<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[no_work的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/no_work</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; no_work]]></copyright><item><title><![CDATA[yolo摄像头下的目标检测识别集合]]></title><link>https://blog.youkuaiyun.com/no_work/article/details/159355227</link><guid>https://blog.youkuaiyun.com/no_work/article/details/159355227</guid><author>no_work</author><pubDate>Sun, 22 Mar 2026 20:57:51 +0800</pubDate><description><![CDATA[本文介绍了多个基于Python深度学习的目标检测与图像分割项目，包括墙体裂缝检测(174)、积水检测(173)、花卉识别(172)、蔬菜识别(167)和船舶检测(169)。这些项目均采用深度学习算法，并支持摄像头实时识别功能。研究展示了深度学习在计算机视觉领域的多样化应用，从建筑质量评估到农业识别和海上目标检测，体现了该技术在解决实际问题中的广泛适用性。每个项目都提供了完整的实现方案，可作为相关领域研究的参考案例。]]></description><category></category></item><item><title><![CDATA[python_cnn对wav音频识别集合]]></title><link>https://blog.youkuaiyun.com/no_work/article/details/159355184</link><guid>https://blog.youkuaiyun.com/no_work/article/details/159355184</guid><author>no_work</author><pubDate>Sun, 22 Mar 2026 20:54:57 +0800</pubDate><description><![CDATA[摘要：本文介绍了一系列基于Python深度学习的音频识别项目，涵盖动物声音识别（猫叫、狗叫、鸟鸣等）、语音识别（数字、英文单词）、音乐分类和环境声音识别等多个领域。这些项目主要采用卷积神经网络(CNN)等深度学习技术，实现了对各类声音特征的提取和分类，展示了深度学习在音频处理领域的广泛应用。项目内容涉及动物异常声音检测、说话情感识别等细分方向，为声音识别研究提供了实践案例。]]></description><category></category></item><item><title><![CDATA[万能图像处理小助手1.1_傅里叶变化_椒盐噪声_直方图均衡等图片批量处理]]></title><link>https://blog.youkuaiyun.com/no_work/article/details/159322761</link><guid>https://blog.youkuaiyun.com/no_work/article/details/159322761</guid><author>no_work</author><pubDate>Sat, 21 Mar 2026 20:47:42 +0800</pubDate><description><![CDATA[这是一款基于Python的万能图像处理工具，支持批量处理多种图像增强功能。程序通过main.py运行，包含傅里叶变换、椒盐噪声添加、直方图均衡等多种处理选项。使用流程简单：先加载图片文件夹，选择处理功能，最后保存转换后的图像到指定位置。该工具适合需要批量处理图像增强和扩增的用户，只需安装Python环境即可运行。]]></description><category></category></item><item><title><![CDATA[通过人工智能技术识别鸟类品种pyqt界面和网页版本]]></title><link>https://blog.youkuaiyun.com/no_work/article/details/159322742</link><guid>https://blog.youkuaiyun.com/no_work/article/details/159322742</guid><author>no_work</author><pubDate>Sat, 21 Mar 2026 20:45:57 +0800</pubDate><description><![CDATA[本文介绍了一个基于人工智能的鸟类识别系统，包含数据集处理、模型训练和可视化界面三个模块。用户需先运行文本生成脚本处理图片路径，然后训练模型，最后通过PyQt界面进行图像识别。系统要求安装Python和PyTorch环境，具体安装方法可参考相关博客。该项目提供了从数据处理到实际应用的全流程解决方案，支持本地和网页端运行。]]></description><category></category></item><item><title><![CDATA[基于python的hog+svm实现混凝土裂缝目标检测]]></title><link>https://blog.youkuaiyun.com/no_work/article/details/159322721</link><guid>https://blog.youkuaiyun.com/no_work/article/details/159322721</guid><author>no_work</author><pubDate>Sat, 21 Mar 2026 20:44:32 +0800</pubDate><description><![CDATA[本文介绍了基于Python的HOG+SVM方法实现混凝土裂缝检测的系统。该系统包含三个功能模块：01.py用于训练数据文件夹中的图片，02.py支持单张图片预测，03.py则生成PyQt交互界面，可通过按钮操作加载并检测目标图片。该系统为混凝土裂缝识别提供了完整的解决方案，从模型训练到实际应用，操作简便且具有可视化交互功能。]]></description><category></category></item><item><title><![CDATA[基于yolo深度学习的混凝土裂缝检测]]></title><link>https://blog.youkuaiyun.com/no_work/article/details/159322698</link><guid>https://blog.youkuaiyun.com/no_work/article/details/159322698</guid><author>no_work</author><pubDate>Sat, 21 Mar 2026 20:42:37 +0800</pubDate><description><![CDATA[本文介绍了一种基于深度学习的混凝土裂缝检测系统。该系统包含四个主要功能模块：01makeTxt.py用于将图片路径保存至文本文件；02train.py读取文本路径进行模型训练；03detector_photo.py实现单张图片识别；04pyqt界面.py提供可视化界面，支持图片加载和裂缝检测功能。这套系统实现了从数据处理、模型训练到实际应用的全流程解决方案。]]></description><category></category></item><item><title><![CDATA[卷积神经网络cnn图像识别项目合集]]></title><link>https://blog.youkuaiyun.com/no_work/article/details/159085862</link><guid>https://blog.youkuaiyun.com/no_work/article/details/159085862</guid><author>no_work</author><pubDate>Sun, 15 Mar 2026 18:40:41 +0800</pubDate><description><![CDATA[本文展示了多个基于深度学习的计算机视觉检测项目，包括小样本数据检测、核桃品质检测、安全带佩戴检测、农业病虫害检测和水果品质检测等。这些项目运用了CNN卷积神经网络等深度学习技术，并采用Python实现，部分项目还包含PyQt界面设计。研究涉及多种模型对比分析，展示了深度学习在农产品质量检测和安全监控等领域的应用潜力，为相关领域提供了技术参考方案。]]></description><category></category></item><item><title><![CDATA[python-深度学习快速入门实战-数据集和源码]]></title><link>https://blog.youkuaiyun.com/no_work/article/details/159085820</link><guid>https://blog.youkuaiyun.com/no_work/article/details/159085820</guid><author>no_work</author><pubDate>Sun, 15 Mar 2026 18:36:55 +0800</pubDate><description><![CDATA[本文介绍了多个基于深度学习的计算机视觉应用项目，包括蝴蝶品种识别系统（网页版和PyQt界面）、水下渔网目标检测、HWDB手写汉字识别、中药饮片识别小程序、扫地机器人垃圾检测以及手指静脉识别系统。这些项目展示了深度学习在图像分类、目标检测等领域的广泛应用，涵盖了生物识别、工业检测、医疗辅助等多个应用场景。所有项目均已在哔哩哔哩平台发布演示视频。]]></description><category></category></item><item><title><![CDATA[深度学习结合小程序使用项目合集]]></title><link>https://blog.youkuaiyun.com/no_work/article/details/158975514</link><guid>https://blog.youkuaiyun.com/no_work/article/details/158975514</guid><author>no_work</author><pubDate>Thu, 12 Mar 2026 19:02:19 +0800</pubDate><description><![CDATA[本文介绍了多个基于深度学习的智能检测小程序开发案例，涵盖花卉检测(156)、番茄病害检测(088)、手势识别(083)、农业病虫害检测(081)、香蕉成熟度检测(079)等应用场景。这些项目采用CNN等深度学习技术，部分结合PyQt框架，实现了从图像分类到目标检测的多种功能，展示了深度学习在农业、人机交互等领域的实际应用价值。每个案例均包含详细的技术实现方案和小程序版本展示。]]></description><category></category></item><item><title><![CDATA[python深度学习目标检测小项目合集]]></title><link>https://blog.youkuaiyun.com/no_work/article/details/158975471</link><guid>https://blog.youkuaiyun.com/no_work/article/details/158975471</guid><author>no_work</author><pubDate>Thu, 12 Mar 2026 18:57:28 +0800</pubDate><description><![CDATA[本文展示了多个基于深度学习的计算机视觉项目，包括YOLOv8目标检测（含数据集训练和PyQt交互界面）、Python实现的睁眼闭眼检测、深海鱼类检测、YOLOv7鱼类检测以及Faster-RCNN蜜蜂检测。这些项目涵盖了不同领域的目标识别应用，均采用主流深度学习框架实现，并通过Bilibili平台分享了相关技术内容。项目涉及多种检测算法和不同场景，展现了深度学习在计算机视觉领域的广泛应用。]]></description><category></category></item><item><title><![CDATA[基于python深度学习对汉字进行识别合集]]></title><link>https://blog.youkuaiyun.com/no_work/article/details/158852928</link><guid>https://blog.youkuaiyun.com/no_work/article/details/158852928</guid><author>no_work</author><pubDate>Mon, 09 Mar 2026 22:15:38 +0800</pubDate><description><![CDATA[本文介绍了一系列基于不同神经网络模型的中文手写文字识别系统，包括Mobilenet、ShuffleNet、ResNet和LeNet5等多种卷积神经网络。这些系统分别针对单字识别、整句识别和多行文字识别等不同应用场景，均采用Python语言实现，并在HWDB手写汉字数据集上进行训练和测试。实验结果表明，这些模型都能有效实现中文手写文字的识别功能，其中部分系统还支持摄像头实时识别功能。]]></description><category></category></item><item><title><![CDATA[基于python预测含MLP决策树LGBM随机森林XGBoost等]]></title><link>https://blog.youkuaiyun.com/no_work/article/details/158852840</link><guid>https://blog.youkuaiyun.com/no_work/article/details/158852840</guid><author>no_work</author><pubDate>Mon, 09 Mar 2026 22:11:13 +0800</pubDate><description><![CDATA[本文介绍了四个基于机器学习的预测模型应用案例：1)使用机器学习预测学生考试成绩；2)运用Python中的MLP、决策树、LGBM、随机森林和XGBoost等算法预测牛奶品质；3)利用Python预测螃蟹年龄；4)采用多种机器学习方法预测葡萄酒品质。这些案例展示了机器学习在不同领域的实际应用，涵盖了从教育评估到食品质量检测等多个场景。所有案例均使用Python实现，并涉及多种经典机器学习算法。]]></description><category></category></item><item><title><![CDATA[python深度学习对表面缺陷瑕疵坑洼检测合集]]></title><link>https://blog.youkuaiyun.com/no_work/article/details/158704670</link><guid>https://blog.youkuaiyun.com/no_work/article/details/158704670</guid><author>no_work</author><pubDate>Thu, 05 Mar 2026 21:58:17 +0800</pubDate><description><![CDATA[摘要：三个基于深度学习的视觉检测项目，分别使用YOLO目标检测技术实现路面坑洼识别（163）、深度学习模型完成表面缺陷检测与分割（162），以及手机屏幕缺陷检测（161）。这些项目展示了深度学习在工业质检和道路维护领域的应用，均通过哔哩哔哩平台分享了实现过程和技术细节。]]></description><category></category></item><item><title><![CDATA[基于yolo11实现目标检测和图像分割实战]]></title><link>https://blog.youkuaiyun.com/no_work/article/details/158704596</link><guid>https://blog.youkuaiyun.com/no_work/article/details/158704596</guid><author>no_work</author><pubDate>Thu, 05 Mar 2026 21:55:26 +0800</pubDate><description><![CDATA[本文介绍了三个基于Python深度学习的图像分割检测项目：墙体裂缝检测（含摄像头识别）、积水区域检测（含摄像头识别）和花卉图像分割识别（含摄像头识别）。这些项目均采用深度学习技术实现目标图像分割，并整合摄像头实时检测功能。项目演示视频已发布在哔哩哔哩平台，展示了从图像处理到实时识别的完整流程。]]></description><category></category></item><item><title><![CDATA[基于深度学习python pytorch对声音音频识别]]></title><link>https://blog.youkuaiyun.com/no_work/article/details/158623075</link><guid>https://blog.youkuaiyun.com/no_work/article/details/158623075</guid><author>no_work</author><pubDate>Tue, 03 Mar 2026 21:59:10 +0800</pubDate><description><![CDATA[本文介绍了5个基于Python深度学习的语音识别项目，包括动物异常声音识别、数字语音识别、英文单词识别，以及针对狗叫和猫叫的特定声音识别。这些项目展示了深度学习在音频处理领域的应用，通过神经网络模型实现了对不同类型声音特征的提取和分类。每个项目都配有详细的视频教程链接，为开发者提供了实用的技术参考和实现方案。]]></description><category></category></item><item><title><![CDATA[多个基于cnn卷积网络识别的学习项目]]></title><link>https://blog.youkuaiyun.com/no_work/article/details/158622973</link><guid>https://blog.youkuaiyun.com/no_work/article/details/158622973</guid><author>no_work</author><pubDate>Tue, 03 Mar 2026 21:54:26 +0800</pubDate><description><![CDATA[本文介绍了三个基于CNN卷积神经网络的图像识别项目：11种花卉识别（含PyQt网页和小程序界面）、10种蔬菜识别和10种水果识别。这些项目均采用Python实现，展示了CNN在植物分类领域的应用。每个项目都包含完整的实现过程，从数据预处理到模型训练，并提供了可视化界面（Web或小程序）用于实际应用。这些案例为深度学习在农业和园艺领域的智能化识别提供了实践参考。]]></description><category></category></item><item><title><![CDATA[基于CNN深度学习的卷积神经网络图像识别小程序版9部合集-python-pytorch]]></title><link>https://blog.youkuaiyun.com/no_work/article/details/158539460</link><guid>https://blog.youkuaiyun.com/no_work/article/details/158539460</guid><author>no_work</author><pubDate>Sun, 01 Mar 2026 15:03:41 +0800</pubDate><description><![CDATA[本文介绍了一系列基于CNN卷积神经网络的图像识别小程序合集，涵盖水果、中草药、服装、柑橘品级、人脸年龄、香蕉成熟度、手势和花卉等多个领域的识别应用。所有项目均采用Python环境下的PyTorch深度学习框架，通过01.py划分数据集，02.py训练模型并保存为ckpt格式，03flask.py生成HTTP接口实现与微信小程序的交互。用户可通过小程序上传图片，经由HTTP传输至后端进行识别，结果再返回前端显示。详细环境配置可参考优快云博客相关教程。]]></description><category></category></item><item><title><![CDATA[基于CNN卷积神经网络图像识别28个识别项目合集-视频介绍下自取]]></title><link>https://blog.youkuaiyun.com/no_work/article/details/158539275</link><guid>https://blog.youkuaiyun.com/no_work/article/details/158539275</guid><author>no_work</author><pubDate>Sun, 01 Mar 2026 14:59:39 +0800</pubDate><description><![CDATA[本文介绍了一系列基于Python和PyTorch框架的深度学习图像识别项目，采用统一的开发流程：1)划分训练/验证集；2)训练CNN模型并保存为.ckpt格式；3)通过PyQt构建可视化界面。应用场景涵盖医学（COVID CT分类、舌象病变检测）、工业（屏幕缺陷识别、安全带检测）、农业（病虫害检测、水果品质评估）以及生活领域（宠物识别、垃圾分类）。所有项目均采用卷积神经网络，部分包含多模型对比，并实现了从数据预处理到应用部署的完整解决方案。环境配置可参考统一教程，体现了深度学习在跨领域图像识别中的标准化应用]]></description><category></category></item><item><title><![CDATA[基于CNN深度学习的小程序识别-视频介绍下自取]]></title><link>https://blog.youkuaiyun.com/no_work/article/details/149841724</link><guid>https://blog.youkuaiyun.com/no_work/article/details/149841724</guid><author>no_work</author><pubDate>Fri, 01 Aug 2025 21:16:36 +0800</pubDate><description><![CDATA[基于python语言，pytorch框架下运行，代码包括数据集和训练部分，训练好的模型通过flask与本地电脑上的微信开发者者工具上小程序进行传输图片，交互识别结果。]]></description><category></category></item><item><title><![CDATA[基于crnn的中文汉字识别]]></title><link>https://blog.youkuaiyun.com/no_work/article/details/148725428</link><guid>https://blog.youkuaiyun.com/no_work/article/details/148725428</guid><author>no_work</author><pubDate>Tue, 17 Jun 2025 22:39:56 +0800</pubDate><description><![CDATA[本代码是python语言crnn训练连续的中文汉字，通过01进行数据集训练，python语言，pytorch框架，使用的crnn进行算法训练。运行03是pyqt界面，可以通过点击按钮，加载想要识别的图片去识别。]]></description><category></category></item></channel></rss>