变量的敏感性,高效求得所有参数梯度。相比前向模式,反向模式在参数多、目标为标量的场景下更高效。计算图不仅适用于神经网络,也广泛适用于任意可微程序。关键思想是:梯度是局部导数与上游敏感性的乘积,分支路径的贡献需累加,从而保证导数计算的正确性与效率。

weixin_47502228的博客 331

【深度学习项目实战·30】PM2.5短期预测:用LSTM构造没有未来信息的滑动窗口

本文基于北京PM2.5数据,使用LSTM实现从最近24小时历史观测预测下一小时PM2.5。重点解决时间切分、因果填补、滑动窗口构建与标准化等关键问题,确保模型仅依赖过去信息,避免未来泄漏。通过滚动单步预测与持续性基线对比,评估在原始单位下的MAE/RMSE,验证模型有效性。强调时间顺序与数据完整性,为时序预测提供可复现的实践框架。

银尘博客 519

深度学习 目标检测 无人机巡检 防震锤 电力设备 YOLO格式 数据集发布

深度学习 目标检测 无人机巡检 防震锤 电力设备 YOLO格式 数据集发布 9038期

qq_2529413168的博客 335

无人机巡检道路路面异常检测数据集 深度学习 目标检测 无人机巡检 道路病害 路面异常 YOLO格式 数据集发布9028期

无人机巡检道路路面异常检测数据集 深度学习 目标检测 无人机巡检 道路病害 路面异常 YOLO格式 数据集发布9028期

qq_2529413168的博客 213
上一篇: Ubuntu系统下快速部署RKNN开发环境的Docker镜像指南
下一篇: 基于STM32F401RCT6的DSP与FPU硬件加速实战:从配置到性能对比
docker8compose
博客等级 码龄1天 0粉丝 1102原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值