- 博客(86)
- 收藏
- 关注
RSS订阅原创 基于FFmpeg进行rtsp推流
在Windows 11上安装FFmpeg并配置环境变量，可实现命令行调用。通过下载MediaMTX（RTSP服务器）并运行，启动本地RTSP服务（默认地址：rtsp://127.0.0.1:8554）。使用FFmpeg将视频文件推流至该地址，如ffmpeg -re -stream_loop -1 -i D:\test.mp4 -c:v libx264 -preset veryfast -tune zero-latency -f rtsp rtsp://127.0.0.1:8554/live。最后用VLC播放
2026-10-12 14:19:56
165
原创 Docker镜像导入、容器启动
将ptxl.tar导入并生成ptxl:latest镜像，通过docker run创建名为ptxl的容器，挂载SophonSDK、设备、数据目录及系统配置，映射多个端口，启用特权模式以访问硬件。使用docker exec进入容器进行操作。
2026-10-08 10:23:23
120
原创 深度学习基础：什么是上采样和下采样？
下采样通过减小特征图尺寸降低计算量、扩大感受野并提取高级语义特征，常用方法包括步长卷积和池化；上采样则用于恢复空间分辨率，常见方式有最近邻插值、双线性插值和转置卷积，后者可学习参数，常用于语义分割等任务。两者在目标检测与图像分割中协同作用，实现从低维到高维的特征重建。
2026-09-18 11:13:37
129
原创 Linux远程服务器网络访问优化：使用SSH反向端口转发共享本地HTTP代理
在日常开发过程中，经常会遇到这样的情况：本地电脑网络环境正常，但远程服务器由于网络出口限制、访问策略或者环境配置原因，无法正常访问部分外部软件仓库，导致 Git、pip、conda 等工具下载依赖失败。如果服务器不方便单独配置网络出口，可以利用 SSH 自带的端口转发功能，将本地已有的 HTTP 代理能力临时提供给远程服务器使用。该方法具有以下特点：- 不需要修改服务器网络配置；- 不需要安装额外软件；- 基于 SSH 加密连接；- 仅当前 SSH 会话有效，关闭连接后自动失效。
2026-09-10 17:19:43
202
原创 解决 Codex 启动时 Reconnecting 1/5～5/5：通过 .env 配置代理让 WebSocket 正常连接
相信不少人在使用 Codex 的时候都遇到过这种情况：然后过一会儿才能正常使用。虽然最终一般能够连接成功，但是每次启动都要先重连 5 次，体验确实比较难受。如果你不想禁用 WebSocket，希望 Codex 继续保持原来的连接方式，那么可以尝试通过 .env 文件显式配置代理地址，让 Codex 的网络连接，包括 WebSocket 握手，也能够正确经过代理。
2026-09-10 11:13:09
508
原创 ONNX 的核心原理
ONNX是一种标准计算图格式，将PyTorch等模型的网络结构和权重转换为统一描述，包含计算图、算子（Conv、Relu等）和参数。它非训练框架，而是中间翻译层，解决不同框架和硬件间转换麻烦。部署时，输入Tensor按图执行算子，读取权重生成中间结果，最终输出。
2026-09-01 11:12:54
221
原创 Python + OpenCV 实战：基于模板匹配识别信用卡卡号
本文介绍了一个基于Python和OpenCV的信用卡卡号识别项目。项目通过模板匹配技术，从信用卡图片中定位并识别卡号区域，最终输出卡号及发卡组织信息。 主要内容包括： 项目效果：能够识别特定字体（OCR-A）的信用卡号，并在原图上标记识别结果 处理流程：分为模板准备和卡号识别两个阶段 关键技术： 使用轮廓检测和排序制作0-9数字模板 通过顶帽运算、梯度计算和形态学处理定位卡号区域 模板匹配实现数字识别 该项目适合计算机视觉初学者，展示了传统图像处理技术（非深度学习）在特定场景下的应用。文中包含详细的处理步骤
2026-08-18 11:10:57
239
原创 Opencv之高斯金字塔
高斯金字塔（Gaussian Pyramid）是图像处理中一种多尺度表示方法。你可以简单理解成：把一张图片不断“高斯模糊 + 缩小”，得到一组从大到小的图片。比如原图是 512×512：第0层 512 × 512 原图↓ 高斯滤波 + 下采样第1层 256 × 256↓第2层 128 × 128↓第3层 64 × 64假设有一张 4×4 灰度图：向下采样不是简单地隔一个取一个，而是两步：原图↓① 高斯滤波：先平滑↓。
2026-08-12 15:38:35
250
原创 YOLO训练指标之Precision-Confidence
本文解读了精确率-置信度曲线（Precision-Confidence曲线）的核心含义与应用。该曲线横轴为置信度阈值（0-1），纵轴为精确率，反映模型在不同置信度下的预测准确度。关键发现包括：各类别表现差异显著（如火车检测始终准确，小动物易误判）；当置信度阈值设为1时，精确率达100%但召回率骤降；曲线末端可能出现因样本过少导致的波动。该曲线特别适用于医疗、自动驾驶等"零误报"场景，可通过提高置信度阈值来优先保证准确率，与F1曲线形成互补决策参考。
2026-07-03 15:55:14
242
原创 yolo训练指标之BoxF1_curve
BoxF1_curve.png展示了目标检测模型（如YOLO）的F1-置信度曲线，用于确定最佳置信度阈值。该图横轴为置信度阈值（0-1），纵轴为F1分数（查准率和查全率的调和平均数）。关键信息包括：1）各类别的独立F1曲线（如红色的小动物类别表现较差）；2）蓝色粗线表示所有类别的平均F1曲线，在置信度0.56时达到峰值0.92。曲线左侧（低阈值）查全率高但查准率低，右侧（高阈值）则相反。建议：0.56是最佳阈值，若需更高查全率（如安全关键场景），可适当降低至0.3-0.4，仍能保持0.9左右的F1分数。
2026-07-03 15:52:19
223
原创 YOLO26 架构深度讲解
YOLO26技术解析摘要 YOLO26（arXiv:2606.03748）在YOLO11基础上进行四项关键改进： 双头端到端设计：训练时并行使用密集头（NMS依赖）与一对一推理头（NMS-free），通过ProgressiveLoss动态调整两者权重，解决推理头欠训练问题，实现稳定延迟与简化部署。 去除DFL回归头：直接输出4标量边框回归，参数减少12%、FLOPs降低20%，突破DFL的距离上限，更适合高分辨率大物体检测。 训练优化三件套： MuSGD优化器：混合Muon正交化与SGD，加速收敛； STA
2026-07-03 11:15:04
444
原创 什么是 K 折交叉验证（K-Fold Cross Validation）？一文讲懂原理、优缺点及应用场景
K折交叉验证是一种稳健的模型评估方法，通过将数据集均分为K份，轮流用其中1份作为验证集、其余K-1份作为训练集，最终取K次结果的平均值。这种方法能有效降低数据划分随机性带来的偏差，特别适合小规模数据集（如医学影像等），但会显著增加K倍训练时间。对于目标检测任务，建议数据量超过3000张时采用固定划分，小样本场景（<1000张）才考虑K折验证。虽然该方法能提升评估可靠性，但需权衡计算成本，大规模数据集通常无需使用。
2026-07-02 14:39:29
465
原创 YOLO 数据集如何科学划分？Train/Val 划分方法与多标签分层详解
本文总结了目标检测数据集划分的最佳实践方案，重点针对YOLO系列模型训练。推荐采用80%/20%的Train/Validation划分比例，保持原始数据结构不移动。关键要点包括：1）按图片而非类别划分；2）背景图片需按比例分配；3）采用多标签分层划分保持类别分布均衡；4）固定随机种子保证可复现性。对于3000张左右的数据集，建议使用结构化组织方式（images/labels目录+路径文件），避免数据冗余。文中还提供了自动划分工具的详细设计需求，强调通过多标签分层和统计验证来确保数据划分质量。
2026-07-02 14:30:41
370
原创 【保姆级教程】基于 kohya-ss/sd-scripts 的 FLUX LoRA 拓扑训练指南（含 Accelerate 多卡/单卡通用配置）
本文详细介绍了如何在FLUX（Diffusion Transformer）架构下高效进行LoRA微调训练。主要内容包括：1. 环境配置：推荐使用Linux+Conda隔离环境，安装PyTorch及核心依赖；2. Accelerate配置：针对不同显卡环境（单卡/多卡）提供最优分布式策略设置建议，重点解析了NUMA优化和bf16混合精度的重要性；3. 数据集准备：说明多分辨率桶配置方法；4. 训练脚本编写：提供自适应不同显存配置的调参方案；5. 运行验证：指导模型产出和推理测试流程。文章特别强调了针对FLUX
2026-06-22 17:55:10
417
原创 低秩分解的原理
前几个甚至前几十个奇异值往往占据了整个矩阵总能量（F-范数）的 90% 以上，而后面的奇异值几乎趋近于 0（代表噪声或次要细节）。要理解低秩分解（Low-Rank Decomposition）的原理，最完美的起点正是奇异值分解（SVD, Singular Value Decomposition）。低秩分解的本质，就是从 SVD 中获得启发，剔除冗余信息，用极少的计算和存储成本去逼近原始矩阵。也就是说，低秩分解不是盲目的压缩，而是在保留最大信息量的前提下，做出的数学上的最优选择。
2026-06-22 16:05:21
271
原创 ComfyUI-CLIP
CLIP是AI绘画中的关键"翻译官"，负责将人类自然语言提示词转换为数学特征向量，供K采样器理解。它生成正/负面条件指导图像生成过程，与K采样器（图像雕刻）和VAE（图像解码）构成Stable Diffusion三大核心组件。CLIP使AI能按文字描述精准作画，成为连接人类意图与AI创作的关键桥梁，赋予系统"理解"能力。
2026-06-12 14:57:50
273
原创 ComfyUI-VAE Encoder
VAEEncoder是AI绘画中处理图像压缩的关键组件，它将高分辨率像素图压缩为低维潜空间表示，大幅降低计算量。在Stable Diffusion等模型中，VAEEncoder会将512x512图像压缩至64x64的潜空间图像（数据量减少64倍），使AI能在计算友好的潜空间中进行去噪和创作。它主要用于图生图场景，而文生图则直接从潜空间噪点开始。与之配套的VAEDecoder负责将最终潜空间作品还原为可视像素图。这种编码-解码机制如同"压缩-创作-解压"的工作流程，使AI绘画在保持质量的同
2026-06-12 14:35:28
198
原创 ComfyUI—K采样器的参数说
ComfyUI的K采样器核心参数解析：种子(Seed)决定图像初始状态，固定种子可复现相同结果；步数(Steps)控制去噪迭代次数（推荐20-40步）；CFG值(10.0)调节提示词遵循强度，过高易导致画面失真；采样器(dpmpp_2m)和调度器(normal)影响算法风格与去噪节奏；降噪值(1.0)为文生图标准设置，降低数值可实现图生图效果。这些参数共同控制AI从噪点到成图的生成过程，需平衡质量与效率。（149字）
2026-06-11 16:04:32
889
原创 DNS （Domain Name System，域名系统）
它是互联网的一项核心基础设施，最主要的功能是将人类容易记住的（例如）翻译成计算机网络设备能够理解的（例如你可以把它理解为“互联网的通讯录”。我们人类习惯通过名字来找人，而计算机在网络中路由和建立连接（如建立 TCP 或 UDP 连接）时，依赖的是数字组成的 IP 地址。DNS 就是负责在这两者之间进行自动转换的系统。
2026-06-11 10:02:21
250
原创 ICMP 协议
ICMP 全称是 Internet Control Message Protocol（互联网控制报文协议）。它是计算机网络中非常基础且重要的一个网络层协议，主要与 IP（互联网协议）配合使用。如果把 IP 协议比作负责运送包裹的“快递员”，那么 ICMP 就是一套异常报告与诊断系统。当快递（数据包）在运输过程中遇到问题，比如地址不存在、道路堵塞等时，系统就会通过 ICMP 给你发送一条反馈信息。ICMP 主要负责在网络设备，如路由器、主机，之间传递控制信息和错误报告。
2026-06-11 09:53:59
265
原创 LeetCode ：罗马数字转整数
本文介绍了将罗马数字转换为整数的方法。罗马数字遵循特定规则：一般情况下，数字从大到小排列直接相加（如VI=5+1=6）；但有六种特殊情况需要减法处理，即I在V/X前、X在L/C前、C在D/M前时（如IV=5-1=4）。解题时通过比较相邻字符值决定加减：当前字符值小于后一个字符时减去当前值，否则加上当前值。Python实现使用哈希表存储字符对应关系，遍历字符串逐个处理，最后单独加上末尾字符。算法时间复杂度O(n)，空间复杂度O(1)。示例展示了"MCMXCIV"如何转换为1994的过程。
2026-06-08 10:04:24
164
原创 LabelImg报错：IndexError: list index out of range 解决方法
LabelImg标注工具闪退问题通常由标签文件中的类别索引越界导致。当标注文件中的类别编号超过classes.txt中定义的类别数量时，程序会抛出"IndexError: list index out of range"错误。常见原因包括：修改类别数量未同步更新标签、合并数据集时编号冲突或导出工具异常。可通过Python脚本快速检测问题文件，方法为遍历标签文件检查类别编号是否超出classes.txt的类别总数。解决方案为修正异常文件中的类别编号，确保其索引值在合理范围内。该问题多发生于
2026-06-05 15:20:34
233
原创 LabelImg KeyError 错误解决方案
这是 LabelImg 的一个已知 bug，原代码在访问字典时缺少存在性检查。添加 shape in self.shapes_to_items条件判断后，可以避免因字典中找不到对应 key 而导致的崩溃问题。
2026-06-05 08:57:49
202
原创 LabelImg 标签字体大小修改教程
本文介绍了如何调整LabelImg图像标注工具中过大的标签字体大小。通过修改labelImg.py文件中的动态计算系数（默认0.02），可缩小高分辨率图片的标注字体。具体步骤包括：1）定位Python环境中的labelImg.py文件；2）修改第1165行附近的计算公式，将系数0.02调整为更小值（如0.01）；3）重启软件生效。该方法简单直接，用户可根据实际需求调整系数优化标注体验。
2026-06-04 15:25:33
210
原创 时间复杂度和空间复杂度怎么计算
本文以「两数之和」问题为例，分析算法的时间与空间复杂度。哈希表解法的时间复杂度为O(n)，因为进行了n次哈希表操作（O(1)）；空间复杂度为O(n)，存储了n个元素。相比之下，暴力枚举法时间复杂度为O(n²)。这体现了"空间换时间"的优化思想：通过额外空间降低时间复杂度。文章还总结了常见算法的复杂度判断技巧，如单层循环O(n)、双层循环O(n²)、二分查找O(logn)和递归O(n)等。
2026-06-04 15:03:26
217
原创 图片哈希值
图片哈希值是用于表示图片视觉特征的固定长度字符串，对内容编码而非文件本身，具有抗缩放、压缩等特性。常见算法包括：1. aHash（快速，抗缩放，对亮度敏感）；2. dHash（常用，亮度鲁棒，去重效果好，基于相邻像素比较）；3. pHash（符合人眼感知，抗压缩强，利用DCT变换）；4. wHash（精度高，抗模糊/压缩，基于小波变换）。示例显示相似图片哈希值接近，不同图片差异显著，适用于去重和相似性检测。Python库（如imagehash）可快速计算哈希值。
2026-06-02 10:45:24
236
原创 目标检测的分类原则
目标检测分类设计的关键在于合理性和实用性，而非类别数量。核心原则包括：类别必须互斥且视觉差异明显（如避免"鸟vs动物"或地域性细分）、同一类别需覆盖多样场景（如不同天气/距离的鸟类）、避免按尺寸分类。类别数量应根据数据规模调整（小数据集5-10类，大数据集可达100类）。判断标准是人类能否稳定区分（95%准确率）。需注意类别过多会导致数据不平衡、标签噪声和AP下降，尤其在检测任务中会影响分类和定位性能。最终应基于任务需求、视觉差异和数据特性来优化类别设计。
2026-06-01 10:48:12
353
原创 Inner-IoU: More Effective Intersection over Union Loss with Auxiliary Bounding Box
本文提出了一种新型边界框回归损失函数Inner-IoU，通过引入缩放因子ratio生成不同尺度的辅助边界框计算损失，有效解决了现有IoU损失泛化能力弱的问题。理论分析表明，较小辅助框可加速高IoU样本回归，较大辅助框则促进低IoU样本收敛。实验证明，将Inner-IoU集成到现有IoU损失中，在PASCAL VOC和AI-TOD数据集上分别实现了0.5%以上的AP提升，尤其在小目标检测任务中表现突出。该方法无需增加额外损失项，仅通过调整辅助框尺度即可提升检测性能，具有较强泛化能力。代码已开源。
2026-05-18 15:59:58
427
原创 TensorRT C++如何申请、使用、释放显存
TensorRT推理中的显存管理主要涉及三部分：用户手动管理的输入/输出Buffer、TensorRT内部Workspace和CUDA自动管理的Stream/Context。核心操作包括使用cudaMalloc申请显存和cudaFree释放显存，未释放会导致显存泄漏。完整生命周期包含创建engine/context、申请I/O Buffer、数据拷贝、推理执行和显存释放等步骤。优化建议包括Buffer复用和合理使用CUDA Stream，通过减少cudaMalloc/cudaFree调用提升性能。关键注意事
2025-12-21 16:08:57
611
原创 条件变量（Condition Variable）
本文介绍了C++中条件变量(ConditionVariable)在多线程同步中的应用。条件变量配合互斥量使用，可避免线程忙等待，实现高效线程间通信。通过生产者-消费者模型示例，展示了条件变量的核心使用流程：等待线程通过wait()阻塞，通知线程通过notify_one/all()唤醒等待线程。重点解析了wait()的内部机制：自动释放锁、条件检查、重新加锁的过程。文章还详细说明了生产结束时的处理方式，包括设置结束标志和使用notify_all()确保消费者线程安全退出。该机制有效解决了线程同步中的资源浪费问
2025-12-19 14:25:30
886
原创 C++中的互斥量（Mutex）
摘要：互斥量(Mutex)是C++多线程编程中防止数据竞争的核心同步机制，通过"上锁"确保同一时间只有一个线程访问共享资源。文章介绍了三种使用方式：1)基本lock/unlock方法（需注意异常安全）；2)推荐使用的RAII风格lock_guard（自动管理锁生命周期）；3)更灵活的unique_lock（支持手动控制）。通过计数器示例展示了Mutex的实际应用，并指出死锁风险及解决方案（统一加锁顺序或使用std::lock）。正确使用Mutex可确保多线程程序的数据一致性和稳定性。
2025-12-19 13:34:06
377
原创 C++中引用类型变量 int&
本文介绍了C++中引用的概念和使用。引用(int&)是变量的别名，必须初始化且不可更改指向，与指针不同。引用不占独立内存，修改引用即修改原变量。引用常用于函数参数传递，避免拷贝提高效率，const引用可实现只读访问。相比指针，引用更安全但灵活性较低。合理使用引用能提升代码效率和可读性。
2025-12-18 11:22:08
291
原创 YOLOv8 TensorRT C++ 保姆级教程
本文详细介绍了YOLOv8模型在Windows系统下的部署流程。主要内容包括：1）环境准备（CUDA、TensorRT、Visual Studio、CMake、OpenCV安装配置）；2）YOLOv8模型转换（从PyTorch到ONNX再到TensorRT格式）；3）使用C++实现模型推理，包括静态图片检测和实时摄像头检测两种方式。文章提供了完整的代码示例和详细的环境配置说明，重点解决了模型转换过程中可能遇到的兼容性问题，并展示了最终的目标检测效果。适合计算机视觉开发者参考实现高性能的YOLOv8部署方案。
2025-12-13 22:14:05
1310
原创 grad_norm（梯度范数）是什么？
摘要：梯度范数(grad_norm)是衡量神经网络训练状态的关键指标，计算所有参数梯度的L2范数。它帮助诊断训练问题：数值过大(>1000)可能预示梯度爆炸或学习率过高；趋近于零则可能是梯度消失或网络冻结；剧烈波动反映优化器不稳定；正常但loss不降则暗示数据或loss设计问题。PyTorch中可通过遍历参数梯度计算总范数。作为loss变化的"晴雨表"，梯度范数是排查训练异常的首选诊断工具，能快速定位学习率设置、梯度稳定性等核心问题。
2025-12-07 16:55:47
1582
原创 Diffusion模型相比GAN优势与缺点？
摘要：Diffusion模型和GAN各有优劣。Diffusion训练稳定、生成质量高且多样，支持精细控制（如ControlNet），但推理速度慢、计算成本高。GAN训练难度大且易崩溃，但推理速度快，适合实时应用。当前主流图像生成（如Stable Diffusion）多采用Diffusion，而实时场景（如游戏）仍依赖GAN。选择取决于需求：高质量生成选Diffusion，实时性要求高则选GAN。
2025-12-07 16:43:00
624
原创 多模态模型（CLIP / BLIP / SAM）核心差异与适用范围
CLIP、BLIP和SAM是多模态AI领域的三大核心模型，各司其职又相互补充。CLIP专注于图文语义对齐，通过对比学习实现跨模态检索；BLIP擅长图像理解与文本生成，支持视觉问答和图像描述；SAM则专精像素级分割，实现精细可控的物体分割。三者形成"语义-理解-像素"的层级结构：CLIP建立语义关联，BLIP深化语义理解，SAM处理视觉细节。这种互补性使它们常被联合使用，共同构建更强大的多模态AI系统，覆盖从语义匹配到像素操作的全流程需求。
2025-12-07 16:35:08
373
原创 训练不稳定如何判断是优化器问题？
本文总结了判断训练不稳定是否由优化器引起的方法。首先分析不同优化器特性：Adam类收敛快但易抖动，SGD稳定但收敛慢。其次观察loss曲线形态：剧烈震荡通常源于Adam学习率过大，停滞不动则可能是SGD学习率太小。特别强调学习率和权重衰减配置的关键作用，指出Adam类对学习率敏感，需配合warmup使用。针对Transformer模型，推荐使用AdamW+小学习率+warmup的组合。最终结论指出：loss剧烈波动多因Adam配置不当，loss下降缓慢则常是SGD学习率不足所致。
2025-12-07 16:29:40
341
原创 传统池化层和 卷积 + 步幅区别
传统池化与卷积+步幅在目标检测中均可实现下采样，但原理不同。传统池化无参数、计算简单，但会丢失信息；卷积+步幅可学习下采样特征，计算开销大但更灵活。现代检测网络多采用卷积+步幅替代池化，但在FPN等模块中仍保留池化思想。两者各有优劣：池化侧重平移不变性，卷积+步幅兼具特征提取能力。
2025-09-06 11:19:38
312
空空如也
swin transformer 训练时间长
2023-04-20
TA创建的收藏夹 TA关注的收藏夹
TA关注的人