- 博客(49)
- 资源 (2)
- 收藏
- 关注
RSS订阅
原创 git使用记录学习
文章目录一、Git使用基本操作二、 远程仓库中分支存在三、git 为什么要先commit，然后pull，最后再push？而不是commit然后直接push？一、Git使用基本操作配置环境：1、通过git init命令把某个目录变成Git可以管理的仓库；2、生成公钥秘钥：ssh key ssh-keygen -t rsa -C “for example@163.com”（邮箱）3、在GitHub的Setting中配置公钥3、 关联远程gith的用户名和邮箱$ git config --globa
2021-01-29 15:39:10
281
原创 markdown编辑器记录学习
这里写自定义目录标题欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入欢迎使用Markdown编辑器你好！ 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Mar
2020-10-24 17:16:47
568
1
原创 隐马尔科夫模型的概述－jieba应用
文章目录１．概述２．理论描述2.1 HMM五元组2.2 HMM三个基本问题及三个假设2.3 解决问题算法３ 整体过程3.1 简单的分词过程４．应用方式4.1 简单的中文分词4.2 词性标注问题5.jieba分词中的HMM5.1 中文分词的介绍6．应用代码１．概述 隐马尔可夫模型(HMM)是可用于标注问题的统计学习模型，描述由隐藏的马尔科夫链随机生成观测序列的过程，属于生成模型，被认为是解决大多数自然语言处理问题最快速、有效的方法；２０世纪７０年代被应用在语音处理上，后被广泛应用在汉语自动分词、词性标注
2020-07-30 14:14:37
1193
原创 pycharm软件的快捷操作
pycharm常用快捷键与设置pycharm高频率使用的快捷键Ctrl+Shift+F10 运行当前的页面Ctrl + / 注释(取消注释)选择的行Ctrl+Shift+F 高级查找Shift + Enter 开始新行TAB Shift+TAB 缩进/取消缩进所选择的行Ctrl + Y 删除当前插入符所在的行Ctrl + D 复制当前行、或者选择的块Ctrl + Shift + J 合并行Delete 删除到字符结尾Backspace 删除到字符的开始Ctrl + NumPad+/-
2020-06-03 11:13:20
235
原创 视觉系统大作战：构建完美视觉的实战技巧
在当今高度自动化的工业生产领域，机器视觉技术宛如一颗璀璨的明珠，正发挥着不可替代的关键作用。想象一下，在一条高速运转的电子产品生产线上，一个个微小的零部件在精密的机械手中有序组装，而确保每一个零部件都精准无误地安装到位的，正是机器视觉系统那如同 “智慧之眼” 般的精准感知和判断能力。机器视觉，简单来说，就是让机器拥有类似人眼的视觉功能，能够对。它作为现代工业自动化的重要组成部分，正深刻地改变着传统工业生产模式。
2025-02-20 10:49:52
775
原创 YOLOV5网络目标检测实践
问题现象解决方案减小 --batch-size，增加 --img-size训练 loss 不下降检查数据标注质量，调整学习率（--lr0）验证 mAP 低增加训练数据量，调整数据增强策略推理速度慢使用更小模型（yolov5n/s），启用 TensorRT类别不平衡使用 --weights 加载预训练模型，调整损失权重。
2025-02-13 20:45:00
869
原创 104页 | 清华出品DeepSeek教程！（包含相关资料可下载）
公司专注于开发高效、低成本的AI模型，强调算法创新与开源策略，其模型性能对标国际头部产品（如OpenAI），但研发成本仅为行业平均的零头（约600万美元）。文档的核心内容围绕DeepSeek的技术特点、应用场景、使用方法以及如何通过提示语设计提升AI使用效率等方面展开，帮助用户从入门到精通DeepSeek的使用。主要成就 模型突破：推出DeepSeek-R1（纯强化学习驱动的推理模型）和DeepSeek-V2（多语言预训练模型），后者因“极致性价比”引发行业关注，并登顶全球多个应用市场下载榜。
2025-02-12 15:04:13
333
原创 Ubuntu 20.04下MySQL 8.4.3 LTS离线安装全攻略
本文详细阐述了在Ubuntu 20.04操作系统上离线安装MySQL 8.4.3 LTS版本的全过程。文章首先介绍了环境配置和前期准备工作，确保系统具备安装MySQL所需的各项条件。接着，指导用户如何下载MySQL的安装包，并将其上传到目标服务器上。文章详细说明了用户与权限的设置步骤，确保MySQL服务能够以正确的用户身份运行，同时保障系统的安全性。随后，逐步介绍了MySQL的安装与配置过程，包括如何解压安装包、设置配置文件、初始化数据库等关键步骤。
2025-01-10 17:10:54
982
原创 基于深度学习的维修工具检测识别系统
在机械的交响与电子的脉冲交织的工业及生活场景里，设备的正常运转宛如稳固的基石，支撑着生产的高效推进与生活的便捷有序。而维修工具，无疑是工匠们手中紧握的 “魔法棒”，挥动间决定着故障能否被精准驱散。但这根 “魔法棒” 自身若失准、带伤，那修复的愿景便可能沦为泡影，甚至引发新的混乱。日常维修涵盖的范畴极广，小到家庭电路跳闸后简易电笔对保险丝的排查，大至工厂流水线复杂机械故障时各类扳手、量具对关键部件的拆解与测量；电子设备维修中，精密螺丝刀用以拆解手机主板探寻芯片虚焊，汽车养护时套筒扳手拆卸轮胎螺母保障行车安全。
2025-01-08 08:30:00
729
翻译 FoundationPose复现及Realsense应用
FoundationPose是一个统一的基础模型，用于6D对象姿态估计和跟踪，支持基于模型和无模型的设置。在测试时可以立即应用于未见过的新对象，无需微调，只要给出其CAD模型，或者捕获少量RGBD参考图像。得益于统一框架，下游姿态估计模块在两种3D模型设置中都是相同的，当没有CAD模型时，使用神经隐式表示进行高效的新视角合成。通过大规模合成训练，辅以大型语言模型（LLM）、一种基于transformer的新架构和对比学习公式，实现了强大的泛化能力。
2024-12-17 17:00:00
212
原创 基于深度学习的交通标志智能检测识别系统
基于深度学习，训练了一个进行交通标志智能检测与识别的目标检测模型并基于此模型开发了一款带UI界面的交通标志智能检测与识别系统，可用于实时检测场景中的不同交通标志，更方便进行功能的展示。该系统是基于python3.8.10与pyside6开发的，支持图片、视频以及摄像头进行目标检测，并保存检测结果。
2024-10-24 08:30:00
1634
原创 基于深度学习的番茄叶疾病检测识别系统
支持图片、视频及摄像头进行检测，同时支持图片的批量检测；界面可实时显示目标位置、目标总数、置信度、用时等信息;支持图片或者视频的检测结果保存；通过网络上搜集关于实际场景中番茄叶疾病的相关图片，并使用Labelimg标注工具对每张图片进行标注，分7个检测类别，分别是[] 最终数据集一共包含700多张图片，其中训练集包含645张图片，验证集包含61张图片，测试图片31张。部分图像及标注如下图所示：YOLO（You Only Look Once）是一种流行的计算机视觉算法，用于实现实时对象检测。
2024-09-25 17:38:26
1853
原创 基于YOLOv8/YOLOv9/YOLOv10的河道漂浮物检测识别系统
支持图片、视频及摄像头进行检测，同时支持图片的批量检测；界面可实时显示目标位置、目标总数、置信度、用时等信息;支持图片或者视频的检测结果保存；通过网络上搜集关于实际场景中水上目标物的相关图片，并使用Labelimg标注工具对每张图片进行标注，分8个检测类别，分别时[] 最终数据集一共包含2400张图片，其中训练集包含1920张图片，验证集包含240张图片，测试图片240张。部分图像及标注如下图所示：YOLO（You Only Look Once）是一种流行的计算机视觉算法，用于实现实时对象检测。
2024-09-20 15:30:00
1922
原创 基于YOLOv8/YOLOv9/YOLOv10的河道漂浮物检测识别系统
支持图片、视频及摄像头进行检测，同时支持图片的批量检测；界面可实时显示目标位置、目标总数、置信度、用时等信息;支持图片或者视频的检测结果保存；通过网络上搜集关于实际场景中水上目标物的相关图片，并使用Labelimg标注工具对每张图片进行标注，分8个检测类别，分别时[] 最终数据集一共包含2400张图片，其中训练集包含1920张图片，验证集包含240张图片，测试图片240张。部分图像及标注如下图所示：YOLO（You Only Look Once）是一种流行的计算机视觉算法，用于实现实时对象检测。
2024-09-20 15:00:00
1416
原创 基于YOLOv8/YOLOv9/YOLOv10的水面目标检测识别系统
可用于实际场景中水面目标物检测，分为14个检测类别：["bridge", "ship", "boat", "ball", "rubbish", "rock", "buoy", "platform", "habor", "mast", "tree", "animal", "grass", "person"]支持图片、视频及摄像头进行检测，同时支持图片的批量检测；界面可实时显示目标位置、目标总数、置信度、用时等信息;支持图片或者视频的检测结果保存；
2024-08-17 08:00:00
2309
原创 YOLOV8网络目标检测解读实践
官方地址YOLOv8今天主要进行整个YOLOv8的项目的分析，包含整个项目结构介绍、环境安装部署、数据准备、训练验证预测的功能介绍。本篇博文提供了一个关于使用YOLOv8进行目标检测的全面指南，结合另有一篇博文网络的深度理解更好的学习yolov8模型，主要包括环境搭建、模型训练、验证和预测的详细步骤，以及如何解释训练过程中生成的各种图表和数据。整篇文章为读者提供了YOLOv8整个工程结构的解读，之后从环境搭建，再到结果分析，每一部分都给出了详细的步骤和解释。
2024-07-31 08:00:00
1088
原创 YOLOv8网络理解
YOLOV8网络结构Yolov8是一个SOTA模型，它建立在Yolo系列历史版本的基础上，并引入了新的功能和改进点，主要借鉴了Yolov5、Yolov6、YoloX等模型的设计优点，其本身创新点不多，偏重在工程实践上。YOLOv8的提出主要包括以下几个方面的改进：提供了一个全新的SOTA模型（包括P5 640和P6 1280分辨率的目标检测网络和基于YOLACT的实例分割模型）。并且，基于缩放系数提供了N/S/M/L/X不同尺度的模型，以满足不同部署平台和应用场景的需求。
2024-07-24 08:15:00
3434
1
原创 基于YOLOV8结合LPRNet的复杂道路环境下车牌识别检测系统
本文尝试了利用深度学习技术开发一个先进的车牌检测系统，并附上了完整的实现代码。系统核心采用了强大的YOLOv8及LPRNet算法，包括mAP和F1 Score等关键指标的对比分析。文章深入探讨了YOLOv8的基础理论，并提供了相关的Python代码以及用于训练的数据集，增加了基于PySide6的直观用户界面（UI）以提升用户体验。该检测系统能够高效识别和分类图像中的各类车牌，支持从静态图片、图片集、视频文件以及实时摄像头输入进行检测。特色功能包括目标标注框、类别统计、可调节的置信度和IOU阈值、以及结果的可
2024-07-17 08:00:00
1571
原创 目标检测任务简介
目标检测是计算机视觉中的一个重要分支，其核心目的是在给定的图像或视频帧中自动识别并定位出特定类型的物体。这一任务不仅要求系统能够识别图像中存在哪些物体（物体分类），还要精确地确定每个物体的位置，通常通过绘制出包围该物体的矩形框（Bounding Box）来实现。目标检测是许多高级视觉应用的基础，包括但不限于自动驾驶、视频监控、图像检索、医疗影像分析、增强现实和机器人导航等。主要组成部分：确定图像中的物体属于哪一个预定义的类别。估计物体在图像中的精确位置，通常通过输出物体的边界框坐标。
2024-06-11 16:16:03
372
原创 基于YOLOV8/YOLOV5的远距离停车场车位检测识别系统
本文中深入探讨一个为远距离停车位检测系统设计的数据集。本数据集包括了高分辨率的航拍图片，共计12416张，其中训练集包含8691张图片，验证集包含2483张图片，测试集包含1242张图片。Chinese_name = {'space-empty': "空车位", 'space-occupied': "已泊车"}数据集的多样性是通过收集不同环境下的停车场景来实现的，包括室内外、不同天气和光照条件下的停车位。每个停车位都经过了精确的标注，标签包括“空闲”和“占用”两个状态，反映了其实际使用情况。
2024-05-29 09:55:34
1105
原创 基于YOLOV8/YOLOV5的PCB板缺陷检测识别系统
在现代电子制造业中，印刷电路板（PCB）作为电子产品的核心组件，其质量对于最终产品的可靠性和稳定性至关重要。随着电子技术的不断进步，对PCB的质量要求也日益严格，使得PCB板缺陷检测成为保障产品质量的关键环节。传统的PCB缺陷检测主要依赖于人工视觉检查和基于规则的自动化方法。然而，这些方法存在效率低下、成本高昂以及难以满足日益提高的检测精度和可靠性要求等问题。因此，随着深度学习技术的快速发展，其在PCB缺陷检测领域的应用逐渐成为研究的热点。
2024-05-24 17:19:11
1747
原创 基于YOLOv8/YOLOv7/YOLOv6/YOLOv5的草莓成熟度检测系统（深度学习模型+UI界面+Python代码+训练数据集）
在当今的农业生产与食品加工行业中，确实，提高产品质量控制的精确度和效率是至关重要的。特别是对于草莓这种广受欢迎的水果，其成熟度直接影响到果实的口感、营养价值以及市场价值。草莓成熟度的评估涉及多个因素，如色泽、大小、形态等，这使得传统的依赖人工经验的检测方法存在许多局限性。传统方法的主要问题是耗时耗力且主观性强。人工检测草莓的成熟度往往依赖于个人的经验，这导致了评估结果的不一致性和不准确性。此外，随着生产规模的扩大，人工检测的效率问题也日益凸显。
2024-05-21 10:28:29
1723
原创 深入理解 transformer
注意力是一种概念，有助于提高神经机器翻译应用的性能。在本文中，我们将讨论 Transformer——一种使用注意力来提高这些模型训练速度的模型。Transformer 在特定任务中优于 Google 神经机器翻译模型。然而，最大的好处来自于 Transformer 如何适应并行化。事实上，Google Cloud 建议使用 Transformer 作为参考模型来使用他们的 Cloud TPU 产品。因此，让我们尝试分解该模型并查看其如何工作。
2024-04-17 14:06:16
884
原创 海洋生物训练数据简介
水下生物四类;海参“holothurian”，海胆“echinus”，扇贝“scallop”和海星“starfish”四类 可能存在水草“waterweeds”这一类别;训练图片6575张，测试图片1200张；
2024-04-17 11:48:15
237
1
原创 基于YOLOv8模型的海洋生物目标检测系统（PyTorch+Pyside6+YOLOv8模型）（含源码+模型+可修改
1、模型训练与导入：使用 YOLOv8（You Only Look Once version 8）目标检测模型进行深海鱼数据集的训练。YOLOv8 因其高效的速度和准确度而受到青睐。训练好的模型可以以 ONNX 或 PyTorch（PT）格式导出，方便在不同的平台和框架上部署。用户可以通过系统界面上传并导入自己的训练模型，实现模型的初始化。2、图像、视频和摄像头检测：图像检测：用户可以通过页面上传单张或多张图片，系统使用已训练的模型对图片中的深海鱼进行检测，并将结果可视化展示在页面上。
2024-04-17 11:16:38
2523
5
原创 nvidia-smi面板介绍及命令
NVIDIA-SMI: NVIDIA-SMI是NVIDIA显卡的系统管理接口，可以用于获取显卡硬件和驱动程序的信息，以及进行一些基本的管理和监控操作。Driver Version: 这是NVIDIA显卡驱动程序的版本号，表示当前系统中安装的NVIDIA驱动程序的版本号。CUDA Version: 12.1: 这是CUDA的版本号，表示当前系统安装的CUDA版本号为12.1。CUDA是NVIDIA针对GPU的并行计算平台和编程模型，它可以使开发者利用GPU的并行处理能力来加速各种应用程序。
2024-03-28 10:53:45
1864
1
原创 opencv在图片上做标记使用putText函数
opencv图片上标记做出信息显示cv2.puttext(img, ‘添加信息’, (50, 50), 字体, 大小, (255, 0, 0), 2)font = cv2.FONT_HERSHEY_SIMPLEX注意图片格式的转换，且此处只可以添加英文信息，标记汉语描述时会显示？；此时需要转换图片格式 if isinstance(narr_img, np.ndarray): img = Image.fromarray(cv2.cvtColor(narr_img,
2022-03-10 13:45:49
3925
原创 py文件转换成pyc文件
py文件转换成pyc文件pyc介绍pyc是一种二进制文件，是由py文件经过编译后，生成的文件，是一种byte code，py文件变成pyc文件后，加载的速度有所提高。而且pyc是一种跨平台的字节码，是由python的虚拟机来执行的，这个是类似于JAVA或者.NET的虚拟机的概念。pyc的内容，是跟python的版本相关的，不同版本编译后的pyc文件是不同的。使用通过自带模块py_compile进行1、将单个文件转换成pyc文件用如下代码import py_compilepy_compil
2021-09-15 20:02:08
3590
原创 2021-08-09
Python脚本轻松实现批量图片重命名批量图片文件重命名.py# -*- coding:utf8 -*-import osclass BatchRename(): """批量重命名文件夹中的图片文件""" def __init__(self): # 表示需要命名处理的文件夹 self.path = 'D:/vedio/stand_pic/1' def rename(self): filelist = os.listdir(
2021-08-09 17:06:22
143
原创 ocr相关参考
[toc] OCR相关参考文档文本检测算法PSENet解读与开源实现大话文本检测经典模型：SegLink大话文本检测经典模型：CTPN大话文本识别经典模型：CRNN自然场景文本检测技术综述（CTPN, SegLink, EAST）端到端不定长文字识别CRNN算法详解...
2021-08-06 14:48:43
151
原创 cron表达式,定时任务处理的参考
cron表达式顺序秒 分钟 小时 日期 月份 星期 年(可选) 取值0-59 0-59 0-23 1-30(31) 1-12 1-7允许特殊字符, - * /, - * /, - * /, - * / ? L W C, - * /, - * / L # C1970-2099 , - * /字段含义*：代表所有可能的值-：指定范围,：列出枚举 例如在分钟里，"5,15"表示5分钟和20分钟触发/：指定增量 例如在分钟里，"3/15"表示从3分钟开始，没隔15分钟执行一次?
2021-01-29 15:37:42
1858
原创 his linker was not configured to use sysroots和C compiler cannot create executables的解决办法
this linker was not configured to use sysroots和C compiler cannot create executables的解决办法this linker was not configured to use sysrootsC compiler cannot create executables在ubuntu下想编译linux kernel，键入命令make menuconfig时，报出this linker was not configur
2021-01-29 15:36:06
293
原创 f-string的例子，字符串格式化
文章目录f-string的例子，字符串格式化1.f-string 是什么？2.用 python 做基本的文本格式化3.f-string 的限制4.如何格式化一个表达式5.如何使用 f-string 来调试代码6、如何格式化数字的不同进制7、如何用 f-string 打印对象8、如何用f-string设定浮点数精度9、如何将一个数字格式化为百分数10、如何调整或者增加 f-string 的填充11、如何转义符号12、如何使字符串居中13、如何格式化千分位13.1 如何使用逗号千分位分隔符数字13.2 如何用
2021-01-29 15:33:31
1876
原创 anaconda+python+tensorflowgpu+pytorchgpu模块库
补充缺少的函数库１、opencv-python 链接：https://pypi.tuna.tsinghua.edu.cn/simple/opencv-python/ pip install ---------------------------------------------------------
2021-01-26 20:45:31
135
番茄病虫害数据集各种疾病害虫
2024-09-12
bge-base-zh-v1.5 模型
2024-03-20
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人