- 博客(14)
- 收藏
- 关注
RSS订阅原创 使用sam插件ISAT标注分割数据
ISAT（Image Segmentation Annotation Tool）结合了Meta推出的Segment Anything Model（SAM），是一款功能强大且灵活的图像分割和打标签工具。
2025-09-02 12:08:33
1547
原创 YOLOv13GPU训练自己的数据（含网络结构图） (草履虫都能看懂系列)
该项目于 2025 年 6 月 21 日开源代码，6 月 22 日发布模型权重，属于社区开发的衍生版本（非 Ultralytics 官方版本）。以下是关于该版本的详细说明：一、YOLOv13 的核心技术创新1. HyperACE：基于超图的自适应关联增强技术原理：将多尺度特征图中的像素视为超图顶点，通过可学习的超边构建模块自适应探索顶点间的高阶关联，再利用线性复杂度的消息传递模块聚合特征，提升复杂场景下的视觉感知能力。作用：强化不同尺度特征间的语义关联，尤其对小目标和密集目标检测效果显著。
2025-06-30 11:25:30
3839
原创 YOLOv12GPU训练自己的数据（windows适用） (草履虫都能看懂系列)
查看cuda最高支持版本，win+R，输入cmd，打开命令窗口，输入nvidia-smi.exe，红框位置为最大可支持安装版本。
2025-02-24 11:27:03
4527
5
原创 YOLOv11GPU训练自己的数据（含网络结构图） (草履虫都能看懂系列)（含常见问题）
查看cuda最高支持版本，win+R，输入cmd，打开命令窗口，输入nvidia-smi.exe，红框位置为最大可支持安装版本。
2024-12-29 11:43:15
4831
5
原创 cycleganGPU训练自己的数据 (草履虫都能看懂系列)
CycleGAN主要用于图像到图像的 转换任务，能够将图像从一个领域转换到另一个领域，而无需在训练过程中使用配对示例。该模型尤其适用于将照片转换为绘画、改变图像中的季节或在不同艺术风格之间转换图像等任务。
2024-12-27 14:08:13
5248
12
原创 YOLOv10GPU训练自己的数据（含网络结构图） (草履虫都能看懂系列)
YOLOv10是清华大学的研究人员在Ultralytics Python包的基础上，引入了一种新的实时目标检测方法，解决了YOLO 以前版本在后处理和模型架构方面的不足。通过消除非最大抑制（NMS）和优化各种模型组件，YOLOv10 在显著降低计算开销的同时实现了最先进的性能。大量实验证明，YOLOv10 在多个模型尺度上实现了卓越的精度-延迟权衡。
2024-06-13 09:12:22
31108
70
原创 模型修改（经验总结）
因为本人是在初次修改模型（yolov9），所以想做个总结方便自己查看和给第一次修改模型没有方向的人一些简单的建议（如有不对请多多给出建议）（未完成后续还会完善）
2024-06-06 14:00:30
938
原创 YOLOv9最详细教程（训练自己数据集、结构介绍、重点代码讲解）(草履虫都能看懂系列)
帮助训练自己的数据集，了解代码结构，重点文件进行讲解
2024-06-04 19:10:47
31189
25
原创 anaconda卸载怎么卸载干净（长话短说）
anaconda根目录查找Uninstall-Anaconda3.exe文件，一路next即可，至此删除完毕。（无脑复制）例如：conda create -n pytorch python=3.6。在非base虚拟环境，输入conda install anaconda-clean。此步必须在非base安装，base无法安装（如下，显示一直在安装，但无法安装）输入anaconda-clean --yes。如遇文件正在使用，可以试重启，然后再删除。2.2安装成功后，进入你所安装虚拟环境。
2023-11-17 20:00:00
6226
3
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人