真相很简单

一种基于二阶导数的边缘检测方法，利用拉普拉斯算子来检测图像中强度变化的区域（边缘），即通过计算图像的二阶导数，找到图像亮度的突变点，从而定位边缘的位置。一种离散一阶导数的边缘检测算子，用于计算图像灰度函数的近似梯度，常用于边缘检测和特征提取，可以分别计算图像在X、Y方向的梯度。由Scharr提出的，用于替代Sobel算子，用于需要更高精度的边缘检测时，作为高精度边缘检测算子，用法跟Sobel类似。

OpenCV是基础工具库，解决传统图像处理问题。YOLO是高效的深度学习模型，解决特定任务（目标检测）。大模型是通用人工智能的探索，解决复杂、跨模态任务。在实际项目中，三者可结合使用：OpenCV 处理数据流，YOLO 负责实时检测，大模型完成高层语义理解或生成。

同时，文件属性改为UTF-8。

训练完成后，权重保存在runs/train/exp3/weights/best.pt。│ └── test_dataset.yaml # 配置文件。│ ├── train/ # 训练图片。│ └── val/ # 验证图片。│ ├── train/ # 训练图片。│ └── val/ # 验证图片。├── train/ # 训练标签。└── val/ # 验证标签。├── train/ # 训练标签。└── val/ # 验证标签。

【代码】本地文生图使用插件（Stable Diffusion）

可能会中断，中断后刷新继续即可。

【代码】感知识别算法Jetson环境部署测试记录。

英伟达游戏显卡配置

人脸识别数据集人脸检测数据集。

pytorch环境部署