<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[perdonare的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/perdonare</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; perdonare]]></copyright><item><title><![CDATA[Claude Code 薅羊毛指南 + API 统一管理（cc switch 实战）]]></title><link>https://blog.youkuaiyun.com/perdonare/article/details/158885571</link><guid>https://blog.youkuaiyun.com/perdonare/article/details/158885571</guid><author>perdonare</author><pubDate>Tue, 10 Mar 2026 15:07:55 +0800</pubDate><description><![CDATA[Claude Code 薅羊毛指南 + API 统一管理（cc switch 实战）]]></description><category></category></item><item><title><![CDATA[YOLOv10obb通过分类添加角度分支(四分类：0°、90°、180°、270°)]]></title><link>https://blog.youkuaiyun.com/perdonare/article/details/147204752</link><guid>https://blog.youkuaiyun.com/perdonare/article/details/147204752</guid><author>perdonare</author><pubDate>Mon, 14 Apr 2025 10:59:06 +0800</pubDate><description><![CDATA[官方的YOLOv10obb是以回归添加角度分支，识别每一微小度数，适用于多个角度检测。本文是以分类添加角度分支，为特定的样本中的角度设计。但样本中角度固定，采用分类添加角度会有更好的效果。该设计可广泛应用于对目标姿态敏感的大角度任务场景，如文档分析、交通标志识别等。]]></description><category></category></item><item><title><![CDATA[SEMv2 表格结构识别]]></title><link>https://blog.youkuaiyun.com/perdonare/article/details/147066043</link><guid>https://blog.youkuaiyun.com/perdonare/article/details/147066043</guid><author>perdonare</author><pubDate>Tue, 08 Apr 2025 14:13:44 +0800</pubDate><description><![CDATA[SEMv2: Table Separation Line Detection Based on Instance Segmentation(Pattern Recognition 2024)
github中无法复现，并且没有给出标签文件train.lrc的生成
本文将进一步学习和复现SEMv2，并提出优化方案]]></description><category></category></item><item><title><![CDATA[YOLOv10结构化通道剪枝+微调]]></title><link>https://blog.youkuaiyun.com/perdonare/article/details/147047011</link><guid>https://blog.youkuaiyun.com/perdonare/article/details/147047011</guid><author>perdonare</author><pubDate>Tue, 08 Apr 2025 11:00:28 +0800</pubDate><description><![CDATA[本项目基于官方提供的 YOLOv8 剪枝方案，构建了适用于 YOLOv10 的结构化通道剪枝代码。在不修改 YOLOv10 原始源码的前提下，仅通过新增prune.py以及少量模块适配文件，实现剪枝与后续训练的无缝集成。]]></description><category></category></item></channel></rss>