- 博客(17)
- 收藏
- 关注
RSS订阅原创 配置MMdetection 并运行训练等操作
本文详细介绍了在CUDA 11.8、Python 3.10和PyTorch 2.0.0环境下配置MMDetection目标检测框架的完整流程。主要包括：1) 创建conda环境并安装PyTorch；2) 通过openmim安装mmengine和mmcv；3) 克隆MMDetection源码并安装依赖。第二部分重点讲解了如何训练自定义数据集：1) 准备COCO格式数据；2) 修改数据集配置文件中的类别信息；3) 调整训练配置文件并启动训练。文章提供了完整的命令行操作步骤和关键配置修改方法，为在MMDetect
2026-03-08 15:27:10
379
原创 在本地部署LLM模型 并接入ASR模型实现外部语音接口与LLM对话聊天
这是一个全程运行在你本地的 AI 对话系统。基于阿里巴巴 Qwen3 系列模型深度构建。语音识别（ASR）：采用 Qwen3-ASR 1.7B，精准识别外部输入。智能对话（LLM）：通过 Ollama 驱动 Qwen3 4B，本地大脑快速响应。语音合成（TTS）：结合 Qwen3-TTS，赋予 AI 自然的人类声线。系统底层由 Rust 语言编写，确保了音频流采集的超低延迟。无论是免驱麦克风还是内置声卡，只需一键开启，即可打破次元壁。
2026-03-07 21:10:50
615
原创 YOLO26 前沿改进策略 | ChannelAggregationFFN 实现特征分解与细节增强
本文提出了一种改进YOLO26目标检测网络的方法，通过引入ChannelAggregationFFN模块替换部分C3k2模块，增强模型对小目标和纹理细节的检测能力。该模块结合深度卷积空间聚合和显式特征分解机制，能有效提取全局共性和细节残差特征，在计算量增加极小的情况下显著提升性能。文章详细介绍了模块设计原理、代码实现步骤（包括文件创建、代码导入等），并提供了修改后的.yaml配置文件示例。
2026-02-05 10:17:43
511
原创 YOLO26 前沿改进策略 | LGFE 动态特征对齐与多维感知耦合 实现对 C2PSA 的性能超越
本文提出了一种改进YOLO26网络的方法，通过用LGFE（LocalGlobalFeatureExtraction）模块替换原有的C2PSA模块。LGFE结合了动态窗口注意力（WATT）、深度可分离卷积（DWConv）和元学习归一化（LayNormal）三大技术，能够自适应调整特征提取过程。
2026-02-05 09:41:22
343
原创 YOLO26 前沿改进策略 | LGAG 跨尺度门控融合：利用语义引导打破 Concat 冗余，实现深层细节与空间定位的精准对齐
本文提出了一种针对YOLO26架构的优化方案，采用LGAG（大核组注意力门控）模块替代传统的Concat拼接操作。该模块通过深层语义特征生成空间注意力门控，结合大核组卷积扩大感受野，有效抑制背景噪声并增强跨尺度特征对齐能力。文章详细介绍了LGAG的设计动机、核心原理及在YOLO26中的适配优势，提供了完整的实现代码和改进步骤，包括模块集成、配置文件修改等
2026-02-04 11:36:40
266
原创 YOLO26 前沿改进策略 | CFAM 局部细粒度特征与全局上下文信息的深度耦合，从根本上解决了高层特征在多尺度融合过程中的信息失真问题
改进YOLO26目标检测网络的CFAM模块，通过双轨并行设计结合深度可分离卷积(DWConv)和轻量化注意力机制，有效平衡局部特征提取与全局上下文建模。CFAM模块包含局部混合分支和全局聚合分支，采用残差连接实现特征融合，解决了传统CNN视野受限和Transformer计算量大的问题。实验表明，在YOLO26的P5层应用CFAM可显著提升遮挡目标和超大目标的检测精度，同时保持较低计算开销。
2026-02-04 10:58:54
1168
原创 YOLO26 前沿改进策略 | SequenceShuffleAttention提升深层语义特征的高效精炼与筛选，增强模型对关键目标的感知精度
本文提出了一种轻量级特征增强模块SequenceShuffleAttention(SSA)，用于改进YOLO26目标检测网络的深层语义特征提取能力。SSA通过通道洗牌机制打破分组卷积的信息孤岛效应，结合全局上下文感知实现动态特征校准，在保持实时性的同时提升模型性能。文章详细介绍了SSA的设计原理、在YOLO26中的适配优势、具体实现代码及模型配置方法。
2026-02-03 21:11:00
568
原创 JPEG AI模型学习
JPEG AI是一种基于学习的图像编码新标准，融合变分自编码器技术，在压缩效率和重建质量上超越传统VVC标准。其核心特点包括：1）单码流支持多分辨率解码；2）采用YCbCr色彩空间和多种子采样方案；3）通过多分支解码框架实现设备兼容性；4）创新性地结合主/次分量处理流程，包含分析变换、超先验编解码和多阶段上下文建模。该标准特别优化了CPU部署效率，支持4K图像在190ms内解码，同时具备色域编码、区域访问等实用功能。参考实现已开源，为下一代智能图像压缩提供了标准化解决方案。
2026-02-03 13:14:19
799
原创 Openpose 模型的学习笔记
OpenPose是由卡内基梅隆大学开发的实时多人姿态估计系统，能通过单摄像头检测135个全身关键点。该系统采用VGG-19网络提取特征，通过多阶段（Stage）渐进优化预测关键点热力图（PCM）和亲和力场（PAF）。PAF通过向量场编码肢体连接关系，结合贪婪推理算法实现多人关键点分组。网络采用自底向上结构，先检测所有可能关键点，再通过PAF关联归属同一人的关节点。处理流程包括图像输入、特征提取、关键点检测、亲和力计算和结果解析五个步骤，支持GPU加速实现实时性能。该系统通过模块化设计支持多人跟踪、身份识别等
2026-02-01 10:46:32
938
原创 2025 TI 杯全国大学生电子设计竞赛 上海赛区 C题参考代码
2025TI杯全国大学生电子设计竞赛上海赛区C题参考代码基于K230开发板实现，包含五个主要Python文件：main.py作为入口文件连接五个按钮控制程序执行，分别对应不同图形检测模式（model1检测正方形、model2检测圆形、model3检测三角形、model4为拓展题代码、model5整合三种图形检测）。代码采用自适应阈值处理和距离计算算法，通过图像处理识别A4纸外框并计算目标距离（D值）及内部图形尺寸。各模块包含异常处理、资源清理和性能优化机制，代码已开源至Gitee仓库。系统支持实时显示距离测
2025-08-16 17:40:59
587
原创 在Autodl服务器安装配置Matlab 无图形化界面 2020a\2020b
本文介绍了在Linux系统上安装Matlab R2020b的详细步骤。首先需要准备100G数据盘空间并安装7z压缩工具。安装过程包括：解压ISO文件到指定目录、创建安装配置文件、授予执行权限、执行静默安装等步骤。安装完成后需激活，包括复制授权文件、设置权限、创建激活配置文件等操作。最后通过运行激活脚本完成激活，成功后可执行matlab命令启动程序。整个过程需保持服务器在线状态，文中还提供了验证安装成功的方法和简化启动的建议。
2025-07-18 11:36:20
1971
8
原创 数据集制作-XML标注格式转YOLO目标检测格式
本文介绍了将XML格式的目标检测数据集转换为YOLO格式的方法及代码实现。XML数据集通常包含目标类别和边界框信息，而YOLO格式则包括类别标签序号、归一化后的中心坐标（X_Center, Y_Center）以及宽度（Width）和高度（Height）。通过提供的代码，用户可以高效地将XML格式的数据集转换为YOLO所需的格式，从而方便在YOLO框架中进行目标检测任务。这一转换过程对于使用YOLO进行模型训练和评估的用户具有重要实用价值。
2025-05-11 09:18:14
415
原创 Vue搭建chat对话模型，Springboot 调用deepseek api回答用户Chat
vue+springboot+tts+stt搭建人机对话网页应用
2025-04-25 21:58:58
1860
原创 Flask部署阿里开源语音大模型（STT）以及调用通义千问语音合成模型（TTS）
为了满足实验课对人机对话系统的设计要求，我们在现有Chat对话模型的基础上进行了功能扩展。当前系统已实现基于文本输入的人机交互功能，现计划通过以下技术升级优化用户体验：首先，集成语音识别（STT）模型，将用户的语音提问实时转换为文本；然后将识别结果输入预训练的聊天大模型进行处理；最后通过语音合成（TTS）技术将模型的文本回复转换为自然语音输出。这种端到端的语音交互方案能够显著提升人机对话的自然度和沉浸感，更贴近真实的人际交流场景。
2025-04-25 21:09:09
1420
原创 快速搭建自己的Ai小助手（基于Dify构建自己的知识库调用LLM模型APi或OLLAMA模型本地部署LLM模型）
比如在自己的环境变量里配置好OLLAMA模型的端口。本文的目的在于快速搭建一个前端Ai对话模型，模型基于已有的LLM模型和自己构建的知识库回答用户问题。部署Dify需要先安装好docker ，安装docker的教程可以参考其他博主，这一步比较简单不再赘述。如下先添加chat模型：之后也需要添加Text Embedding模型 不然在解析自己的文本知识库的时候会非常的慢。也可以使用阿里的通义千问模型，里面有大模型 也Embedding模型，比较方便。复制右侧的运行 命令，在命令行终端运行，下载。
2025-04-21 16:06:45
2182
原创 RagFlow添加OLLAMA模型失败--解决方案
在源码的docker目录下有个.env文件 这个是build docker镜像使用到的配置文件，从这里可以修改ragflow的版本，一般选用0.15.x-0.16.x 尝试是否可以解决问题。在使用RAGflow导入OLLAMA模型的时候填入基础URL以及OLLAMA工作的端口号出现连接不上的错误，No route to host的问题， 为了解决这个问题，有以下几个方案供参考。后面全选下一步，最后可以出现如下，即可，然后再尝试添加OLLAMA模型。win+R 中输入ws.msc:，然后打开防火墙设置。
2025-04-17 11:53:50
3501
4
原创 基于YOLO11的车牌检测和PaddleOCR识别车牌号
对于首先是需要转换为yolo detection格式的标签 也就是.txt文件，然后划分数据集，为了方便 我直接把处理好的可供直接训练的数据集附在下面百度网盘链接。划分数据集是按8：2训练集，验证集。在使用YOLO检测完车牌号以后 使用PaddleOCR识别检测出来的内容。本文使用了CCPD2020的版本，里面主要是一些新能源汽车的车牌，选取CCPD2020的原因是此数据集的数据量小，训练方便。这里自行选择使用的模型进行训练即可，也可多个模型训练比较哪个精度更高。下面是我训练时候使用的代码，供参考。
2025-04-15 16:29:55
2582
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