自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+

追求知识的巅峰,分享经验总结

从事软件开发行业多年,对软件项目的设计、开发、运维等技术都有一定的积累,希望我所掌握的技术和经验能帮助到更多的开发者。

  • 博客(15)
  • 收藏
  • 关注

原创 DINOv3 和 YOLO的区别和关系

DINO与YOLO是目标检测领域的两大技术路线:DINOv3基于Transformer架构,通过自监督学习实现强大的通用视觉表征,但需额外检测头才能完成目标检测任务;YOLOv8等则采用CNN架构,专为实时检测优化,开箱即用但特征表达能力较弱。两者在参数量(DINOv3达14B参数)、推理速度(YOLO快10-30倍)和应用场景上差异显著,但最新趋势显示二者正走向融合,如DINO-YOLO架构结合了DINO的语义理解与YOLO的检测效率。选择时需权衡任务需求:高精度场景选DINO,实时性要求优先YOLO,或

2025-11-25 09:47:08 990

原创 YOLO的持续训练方法

YOLO持续训练方法摘要 YOLO模型在实际应用中常需持续训练以适应新数据、场景或类别。本文总结了8种常见场景的持续训练方案: 新增数据、新增类别、类别弱势、新环境适应、训练中断、欠拟合、过拟合、灾难性遗忘

2025-11-24 10:34:09 478

原创 使用YOLO做目标分类

摘要:本文介绍了基于YOLOv8的分类模型在货运车辆倾倒行为检测中的应用。采用YOLOv8m-cls模型进行二分类(倾倒/未倾倒),通过简单的目录结构组织训练数据。训练结果显示模型在白天户外场景表现良好,但夜间或室内效果欠佳,可能与训练数据不足有关。

2025-11-19 18:20:23 1240

原创 如何验证 YOLO 训练好的模型是否可用

《YOLO模型验证与优化指南》摘要: 本文系统介绍了验证YOLO模型可用性的完整方法,包含三个关键维度:1)使用mAP50、Precision、Recall等指标评估验证集表现;2)通过真实图片/视频测试实际效果;3)检测推理速度是否符合生产要求。详细说明了各类指标合格标准及异常表现的对策。针对模型常见问题(漏检、误检、新场景适应差等),提供了增量训练的具体解决方案,包括数据增强、负样本补充、类别权重调整等技术手段。最后给出了明确的持续训练判断标准,帮助开发者科学评估模型状态。全文包含从理论指标到实践代码的

2025-11-14 16:57:43 1355

原创 YOLO训练结果文件及指标详解

YOLO训练输出文件分析:训练结果包含配置文件(args.yaml)、指标曲线图(BoxF1_curve等)、数据集可视化(labels.jpg)、训练样本图像(train_batch*.jpg)、最佳/最终模型权重(best.pt/last.pt)。其中results.csv记录关键训练指标如loss、mAP等变化,results.png为可视化曲线。混淆矩阵和验证图像可评估检测效果,训练样本检查数据质量,best.pt用于最终部署,last.pt支持继续训练。这些文件对模型分析、调优和部署至关重要。

2025-11-08 22:09:40 802

原创 YOLO 常用训练参数详解与调优指南

本文总结了YOLOv8模型训练的核心参数配置方法,针对不同场景提供优化建议。核心参数包括模型权重、数据配置、图像尺寸、批次大小等基础设置。针对9种常见训练场景(如小目标检测、复杂背景、类别不平衡等),分别给出具体参数调整策略。例如,小目标检测建议增大图像尺寸至960/1280,保持mosaic增强;类别不平衡问题可通过加权采样和Focal Loss解决。文章还详细解析了数据增强、损失函数等辅助参数的设置要点,提供完整的调优思路,帮助用户在模型速度与精度间取得平衡。

2025-11-07 12:10:35 2979

原创 YOLO 模型微调

YOLO模型微调指南:基于预训练权重利用自有数据集进行迁移学习。主要内容包括:1)环境配置;2)数据集准备(标注格式与目录结构);3)模型选择策略(不同规模模型适用场景);4)微调方法(命令行/脚本方式)及关键参数调节(学习率、批次大小);5)特殊场景下的层冻结策略(针对不同数据量和类别差异)。文章提供了完整的代码示例和配置建议,强调微调相比从头训练的效率优势。

2025-10-31 08:00:00 1618

原创 YOLO训练常见问题及修复指南

YOLOv在训练过程中突然中断(崩溃/卡死/被杀掉),这些错误通常可以分为几大类:**环境配置问题**、**数据问题**、**模型配置问题**和**训练过程问题**。建议优先检查数据和环境配置,逐步排除问题。

2025-10-30 11:49:13 1260

原创 uv在Python项目中的使用方法

uv 为 Python 开发提供核心功能,本文介绍uv在Python项目中的使用方法,包括安装、项目管理、虚拟环境使用、脚本运行等

2025-10-29 10:54:09 1488

原创 Rust实践项目——ccpd数据集转化为yolo格式

Rust实践项目,一个命令行的小工具,能了解到变量的绑定、解构、模式匹配、方法、集合类型、错误处理等知识,日志管理

2025-10-27 17:37:31 1010

原创 Rust探索之旅——交叉编译指南

本文讲述Rust实现交叉编译的概念、原理和详细步骤,最后提供了一个自动编译批处理脚本,通过脚本命令可直接编译目标文件,缺少环境可以自动安装

2025-10-27 12:05:19 1082

原创 Rust探索之旅——新手入门

本文简要讲述了Rust的环境安装、常用工具使用以及工作空间的创建和管理

2025-10-27 10:45:53 1132

原创 Xshell效率实战:SSH管理秘籍 ——批量命令和自定义命令及常用快捷命令

《Xshell效率实战:SSH管理秘籍》介绍了Xshell5在运维工作中的高效应用。主要内容包括:1)基本功能如快速连接服务器(Alt+N)、自动登录(SSH密钥或保存密码)和常用快捷键(Alt+数字切换标签、Ctrl+L清屏等);2)运维技巧如多会话批量命令(通过撰写栏或键盘同步功能实现)、快速命令自定义(创建常用命令按钮)。文章提供了详细的操作步骤和截图,帮助用户提升SSH管理效率,特别适合需要批量操作多台服务器的运维场景。

2025-10-23 15:10:45 923

原创 使用 OpenResty 记录 HTTP 请求和响应信息

类型函数功能请求头获取请求头请求体获取请求体URL 参数获取 GET 参数响应头获取响应头修改响应头设置响应头响应体拦截修改响应体。

2025-10-22 10:30:52 943

原创 Python下载实战技巧:从基础到高级

技巧说明✅ 使用防止内存溢出⚙️ 合理设置chunk_size一般 1MB 左右较佳🧩 设置User-Agent避免被拦截🔄 支持断点续传长下载任务的关键🧠 异步/多线程结合提升 IO 密集任务性能🧮 控制并发数防止被目标站点封锁🧑‍💻 使用代理池适合爬虫类任务。

2025-10-22 09:59:10 654

容器技术基于Docker的镜像管理与多容器编排:CentOS环境下私有仓库搭建及Compose部署实战

内容概要:本文详细介绍了Docker容器技术的应用,涵盖Docker的安装配置、常用命令、镜像管理、容器操作、私有仓库搭建、Docker Compose多容器编排以及自定义镜像的制作方法。文档提供了CentOS环境下通过yum安装Docker的完整流程,包括使用官方源和阿里云镜像加速源的配置方式,并讲解了如何迁移Docker默认存储目录。此外,还介绍了如何通过Dockerfile定制镜像,结合实际案例展示Web服务和MySQL等常见应用的容器化部署。; 适合人群:具备Linux操作系统基础、熟悉基本命令行操作,从事运维、开发或DevOps相关工作的技术人员,尤其是初学者和希望提升容器技术实践能力的人员。; 使用场景及目标:①掌握Docker在CentOS系统上的安装与配置;②学会使用Docker命令进行镜像拉取、容器管理、日志查看和网络配置;③能够搭建私有镜像仓库并实现镜像推送与拉取;④利用Docker Compose实现多服务应用的快速部署;⑤通过Dockerfile构建自定义镜像,满足项目定制化需求; 阅读建议:建议读者按照文档顺序逐步实践每个操作步骤,重点关注Dockerfile编写、Compose配置文件结构及私有仓库的安全配置,在实验环境中反复练习以加深理解。

2025-10-31

使用YOLOv8实现目标图像识别训练

YOLOv8目标检测模型实战项目,项目中包括yolo的安装方法、训练脚本train.py和使用模型的web服务接口server.py

2025-10-31

mysql数据库备份脚本

mysql数据库的备份脚本,支持全量备份和增量备份

2025-10-31

yolov8n训练的车牌识别模型,支持蓝黄绿牌

基于yolov8n模型,通过进10万张车辆图片,包括:蓝色车牌、黄色车牌、绿色车牌,进行50轮训练得到的模型,可以准确识别车辆上的车牌信息。在实际应用中,可以通过该模型先进行车牌识别,获取识别的车牌图像后,使用文字识别其车牌号

2025-10-31

自动化运维 容器技术的应用

基于Docker、Kubernetes等技术提供应用运行平台,实现运维自动化,快速部署应用、弹性伸缩和动态调整应用环境资源,提高研发运营效率,适用于开发或运维人员,掌握了解容器的技术知识

2025-10-29

Git功能中文使用说明

Git的使用说明,中文版

2025-10-22

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除