墨衍会员
·
AI 创作全网分发
墨衍智能分发
本文由作者通过墨衍一键同步至各平台
1分发平台
300+累计阅读
366平均单平台
已同步平台
优快云
微信公众号
微博
知乎
掘金
百家号
博客园
抖音
小红书
你的文章也可以这样分发
墨衍会员 ¥399起/年，写一次发全网
我也要
基于python深度学习对墙体裂缝图像分割检测-含摄像头识别
174基于python深度学习对墙体裂缝图像分割检测-含摄像头识别_哔哩哔哩_bilibili
基于python深度学习对积水图像分割检测-含摄像头识别
173基于python深度学习对积水图像分割检测-含摄像头识别_哔哩哔哩_bilibili
基于python深度学习对花卉图像分割识别-含摄像头识别
172基于python深度学习对花卉图像分割识别-含摄像头识别_哔哩哔哩_bilibili
基于python深度学习目标检测对蔬菜识别-含摄像头识别
167基于python深度学习目标检测对蔬菜识别-含摄像头识别_哔哩哔哩_bilibili
基于python深度学习对船舶进行目标检测-含摄像头识别
169基于python深度学习对船舶进行目标检测-含摄像头识别_哔哩哔哩_bilibili
目标检测YOLO实战应用案例100讲-树上果实识别与跟踪计数
我国水果产业是农业和农村经济发展的重要支柱，其规模在全球居于前列[ 1]。相 较于发达国家，我国水果产业尚存众多难题。其中之一，即当前水果种植主要依赖人 工，这与我国水果种植规模急速扩大的态势相背离。同时，由于高昂的生产成本和相 对较低的果园作业数字化及机械化水平，导致果园生产管理总体较为粗放。这限制了 果农收入的增加和水果产业综合竞争力的提升。因此，在农业生产中必须不断推进科 技创新，提高水果种植的现代化水平，以更高效、低成本的方式提高水果产量和品质， 这是促进水果产业发展的必要手段[ 2]。
【新手必看】YOLO目标检测入门：10分钟用摄像头实现实时物体识别（人工智能丨机器学习丨深度学习丨计算机视觉丨物体检测丨神经网络）
在学习目标检测的过程中，很多新手都面临着明明学了理论却调不通代码，或者看了5小时教程还未跑通demo的问题。这让大家在实践中感到十分困扰。今天带来的方法核心亮点在于无需GPU，零配置，代码直接复用。让大家能更轻松地进行目标检测的实践。以下是办公室实时检测效果的示意图（此处可插入相关效果图）。
Anomalib实战：从零开始构建自定义数据集的异常检测模型
本文详细介绍了如何使用Anomalib 2.1.0从零开始构建自定义数据集的异常检测模型。通过实战演示，指导读者准备符合规范的数据集结构，快速上手训练Patchcore等先进算法，并完成模型推理与调优，为工业质检、医疗影像等场景提供高效的视觉异常检测解决方案。
YOLOv8+OpenCV摄像头实时检测全攻略：从目标识别到姿态估计一键搞定
本文提供了一份详尽的YOLOv8与OpenCV摄像头实时检测系统搭建指南。从环境配置、模型加载到核心代码实现，文章深入探讨了如何通过多线程架构和推理参数调优来提升检测帧率，并集成了目标检测、实例分割与姿态估计等多任务功能，帮助开发者快速构建高性能的实时视觉应用。
Replay音频转换时samplerate缺失的解决方案指南
Replay音频转换时提示"No module named 'samplerate' This error is lazily reported, having originally occured in File"的解决方案
SAP 财务BAPI_ACC_DOCUMENT_POST批导的税务tax
最近遇到了关于SAP财务凭证批导要bapi：BAPI_ACC_DOCUMENT_POST增加税的功能要求，查阅了一众文献发现都不尽如人意，所以想着自己写一个趟过的雷吧。 一般前台sap的凭证是有自动计算税码的勾选框的，但是bapi却并没有这个字段。 实际操作过程中1.可以定义一个税额的结构，参考bapiactx09 2.在会计分录上传如果需要增加税码的时候，譬如总账gl，需要对应tax_code 3.通过CALCULATE_TAX_FROM_GROSSAMOUNT 计算出税额和acct_k...
OpenCV+YOLO+IP摄像头实现目标检测
OpenCV+YOLO+IP摄像头实现目标检测
实测对比：DINOv2、CLIP、ResNet在图像相似度任务上谁更强？（含Python代码与避坑指南）
本文通过实测对比DINOv2、CLIP和ResNet在图像相似度任务中的表现，提供Python代码实现与避坑指南。实验结果显示，DINOv2在精度上表现最佳，CLIP在多模态场景中优势明显，而ResNet则在计算效率上更优。文章还针对不同业务场景给出了具体选型建议，帮助开发者在图像搜索和版权检测等项目中做出更明智的技术决策。
目标检测实战（二）--调取摄像头进行物体检测
上一节，我们完成了对鼠标图像的检测，这一节我们使用opencv调用电脑摄像头检测鼠标 参考代码博客： https://blog.youkuaiyun.com/Ch97CKd/article/details/82700777 文件名：object_detection_converted.py import numpy as np import os import six.moves.urllib as urll...
手撕代码系列：Conv2D
在实际的神经网络中，每个卷积核都会对应一个偏置值。这意味着如果网络有多个卷积核，每个卷积核的输出都可以加上对应的偏置。
逆向攻防世界CTF系列40-ReverseMe-120
注意sub_401000main中只传了两个参数，但是跟进后发现四个(可能是隐式传递，放在寄存器里传递了)，调试发现a4是输入长度，与最终的you_know_how_to_remove_junk_code比较的是v12(但是并没有被传入)，开始怀疑是不是隐式传递了。_mm_xor_si128用于计算128位（16字节）的按位异或，然后通过v14控制循环结束的条件，可以看到v14增长的步长为16，而且通过上面得到的flag值解码得到的字符串为32个字节大小，正好是16的整数倍。
基于单目摄像头的物体检测 - Baidu Apollo 陈光 - 2D 图像上的 3D 目标检测
基于单目摄像头的物体检测 - Baidu Apollo 陈光 摄像机是无人车系统中最重要的传感器之一，其廉价、帧频高、信息丰富、观测距离远，但易受环境影响、缺乏深度信息。 Apollo 2.5 和 3.0 中广泛使用的单目摄像头物体检测模块。 1. 物体检测模型中的算法选择 autonomous [ɔː'tɒnəməs]：adj. 自治的，自主的，自发的 radar ['reɪdɑː]：n. ...
苏宁易购手机行情比价系统：构建一个完整的Python爬虫实战指南
在当今数字化时代，智能手机已成为人们生活中不可或缺的一部分。随着各大手机品牌每年推出多款新品，消费者面临着越来越多的选择。然而，不同电商平台、不同时间段的价格波动使得消费者很难把握最佳购买时机。苏宁易购作为国内领先的电商平台之一，拥有丰富的手机商品信息和价格数据。本文将带领读者构建一个完整的苏宁易购手机行情比价系统，帮助消费者实时掌握手机价格动态。
YOLO屏幕/摄像头实时检测
基于YOLOV5/7实现电脑屏幕/摄像头的实时检测，代码逐句分析，优化了opencv的检测，cpu占用率相较于之前的版本有所下降。
基于CutLSTM-ATT 模型的刀具磨损预测-【一个月之内发一篇中文核心辅导】
基于CutLSTM-ATT 模型的刀具磨损预测-【一个月之内发一篇中文核心辅导】
ET2012新版免狗免安装绿色软件
ET2012新版免狗免安祖昂绿色软件。，新界面，新视觉，
基于YOLO11-SEG的白蘑菇检测与识别系统_RVB
本文介绍了基于YOLO11-SEG的白蘑菇检测系统，包含211张标注图像的数据集分析、系统界面设计和算法原理。系统采用PySide6构建GUI，支持多种输入方式和模型更换功能。YOLO11-SEG通过改进网络架构、引入Distribution Focal Loss和Task Aligned Assigner等技术，提升了检测精度。代码实现部分展示了模型预测和训练流程，包括超参数设置和性能评估。实验对比显示YOLO11-SEG在蘑菇检测任务中表现优异，mAP达到92.3%，验证了其有效性。该系统为农业自动化中
文档：亲测可用解决vnc灰屏，黑屏，鼠标大黑叉情况
主要解决vnc-viewer灰屏，黑屏，鼠标大黑叉等现象，详细见文档。
基于深度学习YOLOv10的扑克牌识别检测系统（YOLOv10+YOLO数据集+UI界面+Python项目源码+模型）
本项目基于YOLOv10目标检测算法开发了一套高精度的扑克牌识别检测系统，能够准确识别和定位52种标准扑克牌（包括13个点数×4种花色）。系统在包含24,233张图像的数据集上进行了训练和验证，其中训练集21,203张，验证集2,020张，测试集1,010张。该系统可实时检测扑克牌的种类、位置和数量，可广泛应用于赌场监控、扑克游戏自动计分、魔术教学分析、智能机器人抓取等多个领域，具有重要的实用价值和商业前景。
最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版
Part-E1-SDIO-Specification-Ver4.00-Final-120220.pdf：最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版，包括SDIO 接口的外设，SDIO 接口官方协议等。
jre9下载 jdk9
(Java SE Runtime Environment 9.0) 9.0u175 官方最新版 【x86|x64】
2024年最新YOLO系列目标检测数据集大全_yolo数据集(1)
1、YOLO行人跌倒检测数据集，7500多张使用lableimg标注软件，标注好的真实场景的高质量图片数据，图片格式为jpg，标签有两种，分别为VOC格式和yolo格式，分别保存在两个文件夹中，可以直接用于YOL摔倒的行人识别，可以区分和识别到跌倒的行人和正常的行人，数据场景丰富，类别名为跌倒fall和正常状态的行人person，一共两个类别。类别为metal、wood、platstic、rubber、cloth等多个类别目标。目标类别名为QR_code，数据场景丰富，大部分图片中包含有多个二维码目标。
YOLO如何应对尺度变化大的目标？特征金字塔解析
面对复杂场景中大小差异悬殊的目标，YOLO从v3起引入特征金字塔（FPN）与PAN结构，通过多尺度特征融合实现分层检测。不同层级各司其职，结合锚框绑定与动态训练策略，显著提升小目标识别能力，推动检测模型从统一处理向分而治之转变。
Android开发—基于OpenCV实现相机实时图像识别跟踪
利用OpenCV实现实时图像识别和图像跟踪图像识别什么是图像识别图像识别的研究现状Android图像识别相关技术基于OpenCV实现实现思路代码部分权限设置界面设计主要逻辑代码实现效果图结语 图像识别 什么是图像识别 图像识别，是指利用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对像的技术。根据观测到的图像，对其中的物体分辨其类别，做出有意义的判断。利用现代信息处理与计算技术来模拟和完成人类的认识、理解过程。一般而言，一个图像识别系统主要由三个部分组成，分别是：图像分割、图像特征提取以及分类
基于YOLOv10的蜜蜂识别检测系统（YOLOv10深度学习+YOLO数据集+UI界面+Python项目源码+模型）
本项目基于新一代YOLOv10目标检测框架，开发了一套高精度的蜜蜂识别检测系统，专门用于在各种复杂自然场景中准确识别蜜蜂个体。系统采用包含8,080张高质量蜜蜂图像的专业数据集进行训练和评估，其中训练集5,640张，验证集1,604张，测试集836张。该检测系统实现了在密集蜂群场景下对单个蜜蜂的精准识别，能够有效应对蜜蜂快速移动、相互遮挡以及复杂背景等挑战。系统可广泛应用于智慧农业、生态监测、生物研究以及蜂业自动化管理等多个领域，为蜜蜂种群监测和蜂业智能化发展提供可靠的技术支持。
PaddlePaddle Detection套件支持的目标检测算法全览
PaddleDetection提供从YOLO到RT-DETR的全系列算法，兼顾精度与速度，支持配置化开发、端到端训练部署。其动静统一架构、中文友好生态和工业级优化，让开发者在质检、安防等场景快速落地高性能检测系统，真正实现低门槛、高效率的AI应用。
基于深度学习YOLOv10的安全背心穿戴识别检测系统（YOLOv10+YOLO数据集+UI界面+Python项目源码+模型）
本项目基于YOLOv10目标检测算法开发了一套安全背心穿戴识别检测系统，专门用于识别工作人员是否按规定穿着安全背心。系统包含两个检测类别："vest"(穿着安全背心)和"no-vest"(未穿安全背心)。项目使用自定义数据集进行训练，其中训练集包含2728张图像，验证集779张图像，测试集390张图像，总计3897张标注图像。该系统可广泛应用于建筑工地、矿区、交通指挥等需要强制穿戴安全背心的高危作业场所，通过实时视频监控自动检测人员着装合规性，显著提升安全管理效率，降低因未穿戴防护装备导致的安全事故风险。
基于深度学习YOLOv10的汽车损坏识别检测系统（YOLOv10+YOLO数据集+UI界面+Python项目源码+模型）
本项目基于前沿的YOLOv10目标检测算法，开发了一套高精度的汽车损坏识别检测系统，专门用于快速准确地识别车辆各类损伤情况。系统采用包含11,675张高质量汽车损伤图像的专业数据集进行训练和评估，其中训练集10,218张，验证集971张，测试集486张。该检测系统实现了对汽车刮擦、凹陷、裂纹、破碎等多种损伤类型的精准识别，可广泛应用于保险理赔、二手车评估、汽车维修厂质检、共享汽车运营管理以及自动驾驶安全监测等多个领域，为汽车后市场服务提供智能化技术解决方案。
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
1213
扫一扫
