- 博客(119)
- 资源 (12)
- 收藏
- 关注
RSS订阅原创 mcp初探
本文介绍了MCP服务的部署与Dify平台配置过程：1）通过Python编写MCP服务代码（mcp_test.py），实现获取系统时间功能；2）配置环境依赖并启动服务；3）在Dify平台添加MCP服务并配置IP地址；4）通过创建工作流测试服务连通性。整个流程包含服务端部署和平台集成两个主要环节，最终实现系统时间查询功能的自动化工作流调用。
2025-09-16 17:22:20
160
原创 mineru+docker+dify实现文档识别
本文介绍了通过Docker方式部署MinerU并与Dify集成的完整流程。首先下载源码和Dockerfile构建mineru-sglang镜像，然后通过docker-compose启动网页界面、API和加速服务。接着在Dify中安装MinerU插件并进行授权配置，需修改.env文件中的FILES_URL参数。最后演示了在Dify工作流中成功解析PDF文件内容的操作。该方法比源码安装更便捷，适合需要快速部署MinerU的用户。
2025-09-16 14:25:28
486
原创 mineru+dify实现文档识别
本文介绍了Mineru和Dify两款工具在文档识别与处理中的协同应用。Mineru作为高性能OCR工具，提供高精度文本识别和多语言支持；Dify则是强大的数据处理平台，支持多种数据源和可视化工作流设计。通过整合二者，可实现从文档扫描到数据处理的自动化流程，显著提升工作效率。文章详细说明了安装配置步骤、API服务启动方法以及在Dify中创建工作流的实践指南，为数字化转型中的文档处理提供了完整解决方案。
2025-09-15 14:28:21
209
原创 Dify自定义插件
Dify插件CLI工具安装与使用指南：本文介绍了如何安装和使用Dify插件CLI工具进行插件开发。主要内容包括：1) 下载并安装CLI工具；2) 常用指令说明；3) 创建插件项目的完整流程，包括项目初始化、语言选择、类型设定和权限配置；4) 项目目录结构说明；5) 环境变量配置和插件运行方法。该工具支持Python开发，可创建不同类型的插件（如Tool、Model等），并提供了详细的权限控制选项。安装测试成功后，开发者可通过简单的命令快速创建和运行插件项目。
2025-09-11 09:12:21
219
原创 探索大模型的前沿：从GPT到LLAMA，看看AI如何改变世界
摘要：大型语言模型（LLMs）如GPT和LLAMA正深刻改变人工智能领域。GPT系列以出色的文本生成能力著称，而LLAMA则凭借多语言支持和高效压缩技术脱颖而出。核心技术包括变压器架构、大规模预训练和模型压缩等。这些模型已应用于医疗、金融和教育等领域，显著提升效率。然而也面临计算成本高、数据偏见等挑战。未来发展方向包括多模态交互和通用AI，需平衡技术创新与伦理约束，确保AI发展造福人类社会。（149字）
2025-09-09 13:46:36
144
原创 Windows禁止更新
通过修改注册表可大幅延长Windows更新暂停时间。方法：1）运行regedit找到HKEY_LOCAL_MACHINE\SOFTWARE\Microsoft\WindowsUpdate\UX\Settings；2）新建32位QWORD值FlightSettingsMaxPauseDays；3）输入超大数值（如10000天约27年）并设为十进制。重启后查看更新设置即可生效，实现"准永久"暂停更新，避免激进关闭带来的系统风险。
2025-09-09 11:55:57
587
原创 Ragflow 本地化部署
Ragflow本地部署指南：1)安装Docker并启动服务；2)克隆Ragflow仓库；3)选择合适版本进行安装（推荐使用老版命令）；4)解决可能出现的GPU驱动错误；5)修改端口配置后启动服务，通过8888端口访问Web界面。注意：国内镜像加速可能引发ES连接问题，GPU版本需硬件支持。
2025-08-12 09:41:15
204
原创 linux下部署 dify，并配置本地ollama大模型
本文介绍了Dify平台的安装配置及Ollama模型接入方法。首先通过GitHub获取源码，配置环境变量后使用Docker启动服务，访问80端口完成管理员账号设置。在模型配置部分，详细说明了Ollama的连接步骤，包括填写模型名称、服务地址、上下文长度等参数，并特别指出多模态模型需勾选Vision支持。针对高版本Dify可能出现模型不显示的问题，给出了解决方案文中提供了完整的配置示例和常见问题处理方法。
2025-08-11 19:26:14
838
原创 SGLang vs vLLM vs Ollama：三大LLM工具深度对比与选型指南
本文对比分析了当前三大主流大语言模型工具SGLang、vLLM和Ollama的核心特性与技术差异。SGLang擅长结构化生成控制，vLLM以生产级性能见长，Ollama则侧重本地开发便利性。通过架构解析、性能测试和功能对比，为开发者提供选型建议：本地开发优先Ollama，需要复杂逻辑控制选择SGLang，企业级部署推荐vLLM。文章还探讨了工具组合使用策略及未来发展趋势，建议根据项目阶段需求灵活搭配，以平衡开发效率与运行性能。
2025-08-11 14:38:52
488
原创 使用 Python 和 eFinance 实现 A 股历史数据大规模下载与存储
随着金融市场的快速发展，获取并存储高质量的股票数据成为许多quant研究者、数据分析师以及投资者的核心需求。本文将详细介绍如何利用Python和eFinance（东方财富）API，实现A股所有股票的历史行情数据大规模下载，并将其存储到SQLite数据库中。通过这一指南，您可以轻松构建自己的金融数据仓库，为后续分析和研究奠定坚实基础。金融数据是量化分析和算法交易的基础，而高质量的历史数据是构建可靠模型的关键。通过以上步骤，您可以轻松构建自己的A股历史数据仓库，为未来的分析与研究奠定坚实基础。
2025-07-28 08:44:37
1470
原创 大模型发展与应用详解：从技术基础到实际案例探析
大模型凭借其强大的自然语言处理能力，正以前所未有的方式重塑我们的生活和工作。在未来的道路上，如何在技术创新与伦理约束之间找到平衡，将是每一个研究者和决策者的重要课题。在当今的人工智能领域，大规模语言模型（Large Language Models，LLMs），简称大模型，正如一颗新星般闪耀。大模型指的是基于深度学习技术，通过海量数据训练，能够理解和生成自然语言的模型。一家投资公司利用大模型分析海量市场数据，每日生成的财经新闻摘要精准识别出潜在的投资机会和风险信号，帮助投资者做出更明智的决策。
2025-07-25 17:46:17
393
原创 yolov13 训练自己的数据集
标注要求：生成 `.txt` 文件，每行格式 `[class_id] [x_center] [y_center] [width] [height]`（归一化坐标）。- CUDA 内存不足：减小 `batch` 或 `imgsz`（如 640→416），启用 `half=True`（半精度）。- 数据集路径错误：检查 `.yaml` 中 `path` 是否为绝对路径，或改用相对路径（如 `../datasets`）。- 训练中断恢复：设置 `resume=True` 并指向 `last.pt`。
2025-07-21 14:59:51
406
原创 SiamFC 算法详解
SiamFC作为孪生网络跟踪器的开创性工作，通过简洁高效的设计实现了实时目标跟踪，为后续研究提供了重要基础。虽然存在一些局限性，但其核心思想仍被广泛应用，不断推动着视觉目标跟踪领域的发展。
2025-04-25 12:01:43
271
原创 SiamFC算法深度解析
SiamFC（Siamese Fully-Convolutional Networks）是一种基于孪生网络（Siamese Network）的视觉目标跟踪算法，由Bertinetto等人在2016年提出。适用于需要实时跟踪的场景，如无人机追踪、视频监控、自动驾驶等，尤其在对速度要求较高的场景中表现突出。，将响应图上的每个位置视为二分类样本（正样本为真实目标中心，负样本为背景区域）。：后续帧中可能包含目标的更大区域（通常为255×255像素）。输出为响应图（17×17），最大值对应目标在搜索区域中的位置。
2025-04-24 22:21:31
295
原创 CamShift目标追踪算法
CamShift（Continuously Adaptive Mean Shift）算法是Mean Shift算法的改进版本，主要用于视频序列中的目标跟踪。它通过动态调整搜索窗口的大小和方向，适应目标在运动过程中的尺度变化和旋转，广泛应用于计算机视觉领域，如人脸跟踪、物体追踪等。从上一帧的目标位置开始，在反向投影图上运行Mean Shift算法，寻找密度最大的区域（即新目标位置）。对后续每一帧，计算每个像素属于目标颜色分布的概率，生成反向投影图（概率密度图）。依赖颜色分布，若背景与目标颜色相似易失效。
2025-04-24 11:52:40
169
原创 Mean-Shift目标跟踪算法详解
其改进版（如CAMShift）可解决尺度问题，但复杂场景需结合其他特征或深度学习模型。结合卡尔曼滤波（Kalman Filter）预测目标位置，提升快速移动时的鲁棒性。对直方图进行归一化，得到概率分布 ququ（uu为直方图的bin索引）。通过Mean-Shift迭代，找到相似度最高的区域（密度峰值）。联合颜色、纹理（LBP）、或深度特征（如HOG）增强判别能力。统计目标区域内颜色的概率分布（即“目标模型”）。将目标的颜色分布（如HSV空间的H通道）表示为。：手势跟踪（如基于肤色的手部追踪）。
2025-04-23 16:55:44
146
原创 KCF目标追踪算法 (Kernelized Correlation Filters) 详解
该算法基于相关滤波（Correlation Filter）理论，结合核技巧（Kernel Trick）和循环矩阵（Circulant Matrix）性质，在计算效率与跟踪精度之间取得了良好的平衡。KCF算法因其高速度（可达数百FPS）和较高的鲁棒性，成为目标跟踪领域的重要基准方法之一。KCF算法的核心思想是通过训练一个滤波器，使其在目标位置处产生最强的响应，从而在后续帧中快速定位目标。：传统的相关滤波器是线性的，KCF通过核方法（如高斯核、多项式核）将其扩展到非线性情况，提高分类能力。
2025-04-23 14:15:21
813
原创 在 Windows 下安装 Dify 教程
确保 Docker Desktop 正在运行并有足够资源（至少 4GB 内存分配给 Docker）现在您已经在 Windows 上成功安装并运行了 Dify，可以开始构建您的 AI 应用了！：所有数据会自动保存在 Docker 卷中，即使容器停止也不会丢失。下载并安装 Docker Desktop for Windows。安装完成后启动 Docker Desktop。确保在设置中启用 WSL 2 后端（推荐）：如果 80 端口被占用，可以在。PostgreSQL 数据库。推荐配置至少 8GB 内存。
2025-04-22 11:23:11
2442
原创 Mask R-CNN
不仅能够完成目标检测（检测物体并给出边界框），还能为每个检测到的物体生成精确的像素级分割掩码（Mask）。：二值交叉熵（Binary Cross-Entropy），计算每个像素的预测掩码与真实掩码的误差。的掩码（K 是类别数，m 是掩码分辨率，通常 14×14 或 28×28）。Mask 分支仅预测当前类别对应的掩码，避免不同类别竞争，提升分割质量。：预测每个 RoI 的分割掩码（Mask），采用 FCN 结构。在原有的分类（Class）和回归（Box）分支基础上，新增一个。
2025-04-22 09:37:24
906
原创 图像分割的发展历程
如Non-local Networks（2018）、CBAM（2018），增强重要区域权重。扩展Faster R-CNN，增加分割分支，实现检测与分割一体化（实例分割）。：结合编码器-解码器和空洞空间金字塔池化（ASPP），提升多尺度分割能力。：扩展至点云（如PointNet++）和时序数据（如MaskTrack）。：如SAM（Meta），通过提示（prompt）实现零样本分割。（2001）：将分割转化为能量最小化问题，结合颜色和边界信息。：使用SIFT、HOG等特征结合分类器（如SVM）进行分割。
2025-04-22 09:04:46
742
原创 ByteTrack自定义数据集训练指南
使用NVIDIA Jetson部署，启用--fp16和--trt以下是使用ByteTrack 通过保留低置信度检测框（传统方法会过滤掉），利用运动关联（IoU匹配）和外观特征（可选）实现高精度多目标跟踪，尤其适合遮挡和拥挤场景。
2025-04-21 13:51:08
901
原创 unet训练自己的数据集
通过以上步骤，即可完成UNet在自定义数据集上的训练和部署。图像和标签：图像（如.jpg.png）和对应的分割掩膜（mask，需与图像同名且尺寸相同）。目录结构dataset/train/images/ # 训练图像masks/ # 对应的标签val/images/ # 验证图像masks/ # 对应的标签。
2025-04-21 11:03:22
1344
原创 DeepLabv3+训练自己的数据集指南
希望这个指南能帮助你成功训练自己的DeepLabv3+模型！使用不同的backbone（如Xception）提高精度。对应的标注图像（PNG格式，每个像素值代表类别ID）类别ID应从0开始连续编号（0,1,2,...）标注图像应为单通道，像素值0通常表示背景。添加数据增强（随机缩放、旋转、颜色变换）：减小batch_size或图像尺寸。输入图像（如JPG/PNG格式）：尝试降低学习率或使用学习率调度。：增加数据增强或使用正则化技术。使用混合精度训练加速训练过程。：在损失函数中使用类别权重。
2025-04-21 10:38:27
1128
原创 FairMOT与MCFairMOT算法对比
扩展 FairMOT 的单类别检测头，支持同时预测不同类别的中心点和边界框。可选方案：为不同类别设计独立的Re-ID子网络，减少跨类别特征混淆。需同时跟踪多类别目标（如交通监控中的车、人、非机动车）。有足够算力支持多类别计算（如服务器或高性能GPU）。：减少无关类别的干扰（如车辆轨迹不会匹配到行人）。：需平衡不同类别的样本分布（避免类别不平衡）。，可进一步优化多类别场景下的抗遮挡能力。，并调整损失函数（如类别加权交叉熵）。仅需跟踪单类别目标（如行人或车辆）。可接受稍低的帧率以换取多类别支持。
2025-04-18 16:42:32
839
原创 CenterTrack
的多目标跟踪（MOT）算法，由 Xingyi Zhou 等人提出（ECCV 2020）。显式学习目标的运动模式（而非依赖 Kalman 滤波），更适合非线性运动（如行人突然转向）。，从而实现高效的单阶段（One-Stage）跟踪，适用于实时应用（如自动驾驶、视频监控）。否则初始化为新目标。对短暂丢失的目标（如遮挡），保留历史轨迹一段时间（类似 SORT 的机制）。：预测目标从 t−1t−1 帧到 tt 帧的位移（Δx,ΔyΔx,Δy）。上一帧的检测热图 Ht−1Ht−1（可选，用于增强时序信息）
2025-04-18 16:39:30
1001
原创 BoT-SORT算法
显著提升了复杂场景下的跟踪稳定性，是 SORT 系列算法的先进版本。：传统 Kalman 滤波假设目标运动是线性的，但在实际场景中，相机可能移动（如车载摄像头、无人机拍摄），导致目标运动非线性。：DeepSORT 使用外观特征（Re-ID）辅助匹配，但在遮挡或低分辨率情况下可能失效。，在SORT、DeepSORT和OC-SORT的基础上进一步提升了跟踪鲁棒性，尤其是在。：传统 SORT 使用固定的过程噪声和观测噪声，无法适应不同运动速度的目标。：对未匹配的检测和轨迹，使用 Re-ID 特征计算相似度。
2025-04-18 16:37:18
1083
原创 OC-SORT算法
OC-SORT（Observation-Centric SORT）是一种基于观测中心的多目标跟踪（MOT, Multi-Object Tracking）算法，是对经典SORT（Simple Online and Realtime Tracking）算法的改进。传统SORT以预测为中心（如Kalman滤波的预测优先），而OC-SORT更注重当前帧的观测结果，减少对不可靠预测的依赖。在数据关联时，不仅考虑位置和IOU（交并比），还加入运动方向的一致性判断（如速度向量夹角），减少相似外观目标的误匹配。
2025-04-18 16:19:50
932
原创 FairMOT算法详解
同时完成目标检测和重识别（Re-ID）特征提取，解决了传统两阶段方法（如DeepSORT）中检测与Re-ID任务的不公平性问题，显著提升了跟踪的准确性和效率。，即让检测（Detection）和重识别（Re-ID）两个任务在同一个网络架构中。检测器和Re-ID模型分开训练，检测框的质量直接影响Re-ID特征提取。检测误差会传递到Re-ID阶段，导致ID切换（ID Switch）增加。输出热图（Heatmap），预测目标中心点（类似CenterNet）。：引入全局Re-ID检索（如BoT-SORT）。
2025-04-18 16:14:27
1755
原创 图像篡改检测算法
然而，面对不断演进的篡改手段和生成技术（如AIGC），算法需持续进化以平衡准确性、效率和泛化能力。：端到端学习篡改特征（如MesoNet、ManTra-Net）。：识别GAN生成图像的频域伪影（如FakeCatcher）。：适应新型篡改技术（如Diffusion模型生成内容）。：篡改区域边缘可能不自然（如模糊、锐化过度）。：突出可疑区域（如EXIF信息引导的检测）。：依赖预嵌入信息（如数字水印、数字签名）。：结合噪声、纹理、光照等特征提升鲁棒性。：IoU（交并比）、篡改定位准确率。
2025-04-18 16:01:30
914
原创 AI中台系统设计方案探讨
集成JupyterLab、低代码建模工具（如H2O.ai）、预训练模型库（Hugging Face、PaddleHub）。：通过REST/gRPC接口封装AI能力（如OCR、语音识别），支持流量控制与鉴权（如Kong、Apigee）。：服务注册发现（Consul）、熔断降级（Hystrix）、监控告警（Prometheus+Grafana）。：分布式存储（如HDFS、Ceph）与对象存储（如S3、OSS），支持海量数据高速读写。加密传输（TLS）、动态脱敏（如数据掩码）、访问控制（RBAC）。
2025-04-18 15:58:34
889
原创 yolo系列发展
后续版本在保持速度的同时，通过结构创新（如FPN、RepVGG）和训练技巧（如动态标签分配）持续提升精度。：由Alexey Bochkovskiy团队提出（非官方版本，但被广泛认可）。：从两阶段（Faster R-CNN）到单阶段（YOLO），再到轻量化设计。：输入图像尺寸动态调整（320×320到608×608），增强鲁棒性。：通过3种不同尺度的特征图（FPN结构）检测不同大小目标。：引入先验框（Anchor），提高边界框预测的多样性。：引入残差结构（ResNet），提升特征提取能力。
2025-04-18 14:52:11
626
原创 目标检测综述
通过滑动窗口遍历图像，结合手工设计的特征（如HOG、SIFT、Haar）和分类器（如SVM、Adaboost）进行检测。（You Only Look Once）：YOLOv1（2016）到YOLOv9（2024），兼顾速度与精度。（2020）：首次将Transformer引入目标检测，端到端训练，无需手工设计组件（如NMS）。：用边界框（Bounding Box）标出物体的位置，通常用坐标（x, y, w, h）表示。：结合文本（如CLIP）、点云（LiDAR）等信息。
2025-04-18 14:43:14
157
原创 unet算法发展历程简介
UNet是一种基于深度学习的图像分割架构，自2015年提出以来经历了多次改进和扩展，逐渐成为医学图像分割和其他精细分割任务的标杆。：对称的U形网络，左侧（编码器）通过下采样提取特征，右侧（解码器）通过上采样恢复空间分辨率。UNet的成功得益于其简洁性、灵活性和可扩展性，未来仍将是图像分割领域的重要基线模型。：空间/通道注意力（如SE模块）、自注意力（Non-local模块）。：将编码器的高分辨率特征与解码器的上采样特征拼接，保留局部细节。处理3D医学图像（如CT、MRI），在解码器中使用3D反卷积。
2025-04-18 14:34:40
1269
原创 DeepLab 算法发展历程
DeepLab 系列至今仍是语义分割领域的基石，后续许多工作（如 OCRNet、Mask2Former）均受其启发。：多尺度特征融合显著提升分割精度（PASCAL VOC 2012: 79.7% mIOU）。：DeepLabv3 输出分辨率低（通常为输入尺寸的 1/8），边界模糊。：成为语义分割的标杆模型，支持轻量化（MobileNetV2）和实时应用。：传统 CNN 通过池化（Pooling）降低分辨率，导致空间信息丢失。：自动搜索更优的 DeepLab 结构（如 Auto-DeepLab）。
2025-04-18 09:11:13
805
原创 DeepLabv3+ 简介
的架构，在语义分割任务中实现了高精度和鲁棒性，至今仍是工业界和学术界的常用模型。：并行使用不同膨胀率（dilation rate）的卷积，识别不同大小的物体。编码器输出（经过 ASPP）先进行 4 倍上采样，再与主干网络的低层特征融合。模块，显著提升了物体边界的分割精度，同时保持了多尺度上下文信息提取的能力。：支持高性能（ResNet）和轻量化（MobileNet）主干网络。在不降低特征图分辨率的情况下，扩大感受野，捕捉多尺度信息。和高层语义信息，优化分割结果的细节，特别是物体边缘。
2025-04-18 09:02:35
1359
原创 DeepSORT 目标追踪算法详解
DeepSORT 凭借其高效的实时性和稳定的追踪效果，已成为多目标追踪领域的基准算法。通过合理选择检测器、优化Re-ID模型及调整参数，可显著提升其在复杂场景下的性能。领域的经典算法，通过结合目标检测、运动预测和外观特征匹配，实现了高效、稳定的实时追踪。MOTA=1−漏检数+误检数+ID切换数总目标数MOTA=1−总目标数漏检数+误检数+ID切换数。：将大模型（如ResNet50）蒸馏至轻量模型（如MobileNetV2）。：提取目标的深度特征（128维或256维向量），用于区分不同目标。
2025-03-19 14:48:01
1600
原创 基于深度学习的目标追踪技术全解析
模拟遮挡训练鲁棒表示（Occlusion-Aware R-CNN）。：引入区域建议网络（RPN），联合分类与回归提升定位精度。：FP16/INT8量化与层融合（NVIDIA GPU）。：逐帧检测目标，通过数据关联（匈牙利算法）跨帧链接轨迹。：融合YOLO检测与Re-ID特征，卡尔曼滤波预测轨迹。：卷积与Transformer结合，平衡局部与全局信息。：FAIR的检测与追踪平台（集成Mask R-CNN）。：CLIP模型实现未知类别追踪（如OVTrack）。：联合训练检测与Re-ID，解决特征不一致问题。
2025-03-19 14:31:40
1092
原创 目标追踪综述
目标追踪的核心任务可定义为：给定视频序列初始帧中目标的标注信息（通常为边界框或掩码），在后续每一帧中预测目标的时空状态（位置、尺度、运动轨迹等）。其核心挑战在于如何建模目标的外观与运动特征，并应对复杂环境干扰（如遮挡、光照变化、背景杂波等）。
2025-03-06 16:15:52
867
口罩数据集（mask，nomask),VOC格式，可用于目标检测
2022-07-12
图像视频的车牌检测系统
2024-04-26
目标检测数据集的扩充升级版
2024-04-11
目标检测数据集扩充程序
2023-12-04
基于深度学习的摔倒检测
2023-03-06
基于yolov5的猪体（pig)识别
2023-03-04
牛（cow）目标检测数据集
2023-03-04
牛（cow)数据集，VOC格式
2023-03-04
基于深度学习的钢筋端面识别
2023-03-04
yolov5牛体检测识别
2023-02-28
tkinter实现图像与视频中的人员统计
2023-02-27
前后端实现口罩检测与人脸识别
2023-02-19
python-flask-vue实现前后端人体与车辆属性检测
2023-02-18
基于yolov6的安全帽检测
2022-10-18
基于yolov5的安全帽检测
2022-10-18
PaddleOCR+HTML 图像OCR识别系统介绍
2025-04-20
视频人体属性检测演示系统
2025-04-18
html实现的经典贪吃蛇游戏
2025-04-09
Flask + YOLO + HTML 实现前后端图像/视频目标检测：零基础实战教程
2025-04-07
【Flask+paddle深度学习】高精度音频识别系统（附完整源码、模型&详细部署教程）
2025-04-07
VisionTransformer图像分类
2024-05-08
VGGNet图像分类算法
2024-05-08
GoogleNet图像分类算法
2024-05-08
pyqt+yolo+lprnet车牌检测识别系统
2024-05-06
ResNet图像分类算法
2024-05-06
DenseNet图像分类
2024-05-05
AlexNet图像分类
2024-05-04
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人