- 博客(80)
- 资源 (2)
- 收藏
- 关注
RSS订阅原创 笔记本外接屏突然黑屏？我踩了 3 个坑，最后靠回退 N 卡驱动救了急
摘要： 作者的外接2K屏突然黑屏，排查发现是N卡驱动自动更新导致。尝试放电、更新驱动等方法无效后，通过回退驱动解决。关键步骤：设备管理器→N卡属性→回滚驱动→重启。经验总结：外接屏黑屏应先检查驱动更新，避免盲目更新N卡驱动，建议关闭自动更新功能。该问题常见于高负载场景（如跑模型），旧驱动往往更稳定。（149字）
2026-01-04 15:30:23
470
原创 深度学习归一化与激活函数终极指南：ReLU、BatchNorm与Normalize的深度解析
✅ transforms.Normalize = 数据的“身份证”（预处理，静态固定）✅ BatchNorm = 模型的“调光器”（训练层，动态自适应）✅ 三件套：Normalize + BatchNorm + ReLU✅ 顺序：卷积 → BatchNorm → ReLU✅ 时机：Normalize在数据预处理，BatchNorm在模型层组件作用效果Normalize统一输入数据分布与预训练模型一致，加速收敛BatchNorm稳定模型内部特征分布训练速度×2，准确率+5%ReLU。
2025-12-29 17:23:05
834
原创 图像预处理的“隐形守护者”：为什么我们要“减均值除以标准差”？
图像预处理中的“减均值除以标准差”标准化操作是提升AI模型性能的关键步骤。该操作通过消除亮度干扰、加速模型收敛和兼容预训练模型三大作用，让AI专注于学习物体本质特征而非表面亮度差异。文章澄清了常见误区（如将标准差误认为方差），并用苹果重量示例解释数学原理，强调标准差能直观反映数据离散程度。代码实践部分展示了如何正确计算自定义数据集的均值和标准差，并警告不要使用测试集数据。最后指出ImageNet的标准值仅适用于通用图像，特殊领域必须自行计算以获得最佳效果。
2025-12-29 14:30:16
229
原创 YOLOv8的前后处理全流程详解
本文深入解析了YOLOv8目标检测模型的前后处理全流程。前处理部分重点介绍了Letterbox缩放技术，通过等比例缩放和填充补边保持图像宽高比，避免目标变形，同时完成格式转换和归一化操作。后处理部分详细拆解了从模型输出到最终检测结果的5个关键步骤：张量解码、置信度过滤、DIoU-NMS去冗余和坐标还原，特别强调了DIoU-NMS在密集目标检测中的优势。文章还对比了训练与推理阶段处理的差异，并提供了参数调优和部署优化的实用建议。通过系统梳理前后处理的核心逻辑和技术细节，帮助读者深入理解YOLOv8的工程化实现
2025-12-22 11:45:53
734
原创 YOLOv8分类模型实战：从数据整理到模型部署全流程（附完整代码）
本文详细介绍了使用YOLOv8实现图像分类任务的全流程。主要内容包括：YOLOv8分类模型的优势（极简API、速度快、生态统一）、环境搭建指南、数据集的ImageNet格式要求及自动整理脚本、模型训练的核心代码与参数配置。文章以花卉分类为例，从数据准备到模型部署提供完整解决方案，特别适合需要快速实现分类任务的开发者。YOLOv8分类模型相比传统CNN在推理速度上提升30%以上，且支持多种部署格式，是轻量级分类任务的优选方案。
2025-12-12 14:05:08
678
原创 YOLOv8实例分割实战：从LabelMe标注到模型训练全流程
本文介绍了使用YOLOv8进行实例分割的完整流程，重点解决分散标注数据汇总和格式转换问题。文章首先阐述了YOLOv8在分割任务中的三大优势：极简API、高速推理和格式兼容性。随后详细讲解了5分钟快速搭建环境的步骤，包括创建Anaconda环境、安装核心依赖库和验证环境配置。数据准备部分提供了两个关键脚本：一个用于递归汇总分散存储的LabelMe标注文件和图片，另一个将LabelMe JSON格式转换为YOLOv8所需的分割标注格式，并自动划分训练集和验证集。整个过程强调实用性和可操作性，使读者能够快速将分散
2025-12-12 13:53:17
1116
原创 SegFormer算法详解
SegFormer是NVIDIA提出的高效Transformer语义分割框架，采用无位置编码的分层Transformer编码器和轻量级MLP解码器。其核心创新包括：1）重叠Patch嵌入实现多尺度特征提取；2）引入缩减比的高效注意力机制降低计算量；3）Mix-FFN隐式编码位置信息；4）纯MLP解码器仅0.3M参数。该框架提供从B0(3.8M)到B5(84.7M)的模型家族，B0在512×512分辨率下可达37FPS，在ADE20K等基准上以更少参数量实现SOTA性能，已成功应用于道路分割、地质识别等工业场
2025-10-27 14:55:07
1268
原创 Vision Transformer
摘要： Vision Transformer (ViT) 是一种基于纯Transformer架构的图像识别模型，由Google Research于2020年提出。其核心思想是将图像分割为多个块（patches），线性嵌入为向量序列后输入Transformer编码器，通过全局自注意力机制建模图像特征。ViT在大规模数据集（如JFT-300M）上表现优异，但需依赖大量数据以避免过拟合。模型结构包括Patch Embedding、位置编码和分类Token，典型变体包括DeiT、Swin Transformer等。
2025-10-27 11:49:27
1085
原创 FFN和MLP的区别
FFN（前馈网络）和MLP（多层感知机）在深度学习中常被混淆。MLP是广义的多层全连接网络，可任意设计层数和维度；而FFN特指Transformer中的两层MLP模块，具有固定结构（先升维后降维）和位置独立计算特性。简言之，FFN是MLP在Transformer中的专用实现形式，两者是包含关系而非并列概念。
2025-10-27 10:45:36
689
原创 segformer算法——Mix-FFN详细讲解
Mix-FFN（Mixed Feed-Forward Network）是 SegFormer 把“位置编码”这一老大难问题化繁为简的核心部件。下都能保持空间感知，既扔掉了位置编码的“插值包袱”，又给语义分割带来了 CNN 的局部归纳偏置——可谓“零成本”的位置编码替代方案。Mix-FFN 用“3×3 DWConv + 0-padding 泄露位置”这一极简偏方，让 Transformer 在。三、数学视角：为什么 3×3 就够了？五、实验效果：省参数、提速度、抗分辨率。一、设计动机：为什么不用位置编码？
2025-10-24 20:51:01
1104
原创 transformer原理
核心创新完全摒弃循环和卷积，仅依赖注意力机制建模序列。自注意力实现全局依赖建模，解决长距离依赖问题。并行计算极大提升训练效率，支持大规模模型训练。Transformer 通过自注意力机制实现序列元素间的全局、动态、并行交互，彻底颠覆了传统序列建模范式，成为现代人工智能大模型的通用基础架构。📚 原始论文：Ashish Vaswani et al.,
2025-10-13 16:23:52
797
原创 图像分割——DeepLabv3
DeepLabv3 是语义分割从“依赖后处理”走向“纯端到端”的里程碑。它通过ASPP + 全局上下文的设计，证明了 CNN 本身足以建模复杂上下文，无需 CRF。虽然 DeepLabv3+ 因其 Decoder 结构更常用于实际部署，但v3 的 ASPP 思想已成为现代分割模型的标准组件。
2025-10-13 14:44:52
968
原创 分割——双线性插值
|←0.4→先算左右（x方向）→ 得到 R1、R2再算上下（y方向）→ 得到 P这就是“双两次线性插值。双线性插值 = 用周围 4 个像素，按距离远近“调和”出中间点的颜色/值。在语义分割中，它就是那个把神经网络的“小图”放大成“大图”的魔法工具，简单、有效、可微，所以大家都用它。
2025-10-13 11:24:49
548
原创 YOLOv8——TAL（Task-Aligned Learning）
TAL（Task-Aligned Learning）是 YOLOv8 在训练阶段用来“挑正样本”的核心标签分配器。，从而解决 cls 与 reg 两只任务互相打脸的问题。下面按“原理 → 公式 → 流程 → 代码 → 与 YOLOv5 差异”5 步拆分。
2025-09-29 17:17:41
340
原创 YOLOv8 —— Anchor-Free 设计
摘要：Anchor-Free（无锚框）是目标检测的新范式，直接预测目标中心点和边界框参数，摒弃了传统Anchor-Based方法预设锚框的复杂流程。YOLOv8采用Anchor-Free设计，通过动态标签分配（TAL）和分布聚焦损失（DFL）优化训练，解决了传统方法依赖数据集先验、超参数敏感等问题。相比YOLOv5，YOLOv8结构更简洁，泛化能力更强，在跨域场景和小目标检测中表现更优。Anchor-Free简化了模型设计，提升了训练效率和检测精度，成为YOLOv8的核心创新之一。
2025-09-29 15:43:58
1260
原创 完整讲解YOLOv8 算法
YOLOv8是Ultralytics公司于2023年推出的新一代目标检测算法，采用单阶段实时检测框架，支持检测、分割、姿态估计和分类多任务。其核心创新包括：C2f主干模块增强特征复用，Anchor-Free设计简化模型，解耦检测头提升精度，DFL损失实现高精度定位，以及Task-Aligned Assigner优化正样本分配。相比前代，YOLOv8在精度、速度和易用性上均有提升，提供5种模型尺寸适应不同场景，并支持主流部署格式。该算法集成了"算法+工程+生态"优势，成为现代计算机视觉的综
2025-09-29 15:16:50
2492
原创 YOLOv8——DFL(Distribution Focal Loss)
DFL（Distribution Focal Loss）是一种让神经网络通过“预测概率分布”来实现高精度连续值回归的技术。它不直接猜一个精确小数，而是猜“这个数更靠近哪两个整数，各自占多少比例”。太少（如 2 个 bin）：只能分“左/右”，无法精确太多（如 100 个 bin）：模型负担重，容易过拟合17 个 bin（reg_max=16）对 640 像素图像，最小分辨率达4 像素通过插值可达亚像素精度计算开销小，效果最佳📊 实验验证：17 是精度与效率的最佳平衡点。
2025-09-29 14:57:27
1169
原创 从YOLOv5 → YOLOv13中所用到的IoU变体
YOLO系列目标检测模型的框回归损失函数演变：Ultralytics家族的v5/v7/v8/v11均采用CIoU；YOLOv6根据模型规模分别使用SIoU（小模型）和GIoU（大模型）；社区主导的v12和v13则分别切换为SIoU和EIoU作为默认选项，其中v13特别强调EIoU对微小目标定位的改进效果。整体呈现从传统CIoU向新型IoU变体过渡的趋势。
2025-09-28 17:39:10
198
原创 IoU及其变种完整总结：从基础到2025年最新进展
IoU变种发展综述（2019-2025）：从基础IoU到2025年最新进展，IoU变种持续优化目标检测性能。基础变种（GIoU/DIoU/CIoU）通过引入包围框空白、中心点距离和宽高比惩罚，解决原始IoU无重叠不可优化等问题。2021-2022年进阶变种（EIoU/SIoU/WIoU）针对小目标和旋转场景提出专用优化。2025年最新方法（CMF-IoU/DAPIoU）融合多模态数据并联合优化维度与角度误差，在自动驾驶和遥感领域表现突出。不同变种在计算复杂度、小目标精度和旋转支持等方面各有侧重，需根据具体场
2025-09-28 17:30:26
962
原创 YOLOv5从训练到推理的整个算法流程
YOLOv5的成功得益于其端到端的设计强大的数据增强（尤其是Mosaic）、高效的网络结构（CSPDarknet+PANet）以及精心设计的损失函数和后处理流程。训练：是一个通过数据和优化算法不断调整模型参数，以最小化损失函数的过程。推理：是利用固定模型进行预测，并通过后处理（主要是NMS）将密集预测转化为可用结果的过程。
2025-09-28 16:12:38
999
原创 YOLOv5 损失函数讲解：从故事到原理，从分配到加权
摘要：YOLOv5的损失函数体系通过"快递分拣中心"的类比生动阐释其工作原理。该系统将25200个预测框比作分拣员，通过三步策略筛选正负样本：1)定位目标邻近网格；2)匹配合适锚框尺寸；3)区分正负样本。损失函数包含三大组件：1)Box Loss(CIoU Loss)综合评估框的重叠度、中心对齐和形状相似度；2)Objectness Loss(BCEWithLogitsLoss)使用软标签机制评判置信度预测；3)Class Loss处理多分类任务。该设计有效解决了目标检测中的样本不平衡问
2025-09-28 15:20:54
1006
原创 BCEWithLogitsLoss
Sigmoid 激活函数：将模型输出的“原始 logits（无界实数）”压缩到(0,1)σx11e−xσx1e−x1常用于二分类任务中，输出“样本属于正类的概率”。BCELoss（二元交叉熵损失）BCELosspy−y⋅logp1−y⋅log1−pBCELosspy−y⋅logp1−y⋅log1−p)]其中，ppp是 Sigmoid 输出的概率，yyy。
2025-09-28 14:05:40
821
原创 yolov5中的anchor 的偏移量
一句话总结：YOLOv5不是直接预测目标框，而是基于预设的模板框（anchor），通过调整偏移量（tx,ty,tw,th）来微调框的位置和大小。 通俗比喻：就像贴海报时，先用墙上现成的网格模板框（anchor），再告诉助手“往右挪3cm，拉宽到34cm”（偏移量），而不是直接指定最终坐标。 关键点： Anchor：预先统计的常见框尺寸（如16×30），作为调整基准。 偏移量： tx/ty：中心点微调（如“偏右0.3格”）。 tw/th：宽高缩放倍数（如“宽度放大2.1倍”）。 优势：偏移量数值小（0~2范围
2025-09-28 10:45:07
881
原创 YOLOv5 完整技术流程详解（从输入到输出）
YOLOv5目标检测技术流程详解 YOLOv5是一种高效的单阶段目标检测算法，其完整流程包含预处理、网络结构、损失函数和后处理四大模块。预处理阶段通过图像格式转换、Letterbox无变形缩放、像素归一化等操作适配模型输入，训练时还加入Mosaic拼接等数据增强手段。网络采用CSPDarknet53骨干提取特征，PANet双向融合高低层特征，最后通过Anchor-Based检测头预测目标位置、类别和置信度。模型训练使用CIoU损失优化边界框回归，结合分类和置信度损失，实现端到端的高效检测。整个流程兼顾速度与
2025-09-26 14:27:56
1283
原创 FPN及其变种
FPN变体演进摘要（2017-2022） 背景：从基础FPN到16种改进方案，核心解决多尺度检测中的特征融合问题。 关键变体： PANet（2018）：双向路径增强，AP提升1.8-3.0 BiFPN（2020）：加权双向融合，EfficientDet核心，参数量最优 Recursive-FPN（2020）：循环结构提升小目标检测，AP_s +3.8 ASFF（2021）：动态空间权重融合，YOLOv3提升4.3 AP A²-FPN（2021）：三路注意力机制，分割任务显著受益 实验数据： 最佳绝对AP提升
2025-09-26 10:34:23
1050
原创 fpn中的顶部介绍
在计算机视觉和目标检测中，“顶部”指网络中靠近输出端的特征层，具有最高语义级别和最小空间分辨率（如FPN中的C5层）。它与“底部”低层特征形成对比，代表最抽象的信息。关键点：1）与图像位置无关；2）网络越深越“顶”；3）FPN的“自顶向下”路径从C5开始。这一概念适用于CNN和Transformer等架构。
2025-09-25 17:12:15
184
原创 vscode 无法连接到ssh
在win11中vscode 远程 SSH 连接失败这表明 VS Code 无法从服务器返回的输出中解析出远程端口号，这是连接失败的主要原因。这显示远程服务器上的 VS Code 执行服务器进程未能正常启动。
2025-06-13 09:25:38
748
原创 在WSL中的Ubuntu发行版上安装Anaconda、CUDA、CUDNN和TensorRT
本文详细介绍了在Windows 11的WSL（Windows Subsystem for Linux）环境中安装Anaconda、CUDA、CUDNN和TensorRT的步骤。首先，确保电脑已安装NVIDIA驱动，并通过WSL安装Ubuntu。接着，依次安装Anaconda、CUDA 12.4、CUDNN 8.9.7和TensorRT 9.1.0及以上版本。每个步骤包括下载、安装、设置环境变量和验证安装的详细命令。此外，还提供了NVIDIA驱动的卸载方法。通过本文，用户可以在WSL环境中成功配置深度学习开发
2025-05-17 19:22:32
1291
原创 如何迁移 WSL 卸载 Ubuntu WSL
本文详细介绍了如何将 WSL 上的 Ubuntu 22.04 LTS 从 C 盘迁移到 D 盘，以及如何卸载 Ubuntu 20.04 WSL。迁移步骤包括查看 WSL 状态、停止 WSL 运行、导出备份、注销现有 WSL、导入备份到新位置以及恢复默认用户。卸载步骤则通过 Windows 设置或 Windows 终端进行，包括查看已安装的 WSL 发行版、注销并确认卸载成功。这些操作可根据实际情况调整命令和路径。
2025-05-14 17:24:19
1185
原创 在vscode中使用ruff检查python代码和格式化
Ruff 是一个用 Rust 编写的高效 Python 代码检查与格式化工具，能够替代 Flake8、Black 等工具，并提供更快的执行速度。本文详细介绍了如何在 Visual Studio Code 中配置 Ruff 扩展。首先，通过 VS Code 扩展商店安装 Ruff 扩展，并使用 pip install ruff 命令安装 Ruff 工具。接着，通过 pyproject.toml 或 .ruff.toml 文件配置 Ruff 的规则，如行长度、启用规则集等。然后，在 VS Code 的 sett
2025-05-10 15:13:59
3025
原创 反向传播算法
反向传播算法通过计算损失函数对网络参数的梯度，并利用梯度下降法更新参数，从而最小化损失函数。这个过程包括前向传播、计算梯度、反向传播梯度和更新参数。通过不断迭代这个过程，神经网络可以逐渐学习到数据中的模式，从而提高模型的性能。
2025-03-21 14:50:09
662
原创 最小二乘法
最小二乘法（Least Squares Method）是一种数学优化技术，它通过最小化误差的平方和来寻找一组数据的最佳函数匹配。这种方法常用于线性回归分析中，用于估计线性模型的参数。最小二乘法的基本思想是：找到一个函数，使得所有数据点到这个函数的垂直距离的平方和最小。
2025-03-21 11:24:44
227
原创 切线、斜率、梯度和导数以及其关系
导数：描述单变量函数在某一点的变化率，是函数在该点的切线斜率。梯度：描述多变量函数在某一点的变化率，是一个向量，其方向是函数增加最快的方向，大小表示变化率。关系：单变量函数的导数是梯度的特例，多变量函数的梯度是偏导数的集合。应用：在优化问题中，通过求导（单变量）或梯度（多变量）并令其为零，可以找到函数的极值点。
2025-03-20 17:04:34
2509
1
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人