- 博客(41)
- 资源 (6)
- 收藏
- 关注
RSS订阅
原创 YOLOv11（Ultralytics）可视化界面ui设计，基于pyqt5，单文件即插即用，支持文件夹检测及云摄像头检测并保存
检测图片并分别在左右窗口进行显示image_path, _ = QFileDialog.getOpenFileName(None, "选择图片文件", "", "图片文件 (*.jpg *.jpeg *.png)")image_rgb = cv2.cvtColor(image, cv2.COLOR_BGR2RGB) # 转换为 RGBannotated_image = cv2.cvtColor(annotated_image, cv2.COLOR_BGR2RGB) # 转换为 RGB。
2024-11-11 20:35:20
5463
17
原创 超详细目标检测：YOLOv11(ultralytics)训练自己的数据集，新手小白也能学会训练模型，手把手教学一看就会
对电脑小白也很简单的yolov11教程！训练自己的数据集分为4部分，先配置环境，再获取制作自己的数据集，然后修改配置训练，最后验证训练结果，附带可视化界面。YOLOv11为Ultralytics公司YOLO系列实时目标检测器的最新迭代版本，训练流程与YOLOv8基本一致，仅替换了新的网络结构与预训练权重，如果有其他目标检测的数据集可以直接拿来用，从第3训练模型开始看，新手小白0基础建议一步一步跟着来，哪里看不懂的或者遇到哪有问题可以发到评论区交流~
2024-10-31 16:57:49
30364
201
原创 目标检测：yolov8(ultralytics)训练自己的数据集，新手小白也能学会训练模型，一看就会
很简单小白也可以轻松看懂并实现的yolov8教程！先配置环境，再获取制作自己的数据集，然后修改配置训练，最后验证训练结果，附带可视化界面。yolov8训练起来较为简单，如果有其他目标检测的数据集理论上可以直接拿来用，从第3训练模型开始看，新手小白0基础建议一步一步跟着来，哪里看不懂的或者遇到哪有问题可以评论区交流或者私信问~
2024-04-09 20:47:09
31421
86
原创 YOLOv12可视化界面；YOLOv11；YOLOv10；YOLOv8等通用可视化界面GUI设计，基于pyside6，单文件即插即用，更新ip摄像头检测，美化布局及信息输出
YOLOv12;YOLOv11;YOLOv10;YOLOv8等ultralytics通用目标检测可视化界面，单文件即插即用，界面美观。
2025-03-23 17:44:20
1058
原创 YOLOv5、YOLOv6、YOLOv7、YOLOv8、YOLOv9、YOLOv10、YOLOv11、YOLOv12各版本的网络结构图
YOLOv5、YOLOv6、YOLOv7、YOLOv8、YOLOv9、YOLOv10、YOLOv11、YOLOv12各版本的网络结构图
2025-03-20 17:22:22
992
原创 Python更换pip国内源
在国内开发Python项目，遇到下载速度慢的问题，可以更换国内源下载，这里给出国内多个源的临时换源及永久换源方法，值得一看。
2025-03-18 14:31:53
1159
原创 目标检测：YOLOv12环境配置，超详细，适合0基础纯小白
小白也可以看懂的YOLOv12教程！YOLOv12 是 YOLO 系列中首个打破传统基于卷积神经网络（CNN）方法的模型，它通过将注意力机制直接集成到目标检测过程中实现了这一突破。因此YOLOv12需要额外配置FlashAttention，此前的YOLO环境均不可用，需要按照最新的教程配置。此外，30系显卡以前的架构不支持较新的FlashAttention2.x，只能通过更换显卡解决。
2025-03-17 18:39:04
1929
13
原创 电脑小白科普——命令行中的相对路径与绝对路径
路径指的是文件或目录在计算机文件系统中的位置，命令行操作中需要用到路径来定位文件或文件夹。你可能听说过“绝对路径”和“相对路径”这两个术语，但它们究竟有什么区别呢？在本文中，我们将详细讲解命令行中相对路径与绝对路径的概念、差异以及如何在实际操作中灵活使用它们，帮助你更好地掌握命令行操作。
2025-01-21 16:10:49
995
原创 Roboflow目标检测数据集下载使用及处理
在进行目标检测任务时，数据集的质量和多样性直接影响到模型的表现。Roboflow是一个广泛使用的在线平台，它提供了丰富的标注工具和数据集管理功能，帮助用户快速构建和处理目标检测数据集。通过Roboflow，用户可以轻松获取并处理适用于各种计算机视觉任务的数据集，特别是目标检测任务中的图像和标签。本文将详细介绍如何从Roboflow平台下载目标检测数据集以及对于下载的数据集进行一些处理方便自己使用。
2025-01-19 17:29:47
2285
原创 YOLOv11（Ultralytics）可视化界面GUI设计，基于pyside6，单文件即插即用 兼容官方源码，可打包成软件
基于 PySide6 开发了一个YOLOv11/YOLOv8的 可视化界面（GUI），该界面能够实现对 YOLOv11/YOLOv8模型的简单操作，包括模型选择、图片检测、视频检测、摄像头检测并进行结果展示等功能，且完全兼容官方源代码。
2025-01-07 00:26:27
1982
2
原创 YOLOv8/YOLOv11改进 添加CBAM、GAM、SimAM、EMA、CAA、ECA、CA等多种注意力机制
本篇文章将为大家介绍Ultralytics/YOLOv8/YOLOv11中常用注意力机制的添加，可以满足一些简单的涨点需求。本文仅写方法，原理不多讲解，需要可跳转论文查看，文章中出现的所有结构示意图都来自论文中。
2025-01-03 15:45:46
3697
5
原创 计算机毕业设计：基于深度学习/YOLO的森林火灾检测系统——以此为例的众多深度学习目标检测毕业设计
毕业季许多毕业生既要忙于备考和实习，为毕业后的就业或升学做准备，又要投入大量精力进行毕业设计及论文的写作。为了帮助大家顺利完成毕业设计，并能更好地将时间和精力投入到就业和考试的准备中，我在这里以森林火灾为例，给出一些具体的思路，供大家参考。如果有朋友拿到相关的题目而不知道从何下手可以往下看，私信或者通过公众号联系我提供毕业设计及论文方面的帮助。
2024-12-29 17:04:19
1234
原创 YOLOv11/YOLOv8网络结构图绘制，本文适用于论文添加修改模块，绘制属于自己的网络结构图
本文将将会您绘制自己的YOLOv11/v8模型网络结构图，无论是针对初学者还是有经验的深度学习研究者，本文都将为您提供清晰的指导和实用的技巧，使您能够快速上手绘制高质量的网络结构图，为您的研究工作增添亮点。
2024-12-25 20:58:14
4359
1
原创 目标检测数据集图片及标签同步旋转角度
在深度学习领域，尤其是目标检测任务中，数据集的质量直接影响模型的性能。为了提升模型的鲁棒性和对各种场景的适应能力，数据增强技术被广泛应用于图像数据集处理。旋转角度是常见的数据增强方法，通过对图像及其对应的标签（边界框）进行同步旋转，可以有效地增加模型对不同方向目标的识别能力。然而，在进行旋转变换时，除了图像本身需要旋转外，与之对应的标签（边界框）也需要进行同步更新。否则，标签位置的偏差将导致模型训练出现误差，甚至无法正确识别目标。
2024-12-21 20:48:36
423
原创 深度学习显卡算力排行榜（显卡天梯图）——以单精度FP32浮点性能为标准的TFLOPS对比
显卡（Graphics Processing Unit，简称GPU）是计算机中用于处理图形相关运算的硬件设备，是现代计算机中不可或缺的重要组成部分。显卡的核心任务是生成计算机显示器上的图像，同时还广泛应用于人工智能、大数据计算和区块链等领域。本文提供深度学习领域的单精度浮点性能显卡天梯图供参考。
2024-12-16 22:56:35
21809
1
原创 YOLOv11（Ultralytics）视频选定区域目标统计计数及跟踪
无论是在智慧交通中统计通过特定路口的车辆数量，还是在零售分析中追踪进入特定区域的顾客行为，这一功能都发挥着不可或缺的作用。运行完代码后检测结果会保存为视频，本文给出代码为默认的opencv代码，如需较为完整的使用pyqt5界面写出的视频或摄像头检测代码，可私聊获取，有其它需求欢迎私聊定制，如有大佬有好的想法也欢迎一起讨论。效果展示如下，目标经过自选框则计入in，离开自选框则计入out，总数在左侧显示，跟踪轨迹显示为线条（默认YOLOv11n效果一般，自训练模型效果较好）。，相应的函数也需要对应修改。
2024-11-23 21:05:23
2766
2
原创 通过ip摄像头软件将手机变成云ip摄像头，并用Python读取视频流，可用于实时目标检测摄像头调用
通过将手机模拟成IP摄像头，我们可以实现将手机摄像头的画面通过网络传输，进而通过Python程序读取视频画面进行分析、处理等。本文将介绍如何通过一款局域网IP摄像头软件将手机模拟成云摄像头，并使用Python进行视频流的读取，同时运用目标检测算法进行实时物体识别。使用手机软件模拟ip摄像头相比购买专门的IP摄像头设备，成本大大降低。这里我们选择局域网的第一个MJPEG进行连接，可以将网址输入浏览器中，再输入账号密码admin进行查看，或者通过以下python代码在python上调用视频流画面，代码如下。
2024-11-10 22:56:02
780
原创 目标检测数据集图片及标签同步对比度/亮度增强
对比度和亮度增强是常见的数据增强方法，它们可以使图像在不同光照和对比度条件下表现得更加自然，帮助模型学习在多样化的视觉环境中提取有效特征。然而，仅增强图像是不够的，因为标签也需要与图像同步调整。代码如下，其中alpha参数修改为对比度调整，alpha 的值为 1.0 时表示不变，大于 1.0 增强对比度，小于 1.0 减弱对比度，一般调整0.5-2.0；beta参数修改为亮度调整，beta 为 0 时表示亮度不变，正值增加亮度，负值降低亮度，一般调整负100-正100，可以根据效果自行调整数值。
2024-11-03 10:06:05
447
原创 统计数据集的TXT、XML及JSON标注文件中各类别/每个标签的数量
在计算机视觉和深度学习领域，标注文件是模型训练的重要组成部分。无论是图像分类、目标检测还是图像分割，正确的标注能够显著提升模型的性能。在实际应用中，我们需要快速了解每个类别的样本数量，以便进行数据分析、平衡类别分布或优化模型训练。以下是各个格式的文件代码，输出均按照顺利从多到少排序，其中txt输入需要修改列表中标签。统计YOLO格式的TXT文件。统计VOC格式的XML文件。
2024-10-30 16:19:48
989
原创 大规模数据集优化：随机对应删除文件，针对数据集过大
有些时候我们拿到了庞大的数据集，而并不需要用到那么多数据集进行训练，为了提高模型的效率和准确性，需要对数据集进行优化，随机删除部分不必要的文件，可以有效减小数据集规模，同时保留我们需要的信息。这里默认图片文件后缀为jpg，标注文件后缀为xml，如果遇到文件后缀名为大写的，则需要先将大写调整为小写，再进行查找，使用以下代码进行后缀名大小改小写。本文代码即是针对数据进行随机对应删除操作，即给定文件名中包含的字符及删除百分比，运行代码后可以自动删除同名的图片及标注数据，十分方便，
2024-10-30 15:48:52
296
原创 目标检测：YOLOv11(Ultralytics)环境配置，适合0基础纯小白，超详细
深度学习目标检测YOLOv11小白教程环境搭建，超级简单的教程，纯新手方便理解，一看就会。
2024-10-27 21:36:42
64142
470
原创 Labelme标注的json文件转yolo训练的txt文件
在目标检测任务中，数据标注是模型训练的关键环节。常用的标注工具有Labelimg和 Labelme，它们均能够以直观的方式对图像中的目标进行标注，并生成包含标注信息的TXT文件或者 JSON 文件。然而，YOLO模型使用的是特定格式的 .txt 文件作为训练数据。思路为，json文件中需要提取的关键信息为类别和坐标，可在shapes标签中通过提取label和points的值并进行分析得到，再将坐标值进行归一化，将全部信息按照每行文本输出到txt文件中，得到的即为yolo格式的txt文件。
2024-10-24 13:42:57
1013
原创 目标检测数据集图片及标签同步旋转
在目标检测任务中，图像的旋转是一种常见且有效的增强策略。通过对图像进行旋转，能够增加数据集的多样性，帮助模型更好地应对不同角度下的目标。然而，在进行图像旋转时，如果不对标签（标注框）进行同步调整，旋转后的图像将与标签信息不匹配，导致训练数据需要再次标注，提高了任务量。本篇文章将介绍如何在对目标检测数据集的图片进行旋转的同时，确保标签的同步旋转。通过这一增强手段，不仅可以扩展数据集的多样性，还能保证旋转后的图像与标签信息的精确对应，提升目标检测模型的鲁棒性和性能。
2024-10-21 23:56:18
311
原创 目标检测数据集图片及标签同步锐化
在目标检测任务中，数据集的质量直接影响到模型的性能。锐化（Sharpening）技术是常见的图像增强方法之一，能够突出图像中的细节特征，使模型在处理边缘、纹理等细节时表现更好。然而，单纯对图像进行锐化处理并不充分，特别是在目标检测任务中，图像的锐化还需与标签（标注框）的同步处理相结合，以保证增强后的图像与其对应的标注信息保持一致性。本篇文章将介绍如何对目标检测数据集中的图片进行锐化处理，并同步调整相应的标签文件，确保在数据增强的同时，图像与标签信息的精确对应。
2024-10-18 22:25:25
315
原创 目标检测数据集图片及标签同步裁剪
在目标检测任务中，模型的训练依赖于大量高质量的标注数据。然而，获取足够多的标注数据集往往代价高昂，并且某些情况下，数据集中的样本分布不均衡，这会导致模型的泛化能力不足。为此，数据增强成为提升模型性能的常用方法之一。在数据增强的各种方法中，裁剪是一种高效且常用的技术。通过对图片进行随机或特定区域的裁剪，能够生成更多的训练样本，提高模型对不同尺度和位置目标的鲁棒性。此外，裁剪还可以有效解决原始图片尺寸过大的问题，避免对训练性能造成影响。大尺寸图片会增加模型的计算开销，导致训练速度变慢、内存消耗增大。
2024-10-16 23:25:48
1650
2
原创 yolov8等目标检测数据集YOLO格式转VOC格式，txt文件转xml文件，格式转换
YOLO格式的标注文件是归一化之后的数据，每一行有5个数值，从左到右分别是类别，中心坐标x，中心坐标y，宽度w，高度h，这些数据经过计算后即可得到xmin，ymin，xmax，ymax的值，将这些信息相应的填入xml文件中即可。还有一个关键部分是xml文件的构建，如下代码构建，变量确认后替换。
2024-10-14 13:46:18
688
原创 yolov8（Ultralytics）可视化界面ui设计，基于pyqt5，单py文件即插即用
yolov8可视化界面、ui界面、ultralytics可视化界面，即插即用，简单便捷
2024-10-10 22:00:50
6985
20
原创 目标检测：yolov9训练自己的数据集，新手小白也能学会训练模型，一看就会
训练自己的数据集分为4部分，先配置环境，再获取制作自己的数据集，然后修改配置训练，最后验证训练结果。新手小白0基础建议一步一步跟着来，哪里看不懂的或者遇到哪有问题可以评论区交流~
2024-10-10 15:44:45
3840
6
原创 VOC格式转YOLO格式，xml文件转txt文件简单通用代码
很多人在进行目标检测训练时习惯将得到的数据标注为XML文件的VOC格式，或者在网上获取的数据集被标注为XML文件，但是不同的标注工具进行的标注会产生不同的标注xml文件，这里我写了一种通用的针对含有最基本图片和标注坐标信息的xml进行转换，在这里简单介绍并分享出来xml文件中最基本需要含有的信息为size，object下的name和bndbox，具体示例如下图（如果xml文件中没有size也就是图片的宽和高则需要单独对每个图片进行读取，感兴趣可以私聊，这里不展开介绍）
2024-06-26 22:59:46
740
原创 深度学习目标检测：yolov9环境配置，适合0基础小白，超详细
点击鼠标右键yolov9文件夹通过pycharm打开，打开后需要配置虚拟环境，点击file-settings，点击project：yolov9-main，点击python interpreter，点击右边add....，下载完之后运行安装，建议安装到默认路径，所以C盘需要留有20G以上的存储空间，一直点击下一步，直到出现这个界面，不要点击精简，选择自定义，然后全部勾选再一直下一步即可。下载完之后安装，一直点下一步，遇到选择路径 修改路径到D盘或者其它除C盘，再遇到勾选的选项全部勾选就可以。
2024-06-19 23:16:17
5036
32
原创 目标检测：yolov7训练自己的数据集，新手小白也能学会训练模型，一看就会
训练自己的数据集分为4部分，先配置环境，再获取制作自己的数据集，然后修改配置训练，最后验证训练结果，可选择将结果进行可视化界面展示。yolov7训练起来较为简单，跟yolov5相差不多，只需要多加一步将数据集所有的图片导入文本之中。如果有其他目标检测的数据集理论上可以直接拿来用，从第3训练模型开始看，新手小白0基础建议一步一步跟着来，哪里看不懂的或者遇到哪有问题可以评论区交流或者私信问~
2024-05-29 17:36:32
5496
14
原创 深度学习目标检测：yolov7环境配置，适合0基础小白，超详细
点击鼠标右键yolov7文件夹通过pycharm打开，打开后需要配置虚拟环境，点击file-settings，点击project：yolov7-main，点击python interpreter，点击右边add....，下载完之后运行安装，建议安装到默认路径，所以C盘需要留有20G以上的存储空间，一直点击下一步，直到出现这个界面，不要点击精简，选择自定义，然后全部勾选再一直下一步即可。下载完之后安装，一直点下一步，遇到选择路径 修改路径到D盘或者其它除C盘，再遇到勾选的选项全部勾选就可以。
2024-05-28 12:11:12
8511
44
原创 目标检测：yolov5训练自己的数据集，新手小白也能学会训练模型，一看就会
训练自己的数据集分为4部分，先配置环境，再获取制作自己的数据集，然后修改配置训练，最后验证训练结果，可选择将结果进行可视化界面展示。yolov5训练起来较为简单，跟yolov8相差不多，如果有其他目标检测的数据集理论上可以直接拿来用，从第3训练模型开始看，新手小白0基础建议一步一步跟着来，哪里看不懂的或者遇到哪有问题可以评论区交流或者私信问~
2024-04-27 00:01:55
9355
77
原创 统计标注文件xml文件类别
在进行目标检测训练时，有时候下载的或者别人给的数据集只有图片和voc格式的标注信息，没有类别，转换yolo格式进行目标检测训练时就非常被动，这里给出一个python代码参考，可以统计xml文件所有的类别及总类别数，yolov5、yolov7、yolov8通用，效果如下图。核心代码为找到object下的name，提取文本。
2024-04-25 19:25:20
789
2
原创 深度学习数据集分割json文件转目标检测txt文件
平时在网上找数据集或者师兄师姐给到的数据集有部分是做分割的数据集，标注是以多边形框的形式进行标注的，而我们现在常用的目标检测所使用的数据集一般是按照矩形框进行标注的，这里给出一种json转txt的方法（需要json转png+txt私聊），整体思路大概是获取多边形标注框的所有坐标点的最大最小坐标，达到框选整个目标的需求。效果如可以看下图，所有的类别和标注框都正常，右图为json标注效果，左图为转换后txt效果。
2024-04-23 14:15:03
2085
原创 论文参考文献作者排序
做科研时部分论文或者专著引用的参考文献需要将中文文献和英文文献作者分开按照字母顺序排序，一个一个手动排的话速度很慢而且效率很低，这里给到一种方法，通过调用python的pinyin库来达到自动排序的效果。针对中文文献和英文文献作者分别进行排序。最后再将二者合并起来保存即可。效果如下，这里只展示部分。首先安装pinyin库。
2024-04-22 17:23:14
694
原创 深度学习目标检测：yolov8(Ultralytics)环境配置，适合0基础小白，超详细
深度学习目标检测yolov8小白教程环境搭建，超级简单的教程，纯新手方便理解，一看就会。
2024-04-08 20:07:12
43300
263
yolov11源码+yolov11n、s、m.pt文件整合8.3.20版本
2024-10-27
yolov9源码+yolov9-t-converted.pt、yolov9-s-converted.pt文件整合
2024-06-19
yolov7源码+yolov7-tiny.pt、yolov7.pt文件整合
2024-05-28
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人