2021-06-23 dogn

半棵树dd 半棵树dd 博客等级 墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 200+累计阅读 209平均单平台 已同步平台 优快云 微信公众号 微博 知乎 掘金 百家号 博客园 抖音 小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网 我也要 码龄7年
关注
原创 最新推荐文章于 2026-02-26 00:45:09 发布 209 阅读 AI 写同款· GEO 优化 ›
YOLO26算法大门区域检测+训练好的模型+285张数据集+pyqt可视化界面.zip 附训练好的 YOLO 权重与 PyQt 可视化检测界面，页面底部含可视化效果预览，毕设/课设开箱即用。 【数据集概况】 · 检测类别（中文）：[大门(gates)] 【训练曲线与评估图】 【模型训练配置】 参数 | 值 模型 | yolo26n 训练轮数 | 100 epochs 输入尺寸 | 640x640 批次大小 | 24 优化器 | auto 初始学习率 | 0.01 训练设备 【关键指标汇总】 训练了 64 个 epoch，最终轮指标： 指标 | 数值 mAP50 | **0.6364** mAP50-95 | 0.4539 Precision | 0.7309 Recall | 0.6111 train/box_loss | 0.6662 train/cls_loss | 0.5916 val/box_loss | 1.3351 val/cls_loss | 1.5479 【训练过程分析】 训练过程可分成三个主要阶段：前期、中期和后期。刚开始时，模型的损失函数确实有了显著下降，box_loss 从0.6662开始，经过几轮的迭代，迅速降至0.5左右。但到了中期，loss 的下降速度明显放缓，甚至有停滞不前的趋势。这一现象在val/box_loss的表现上尤其明显，从1.3351缓慢上升至1.4左右，直到训练到64轮时才略有下降。在这一阶段，mAP50从0.6364仅轻微上升到0.64，提升有限。这期间，模型似乎陷入了平台期，进展缓慢，让人感到有些煎熬。从第30轮到第64轮，我频繁查看曲线图，希望能捕捉到一点改善的迹象，但都未能如愿。这个阶段也让我对模型的潜力产生了怀疑，担心训练过程可能需要更长时间才能看到显著改善。 进入后期阶段，尽管损失函数略有下降，但mAP50的提升并不明显，这让人感到非常... 使用场景：毕业设计、课程设计、深度学习入门、工业场景落地验证。 立即下载

在这里插入图片描述

收录于
知识

当前文章被收录于：

知识
21 篇文章 0 人学习
订阅专栏 查看详情
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
高校技术转移办公室人员如何构建技术交易平台的智能推荐机制？.docx 科易网基于AI模型+行业大数据，在技术转移、成果转化、技术经纪、知识产权、产业创新、科技招商等垂直领域的多样化应用场景，推出科技创新领域的AI+工具与数智化解决方案，推动科技创新与产业创新智能化发展。 立即下载

相关推荐

基于mongodb, express, react, node开发的商店应用

1、角色管理，支持买家和卖家 2、 支持创建、编辑、删除拍卖 3、支持投标

AM-softmax 解释

qq_45330708的博客 631

状态估计【卡尔曼滤波kalman】UKF、EKF、粒子滤波PF学习与研究（Matlab代码实现）

内容概要：本文围绕非线性状态估计中的三种经典滤波算法——无迹卡尔曼滤波（UKF）、扩展卡尔曼滤波（EKF）和粒子滤波（PF）展开系统性学习与研究，重点在于通过Matlab编程实现这些算法的核心流程，并将其应用于实际系统的状态估计问题中。文档不仅详细阐述了各算法的数学原理、适用条件与性能差异，还提供了完整的仿真代码与案例分析，帮助读者深入理解其在非线性、非高斯环境下的表现特性。同时，资源拓展至EKF与神经网络融合训练、多源数据融合等高级应用场景，展现了其在智能控制、无人机导航、电力系统状态估计、目标跟踪等领域的广泛应用价值。; 适合人群：具备一定信号处理、控制理论或状态估计基础的研究生、科研人员及工程技术人员，尤其适用于从事自动化、机器人、导航、电力电子与智能系统等相关方向的研究与开发工作者；; 使用场景及目标：① 掌握UKF、EKF与PF在非线性系统中的建模思路与Matlab实现方法，理解其优缺点与适用边界；② 提升科研仿真能力，能够独立构建状态估计模型并进行算法对比验证；③ 将所学方法应用于如电池SOC估算、无人机姿态估计、传感器融合、故障诊断等实际工程问题中；; 阅读建议：建议结合Matlab动手实践，逐行解读并调试所提供的代码，深入理解算法实现细节；同时可延伸学习文中提及的数据融合、神经网络与滤波器结合等进阶主题，以构建完整的状态估计技术知识体系。

mobilenet_v3_224

"""MobileNet v3 models for Keras. The following table describes the performance of MobileNets: ------------------------------------------------------------------------ MACs stands for Multiply Adds | Classification Checkpoint| MACs (M)| Parameters (M)| Top

qq_45330708的博客 590

Plecs全桥LLC谐振变换器仿真模型

内容概要：本文档系统性地整合了电力电子与控制系统仿真领域的丰富资源，聚焦于基于Plecs和Simulink平台的高频软开关变换器建模与仿真，涵盖全桥LLC、双向CLLC、DAB、PFC、Vienna整流器、Buck-Boost等多种典型拓扑结构。资源内容不仅包括闭环控制（如变频控制、移相混合控制、双闭环、恒压恒流双竞争控制）的仿真模型，还配套提供详细的参数设计报告、Mathcad计算书、PPT说明文档及参考文献，构建了从理论建模到工程实现的完整技术链条。此外，文档拓展至状态估计（如卡尔曼滤波、EKF、UKF、PF）与智能算法（如BP神经网络、模型预测控制）在电力系统中的融合应用，为先进控制策略的研究与复现提供了坚实支撑。; 适合人群：面向具备电力电子、自动控制或电气工程等相关专业背景，熟练掌握MATLAB/Simulink/Plecs等仿真工具，从事高频开关电源、新能源变换系统、储能系统或车载电源研发的研究生、高校科研人员及企业工程技术人员。; 使用场景及目标：① 学习并掌握全桥LLC等谐振变换器的核心工作原理与闭环控制系统设计方法，特别是变频与移相控制策略的实现细节；② 利用提供的仿真模型与Mathcad计算工具，快速完成实际项目中的参数设计、性能验证与优化迭代；③ 结合状态估计算法与神经网络等智能方法，开展电力电子系统状态观测、故障诊断或控制策略创新等前沿科研课题的复现与探索。; 阅读建议：建议严格按照资源目录结构循序渐进地查阅，优先下载并运行核心仿真模型，结合对应的设计报告与计算书深入理解其建模逻辑与参数推导过程，重点关注闭环控制架构、软启动策略及中点电位平衡等关键技术环节，并可进一步将状态估计与智能算法模块融入现有模型，探索其在系统优化中的应用潜力。

【扩展卡尔曼滤波器EKF】基于UWB雷达的SLAM能够在室内环境内映射自然点地标，并改善机器人定位（Matlab代码实现）

内容概要：本文介绍了基于Plecs软件构建的全桥LLC谐振变换器仿真模型，重点围绕LLC谐振变换器的工作原理、建模方法与仿真设计展开。该模型可用于研究全桥LLC在软开关条件下的动态响应特性、效率优化及参数设计，涵盖谐振频率调节、变频控制策略、电压增益特性等关键技术内容，帮助深入理解LLC拓扑在高频高效电源转换中的应用。; 适合人群：具备电力电子基础知识，从事电源设计、新能源变换系统研发的工程师及研究生。; 使用场景及目标：①用于教学与科研中对LLC谐振变换器工作模态的分析；②辅助完成高性能DC-DC变换器的参数设计与控制策略验证；③支持对软开关技术、谐振网络优化等方面的深入研究； 阅读建议：建议结合其他LLC相关设计资料与仿真工具（如Simulink）进行对比学习，重点关注谐振参数选取与仿真波形分析，以提升对实际工程问题的解决能力。

指定源下载安装包

pip install package-name -i https://pypi.tuna.tsinghua.edu.cn/simple/ 中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple/   豆瓣(douban) http://pypi.douban.com/simple/   清华大学 https://pypi.tuna.tsinghua.edu.cn/simple/   中国科学技术大学 http://pypi.mirrors.ustc.edu.cn/

qq_45330708的博客 428

单相boost功率因数校正 PFC电路仿真（Simulink仿真实现）

内容概要：本文详细介绍了基于Plecs软件构建的全桥LLC谐振变换器仿真模型，系统阐述了LLC谐振变换器的工作原理、建模方法及仿真实现过程。该模型能够有效分析变换器在不同工况下的动态响应特性，包括软开关的实现条件、谐振参数的设计影响、系统效率优化等方面，并支持开环与闭环控制策略的验证。文档深入探讨了LLC拓扑的电压增益特性、零电压开关（ZVS）的实现机制以及磁性元件参数对系统性能的作用，配套提供了完整的仿真资源体系，涵盖参数计算、控制策略设计与性能评估等内容，形成了从理论到实践的完整研究闭环，有助于深入掌握LLC谐振变换器的核心设计要素与工程应用要点。; 适合人群：电力电子、电气工程及其自动化等相关专业的高校师生，以及从事开关电源、新能源变换器研发的工程技术人员。; 使用场景及目标：①用于教学与科研中对LLC谐振变换器工作机理的理解与验证；②辅助工程师完成实际产品开发中的参数设计与控制策略优化；③支持对软开关技术、高频高效电源变换等前沿方向的研究。; 阅读建议：建议结合Plecs或Simulink等仿真工具动手实践，对照文档中的模型结构与参数设置进行仿真复现，并通过调整谐振腔参数、开关频率等变量观察系统响应变化，以加深对LLC变换器非线性特性和控制难点的理解。

CBAM

# import numpy as np # import tensorflow as tf import keras # import keras.backend as K import keras.layers as KL # 判断输入数据格式，是channels_first还是channels_last channel_axis = 1 if K.image_data_format() == "channels_first" else 3 # CAM def channel_attention(i

qq_45330708的博客 297

超详细！新手必看STM32-DMA配置与实验（串口使用DMA发送数据）

DMA就是：直接存储器访问。DMA传输数据从一个地址空间复制到另一个地址空间，提供在外设和存储器或者存储器和存储器之间的高速数据传输。

qq_1033275663的博客 2万+

INMP441麦克风与ESP32的I2S音频采集实战指南

本文提供了INMP441数字麦克风与ESP32开发板通过I2S接口进行高质量音频采集的完整实战指南。详细讲解了硬件连接、软件配置、数据读取及基础处理，并分享了常见的避坑技巧与性能优化建议，帮助开发者快速构建物联网音频应用。

weixin_28396629的博客 598

plot situ

import matplotlib.pyplot as plt import numpy as np x_v2_so = np.linspace(1, 25, 25) x_v2 = np.linspace(1,28,28) x_l_so = np.linspace(1,27,27) x_l = np.linspace(1,28,28) y_v2_so = [83.56, 87.83, 89.26, 90.27, 90.85, 89.98, 91.36, 92.73, 92.96, 93.78,

qq_45330708的博客 227

微机原理与接口技术第六版周荷琴课后习题答案及解析（期末重点）

第二章 1.8086/8088CPU可直接寻址多少个内存(字节)单元?多少个I/O端口?它们的外部数据总线各有多少根? 8086/8088CPU使用的是20位地址总线，因此可以直接寻址2的20次方个内存单元(即1,048,576)，每个单元大小为1字节，因此可以直接寻址2的20次方个字节的内存。 8086/8088CPU有64K个I/O端口，每个端口占用1字节的地址空间，因此可以直接寻址6...

Wmicheng的博客 1万+

mobilenet_v3

import math import numpy as np import tensorflow as tf from keras import backend from keras import backend as K from keras.applications import imagenet_utils from keras.applications.imagenet_utils import decode_predictions from keras.layers import (Activa

qq_45330708的博客 222

《嵌入式最全面试题-Offer直通车》目录

嵌入式领域蓬勃发展，嵌入式工程师成为众多科技企业争抢的热门人才。如果你渴望在嵌入式面试中脱颖而出，成功斩获心仪的 offer，那么《嵌入式最全面试题 - Offer直通车》将是你的绝佳选择。本专栏是优快云是热门专栏，100多篇文章，总字数过百万。每月新增订阅用户过百，现在是优惠价9.9元，后面要逐渐恢复原价，早订阅早受益。本专栏精心整理了众多超万字的精华内容，总计达数十万字的嵌入式面试题总结。涵盖从嵌入式基础知识到各大厂面试真题，从驱动开发到操作系统，从硬件到软件等各个方面。

大模型大数据攻城狮的专栏 8399

【中项】案例分析 | 答题技巧 | 备考 

对偏差原因的分析和对项目未来趋势的理解。如果偏差是由一次性事件或特殊原因引起的，那么这种偏差是非典型的，意味着未来的绩效将回归到预期的绩效水平。例如，如果项目初期的CPI小于1，原因是意外的自然灾害导致成本增加，那么这种偏差被认为是非典型的，因为它不太可能在未来重复发生。例如，如果项目初期的CPI小于1，且原因是低效的团队协作，那么这种偏差被认为是典型的，因为它可能在整个项目生命周期中持续存在。在实际应用中，项目经理通常会结合CPI、SPI和偏差趋势图等工具，综合分析偏差的性质，以制定合理的项目控制策略。

静谧、淡雅 1244

plot huatuchengxu

import matplotlib.pyplot as plt import numpy as np # x = np.linspace(-3, 3, 51) # -3 3 51plt.figure() # y1 = 2*x + 1 # # plt.plot(x, y1) # # plt.figure(num=4, figsize=(8, 5)) # y2 = x*x # plt.plot(x, y1, color='red', linestyle='--', linewidth=5, label='y

qq_45330708的博客 209

YOLO26涨点改进 | 全网独家创新！注意力改进篇 | CVPR 2025 | 引入RALA秩增强线性注意力模块，含多种创新改进，助力YOLO26适合目标检测、图像分割、图像分类有效涨点

🔥本文给大家介绍使用RALA模块改进YOLO26可以显著提升其性能，尤其在复杂场景和小物体检测中。通过增强线性注意力机制的矩阵秩，RALA改善了模型对空间信息的建模能力，提升了特征的多样性和全局信息的融合，进而提高了检测精度。同时，RALA保持了线性复杂度，避免了Softmax注意力的高计算成本，使YOLO26在实时检测任务中既能保持高效计算，又能提高检测精度，尤其是在小物体和遮挡物体的检测中表现突出。🔥欢迎订阅我的专栏、带你学习使用最新-最前沿-独家YOLO26创新改进！

Ai缝合怪、助力小伙伴高效发论文 141

unrar 文件

1 新建文件夹 2 安装unrar sudo apt-get install unrar 3 解压到当前文件夹 右键 提取到此处

qq_45330708的博客 202

YOLO11改进 | 主干网络 | 添加Hyper-YOLO的MANet混合聚合网络

本文详细介绍了在YOLO11目标检测模型中替换C3k2模块为MANet的具体实现方法。文章首先讲解MANet模块的原理，然后分步骤指导如何在YOLO11中添加该模块，包括代码修改、文件配置和模型注册等关键环节。通过实验对比，改进后的YOLO11_MANet模型在保持8.8GFLOPs计算量的同时，参数数量达到3,820,272，网络层数增加到343层。文章还提供了完整的代码实现和网络结构图，并建议结合其他注意力机制或损失函数进一步提升检测效果。最后推荐了相关的深度学习专栏，包含更多YOLO系列改进方法。

kay_545 658

SAP 批次管理

批次管理： 业务场景： 批次常用于：采购、生产、SD等： 1、先进先出，先入库的先出库（如何实现），基于入库时间来自动确定出库策略。 2、追塑：基于批次进行产品质量追溯 例如订单MTO ---> PP ----> MM（批次关联）。SO—>PP工单 --> 预留 --> 发料（基于批次A\B\C）-->产成品入库-->批次入库D--> ...

willieyuan的博客 1万+

mobilenet_v2

import os import warnings import h5py import numpy as np from keras.models import Model from keras.layers import Input from keras.layers import Activation from keras.layers import Dropout from keras.layers import Reshape from keras.layers import BatchNorma

qq_45330708的博客 179

数学建模模型总结

这是本人在两年内准备参加数学建模竞赛搜集到的模型资料，已经经过了本人的筛选和整理，希望能够对准备参加数学建模竞赛的学弟学妹们提供一些帮助！

mobilenet_v1

import math import numpy as np import tensorflow as tf from keras import backend from keras import backend as K from keras.applications import imagenet_utils from keras.applications.imagenet_utils import decode_predictions from keras.layers import (Activat

qq_45330708的博客 148

Data-Structures-and-Algorithm-Analysis-in-Java.pdf

作者: Weiss, Mark A. 出版社: Addison Wesley Data Structures and Algorithm Analysis in Java is an “advanced algorithms” book that fits between traditional CS2 and Algorithms Analysis courses. In the old ACM Curriculum Guidelines, this course was known as CS7. This text is for readers who want to learn good programming and algorithm analysis skills simultaneously so that they can develop such programs with the maximum amo...

Probability and Statistics - 4th edition

Probability and Statistics - 4th edition

jupyter notebook切换虚拟环境

1 在目标环境中执行 我的目标环境 tf113 pip install ipykernel python -m ipykernel install --user --name tf113 --display-name "Python (tf113)" 2 重启notebook

qq_45330708的博客 148

RU DOS版、EFI版32bit/64bit BIOS常用工具

DOS版、EFI版的RU工具，可用来查看IO、MEM、PCI、SMBIOS等资源。亲测在EFI SHELL下可用。

am-1jieshiqi

qq_45330708的博客 146
上一篇： am-1jieshiqi
下一篇： plot huatuchengxu
点赞 0
评论 0
书签 书签 0
半棵树dd
半棵树dd
博客等级 码龄7年 5粉丝 20原创
+ 关注 专栏目录 订阅专栏
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值