- 博客(36)
- 收藏
- 关注
RSS订阅原创 【YOLO系列】YOLO11原理和深入解析
本次更新的 YOLO11 模型是基于 YOLOv8 开发的，网络结构方面整体变化不大，采用 C3K2 替换掉了原先的 C2 和 C3 块，并新增了一个类似于自注意力的特征增强模块——C2PSA。检测头部分延续了 YOLOv8，因此后处理解析步骤基本相同。
2024-10-14 16:27:32
2396
原创 【YOLO系列】YOLO 数据集格式与训练日志
YOLO算法的标注格式主要使用.txt文件来存储图像中物体的标注信息。每个图像都有一个对应的.txt文件，文件中的每行表示一个物体的标注，包括物体的类别索引和边界框（bounding box）的坐标。在使用YOLO进行训练时，生成的exp/detect/train类型的文件夹是训练过程中的一个关键组成部分。
2024-08-27 12:28:12
2116
原创 【YOLO系列】YOLO介绍
YOLO，全称为"You Only Look Once"，是一种流行的实时目标检测算法，由Joseph Redmon等人于2015年首次提出。YOLO的核心思想是将目标检测任务视为一个单一的回归问题，直接从图像像素到边界框坐标和类别概率的映射。
2024-08-27 11:19:21
1867
原创 【YOLO系列】目标检测简介
目标检测是计算机视觉领域中的一项重要任务，主要是在图像或视频中确定特定目标的位置和类别。目标检测算法不仅要识别图像中的对象属于哪个类别，还要确定它们在图像中的具体位置，通常以边界框（bounding box）的形式表示。在实际应用中，可以根据具体的需求和场景选择合适的模型。同时，随着技术的不断发展，也出现了一些结合了两者优点的混合模型，为目标检测提供了更多的选择。目前目标检测算法主要分为两类：One-Stage（一阶段）和Two-Stage（两阶段）模型。
2024-08-27 11:09:20
2090
原创 【Datawhale AI夏令营】数学建模：市场博弈和价格预测学习记录
Datawhale 2024 年 AI 夏令营第三期的学习活动，基于阿里云天池平台“第二届世界科学智能大赛社会科学赛道：市场博弈和价格预测” 开展的实践学习
2024-07-26 23:24:22
1120
原创 判别式AI与生成式AI的选择
生成式模型试图学习样本数据的分布，以便生成新的数据。生成式模型的优点是可以生成多样化的数据，但缺点是可能会生成无意义或不真实的数据，并且训练时间通常比较长。生成式AI适用于需要创建新的、与训练数据相似但不完全相同的数据的场景。总的来说，生成式模型适用于需要生成新数据的场景，例如图像和文本生成，而判别式模型更适用于需要进行分类和预测的场景，例如识别图像和语音识别。需要注意的是，生成式AI和判别式AI并不是互斥的，在实际应用中通常需要根据具体问题的要求综合考虑使用哪种类型的模型或它们的组合。
2023-06-20 16:43:49
2193
原创 深度学习【PyTorch和TensorFlow】使用GPU环境配置
深度学习【PyTorch和TensorFlow】使用GPU环境配置：cuda以及cudnn的下载于安装
2023-02-16 19:49:25
2472
1
原创 实例：【基于机器学习的NBA球员信息数据分析与可视化】
利用python语言，设计合适的机器学习算法。找出球员在场时对球队比赛获胜的贡献大小，最能反映球员的综合实力的特征。
2023-01-16 18:14:36
7602
3
Python-Web简易版学生信息管理系统
2023-03-06
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人