- 博客(105)
- 资源 (3)
- 收藏
- 关注
RSS订阅原创 搭建智能体（代码版）
智能体就像一个独立的小家伙，它能感知周围的环境，自己做决定，然后采取行动来实现特定的目标。**即智能体（Agent）是指能够感知环境并自主采取行动以实现特定目标的实体。**简单的就像那种只会对刺激做出反应的“反应型智能体”，复杂的就像那种能不断学习和适应的“智能智能体”。核心概念感知与行动智能体通过传感器或数据输入感知环境（如摄像头、温度传感器、用户输入等），并通过执行器或输出模块（如机械臂、屏幕反馈、算法决策）采取行动。目标驱动。
2025-03-30 20:03:52
721
原创 Spring Boot 日志 配置 SLF4J 和 Logback
在开发 Java 应用时，日志记录是不可或缺的一部分。日志可以记录应用的运行状态、错误信息和调试信息，帮助开发者快速定位和解决问题。Spring Boot 项目默认集成了 SLF4J 和 Logback，使得日志配置变得简单而灵活。本文将详细介绍如何在 Spring Boot 项目中配置 SLF4J 和 Logback，包括基本的日志配置、日志文件的输出路径、日志级别、日志格式和环境区分配置。日志的重要性快速定位问题：通过分析日志，开发者可以迅速定位应用程序中的错误或性能问题。确保合规性。
2025-03-30 19:51:43
910
原创 DeepSeek本地&联网部署（手把手教学）
DeepSeek一键式部署，包括本地、联网部署和知识库搭建！解决Ollama拉取模型速度过慢。
2025-02-24 10:45:25
2015
3
原创 YOLOv8改进（一）-- 轻量化模型ShuffleNetV2
移动端设备也需要既准确又快的小模型。为了满足这些需求，一些轻量级的CNN网络如MobileNet和ShuffleNet被提出，它们在速度和准确度之间做了很好地平衡。ShuffleNetv2是旷视2018年提出的ShuffleNet升级版本，并被ECCV2018收录。
2024-08-14 19:17:32
2432
5
原创 如何利用YOLOv8训练自己的数据集 && 3种加载模型场景讲解
本文主要介绍一下如何利用YOLOv8训练自己的数据集，并详细说明3种加载模型方式和使用场景。如果需要从头开始训练一个模型，可以选择从YAML文件构建新模型。如果想要直接使用预训练模型进行预测或微调，可以选择从预训练权重构建模型。如果需要修改模型结构并利用预训练权重，可以选择从YAML文件构建新模型，并将预训练权重转移到新模型。
2024-08-14 19:10:54
3514
1
原创 常用优秀内网穿透工具（实测详细版）
如果使用内网穿透，会给你一个公网ip映射到本地ip，这样别人就可以通过互联网访问你的服务了。如果不使用内网穿透，只能局域网内Ip(本地Ip)才能访问你的服务。
2024-07-17 20:38:38
3168
原创 YOLOv8不同模型对比和onnx部署详解
（1）`如何将YOLOv8模型转为其他不同的部署文件格式`，并且比较了`YOLOv8n.pt`的5种不同部署方式:包括`原生yolov8n.pt的Pytorch格式、ONNX、OpenVINO-FP32、OpenVINO-int8、TensorRT`在CPU和GPU下的推理速度对比；（2）如何将YOLOv8模型`.pt`转为`onnx格式`。然后使用`onnxruntime`进行目标检测模型的图像推理。
2024-07-17 20:37:24
3226
原创 初探 YOLOv8（训练参数解析）
YOLO 因为性能强大、消耗算力较少，一直以来都是实时目标检测领域的主要范式。该框架被广泛用于各种实际应用，包括自动驾驶、监控和物流。其高效、准确的物体检测能力使其成为实时识别行人和车辆等任务的理想选择；在物流方面，它有助于库存管理和包裹跟踪，通过 AI 能力帮助人们在很多工作上提高了效率。R-CNN系列（R-CNN、Fast R-CNN、Faster R-CNN）：首次引入了区域建议网络（Region Proposal Network），然后对提议的区域进行分类。
2024-06-27 20:26:52
2248
原创 基于YOLOv10的车辆统计跟踪与车速计算应用
在智能交通系统（ITS）的快速发展中，对车辆进行精确的检测和跟踪是实现交通监控、流量分析和安全预警的关键技术。本项目是基于YOLOv10的车辆统计跟踪与车速计算。主要功能：（1）车辆类别检测（2）车辆进出统计（3）车辆速度检测（4）车辆ID分配（5）车辆跟踪图像预处理：该步骤通过去噪、过滤和增强等技术处理输入图像或视频帧，以提高计数准确性。目标检测：此步骤旨在识别预处理图像或视频中的特定对象。
2024-06-27 17:17:44
5942
4
原创 YOLOv5改进（九）--引入BiFPN模块
BiFPN即“双向特征金字塔网络”**有效的双向交叉尺度连接和加权特征融合。**它扩展了特征金字塔网络（FPN），通过在金字塔级别之间引入双向连接，使信息能够在网络中同时进行自底向上和自顶向下的流动。特征金字塔生成：最初，网络通过从骨干网络（通常是ResNet等卷积神经网络）的多个层中提取特征来生成特征金字塔。双向连接：与传统FPN不同，BiFPN在特征金字塔相邻级别之间引入了双向连接。
2024-06-27 17:06:03
3079
10
原创 YOLOv5改进（八）--引入Soft-NMS非极大值抑制
目前yolov5使用的是NMS进行极大值抑制，本篇文章是要将各类NMS添加到yolov5中，同时可以使用不同的IOU进行预测框处理。NMS概念NMS(Non-maximum suppression)是非极大值抑制， 目的是过滤掉重复的框。为了保证检测的准确性， 检测网络的输出框一般都比较密集， 对一个物体， 会有多个预测框，NMS就是为了过滤掉这些重复的框， 保留质量最好的那一个框。
2024-06-25 20:48:55
2533
2
原创 YOLOv5改进（七）--改进损失函数EIoU、Alpha-IoU、SIoU、Focal-EIOU
YOLOv5默认使用损失函数为CIoU，本文主要针对损失函数进行修改，主要将bbox_iou函数进行修改，添加EIoU、Alpha-IoU、SIoU、Focal-IOU等边界框回归损失。
2024-06-25 20:41:54
3565
3
原创 YOLOv5改进（四）--轻量化模型ShuffleNetv2
移动端设备也需要既准确又快的小模型。为了满足这些需求，一些**轻量级的CNN网络如MobileNet和ShuffleNet被提出**，它们在速度和准确度之间做了很好地平衡。本文主要轻量化YOLOv5网络，即引入ShuffleNetv2，它是旷视2018年提出的ShuffleNet升级版本，并被ECCV2018收录。在同等复杂度下，ShuffleNetv2比ShuffleNet和MobileNetv2更准确。
2024-05-30 15:54:20
2100
1
原创 IDEA2023版本创建Sping项目只能勾选17和21，却无法使用Java8？（已解决）
IDEA无法用Java8，最低使用Java17
2023-11-26 19:19:33
61877
56
原创 电脑C盘爆红怎么办？（小白篇）
C盘作为电脑的系统盘，如果出现爆满或者剩余空间很小整个C盘变红，这样会导致电脑系统运行变得很卡慢，严重影响电脑正常使用。C盘爆红的原因下载软件的时候，一股脑直接把软件安装在C盘（学会自定义安装软件）系统升级会占用更多的C盘空间桌面存放文件过多或QQ微信文件内容默认存储在C盘下面介绍4种清理C盘的方法。
2023-09-24 10:27:32
6815
2
原创 YOLOv5如何训练自己的数据集（生活垃圾数据集为例）
本文主要介绍如何利用YOLOv5训练自己的数据集1、定义yolov5网络模型文件如 models/yolov5l.yamlnc: 4 # number of classes 类别,这里的类别一共四种depth_multiple: 1.0 # model depth multiple ，模型宽度width_multiple: 1.0 # layer channel multiple ，通道数anchors:backbone:head:2、在data/目标下，定义自己数据集的配置文件。
2023-09-24 01:28:18
3014
原创 生活垃圾数据集（YOLO版）
【有害垃圾】：电池（1 号、2 号、5 号）、过期药品或内包装等；【可回收垃圾】：易拉罐、小号矿泉水瓶；【厨余垃圾】：小土豆、切过的白萝卜、胡萝卜，尺寸为电池大小；【其他垃圾】：瓷片、鹅卵石（小土豆大小）、砖块等。文件结构|----classes.txt # 标签种类|----data-txt\ # 数据集文件集合|----images\ # 数据集图片|----labels\ # yolo标签。
2023-09-23 13:23:37
6988
17
FFmpeg和EasyDarWin资源
2023-12-27
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人