- 博客(350)
- 收藏
- 关注
RSS订阅
原创 手把手教你完成YOLOv11 PySide6目标检测界面搭建，使用Qt6设计YOLOv11检测系统，前台系统+后台管理系统开发实战，可用于大论文凑工作量或毕设必备，全网最详细教程
目标检测是计算机视觉中的重要任务，广泛应用于安防监控、自动驾驶、智能家居等领域。YOLO系列模型由于其高效的检测速度和较高的准确率，成为目标检测任务的首选算法之一。本项目结合 YOLOv11 与 PySide6，构建了一个图形化界面，便于用户进行目标检测的操作和展示，实现对图片、视频和摄像头的实时目标检测，不仅可以用于大论文的工作量展示，还可以作为毕业设计。系统功能有：目标检测程序实现图片/视频/摄像头检测，AI 问答界面（deepseek大模型接口，流式输出）、退出登录、界面保存登录状态、个人信息修改等
2025-01-16 11:14:45
2305
原创 手把手教你完成YOLOv8 PyQt5和PySide6目标检测界面搭建，前台系统+后台管理系统开发实战，可用于大论文凑工作量或毕设必备，全网最详细教程
目标检测是计算机视觉中的重要任务，广泛应用于安防监控、自动驾驶、智能家居等领域。YOLO系列模型由于其高效的检测速度和较高的准确率，成为目标检测任务的首选算法之一。本项目结合 YOLOv8 与 PyQt5，构建了一个图形化界面，便于用户进行目标检测的操作和展示，实现对图片、视频和摄像头的实时目标检测，不仅可以用于大论文的工作量展示，还可以作为毕业设计。支持目标检测、目标分割等模型进来检测
2024-12-25 23:09:58
7740
15
原创 《MATLAB项目实战》，专栏目录和介绍
MATLAB 是一款强大且广泛应用的数值计算和数据可视化软件工具，它提供了一个高效、简洁的编程环境，使用户能够进行从简单的矩阵运算到复杂的多维数据分析的各种计算任务。无论是在人工智能、计算机视觉、图像处理还是其他领域，MATLAB 都能够提供精准、快速的解决方案，因此成为了全球科研人员、工程师以及数据分析师的得力工具。
2024-09-25 00:30:00
3294
5
原创 《手把手教你YOLOv10实战》，专栏目录和介绍
在计算机视觉领域，目标检测技术一直是研究和应用的热点，而YOLO系列算法凭借其高效性和精确性，成为了广泛应用的选择。YOLOv10作为YOLO系列的最新版本，继承并扩展了前辈的优点，同时也带来了许多创新和改进。本专栏将手把手教你掌握YOLOv10的实战技巧，包括算法改进、环境配置和训练自己数据集等，让你能够迅速上手并应用到实际项目中。
2024-09-14 09:44:00
1870
8
原创 《手把手教你YOLOv9实战》，改进专栏目录
为了提供友好的操作效果，本专栏将会手把手搭建可视化界面，我将用PyQt5 搭建一个可视化界面，可视化界面能够实现基本的图像加载与检测功能，如支持视频、摄像头，还支持更换不同的 YOLOv9 模型，并适应不同领域（如口罩检测系统、人脸检测系统、工业缺陷检测系统等），界面灵活、功能强大。通过YOLOv9加以改进设计，形成新的算法框架，一起水科研和论文，专栏会一直持续更新中，本专栏适合目标检测、分割、分类。
2024-08-09 14:48:14
1097
2
原创 《手把手教你YOLOv8/YOLOv11实战》，改进专栏目录和介绍
YOLOv8 是目前比较火和比较成熟的深度学习框架，是2023年1月发布的，由 Ultralytics 团队开发。Ultralytics自YOLOv5 开始一直积极维护和更新 YOLO 框架，因此 YOLOv8 也享有持续的维护与升级支持。因此我写下《手把手教你YOLOv8实战》专栏，专门为那些对计算机视觉、深度学习、以及目标检测技术感兴趣的读者设计。通过本专栏，你将深入理解 YOLOv8 的核心原理与实际应用，从0 开始学习并掌握如何使用 YOLOv8 完成各类目标检测任务，帮助你快速上手并掌握 YOLO
2024-08-09 10:47:42
5742
9
原创 YOLOv10改进，YOLOv10添加CPA-Enhancer自适应增强器，提高低照度目标检测
CPA-Enhancer 是首个在目标检测任务中利用 CoT 提示的自适应增强方法，突破了 现有方法必须知道退化类型的局限。无需单独训练多个模型，可 在未知退化环境下动态调整增强策略，显著提高 YOLOv3 等目标检测器的检测性能。
2025-03-29 16:26:06
33
原创 基于Django+Vue3的智能目标检测系统设计与实现，Web前后端分离，YOLOv8 Web目标检测，实现图片检测、视频检测、摄像头检测、登录、注册和个人中心功能，全网独发
目标检测是计算机视觉中的重要任务，广泛应用于安防监控、自动驾驶、智能家居等领域。YOLO系列模型由于其高效的检测速度和较高的准确率，成为目标检测任务的首选算法之一。本项目结合 YOLOv8 与 Django + Vue3，构建了一个通用的 Web 前后端系统，便于用户进行目标检测的操作和展示，实现对图片、视频实时目标检测，不仅可以用于大论文的工作量展示，还可以作为毕业设计。支持更换自己模型、图片检测、实时视频检测、置信度调节和IoU参数调节。同时支持目标检测、实例分割、关键点检测等任务
2025-03-29 01:27:00
847
原创 YOLOv11改进，YOLOv11添加CPA-Enhancer自适应增强器，提高低照度目标检测
CPA-Enhancer 是首个在目标检测任务中利用 CoT 提示的自适应增强方法，突破了 现有方法必须知道退化类型的局限。无需单独训练多个模型，可 在未知退化环境下动态调整增强策略，显著提高 YOLOv3 等目标检测器的检测性能。
2025-03-28 23:53:02
61
4
原创 YOLOv8改进，YOLOv8引入CPA-Enhancer自适应增强器，提高低照度目标检测
CPA-Enhancer 是首个在目标检测任务中利用 CoT 提示的自适应增强方法，突破了 现有方法必须知道退化类型的局限。无需单独训练多个模型，可 在未知退化环境下动态调整增强策略，显著提高 YOLOv3 等目标检测器的检测性能。
2025-03-28 23:44:06
33
原创 Node安装教程，Node环境变量配置和换源，2025最新保姆级别教程
编写的前端代码（如 React、Vue、Webpack）需要依赖 Node.js 环境运行，Node 是一个基于 Chrome V8 引擎的 JavaScript 运行环境，具备构建高性能网络服务的能力，如淘宝团队测试显示单进程 Node.js 可处理 16,700 QPS，内存仅占用 30MB。这里只需略懂就行，接下来手把手教你安装Node。
2025-03-26 22:59:21
941
原创 Navicat Premium 16安装教程，保姆级别教程
Navicat Premium（我这里作为推荐，你也可以安装其他操作数据库的工具）其中，Navicat Premium 是一款多功能的数据库管理和开发工具，可以通过单一的应用程序同时连接多种数据库，如 MySQL、MariaDB、MongoDB、SQL Server、Oracle、PostgreSQL 和 SQLite。这款软件支持多种云数据库服务，包括 Amazon RDS、Amazon Aurora、阿里云、腾讯云和华为云等，创建、管理和维护数据库变得更加快捷和简单。
2025-03-25 12:50:17
165
原创 WebStorm安装教程，保姆级别教程
在大学已经学过 Web 了，只能说略懂，那么开发网页端首先需要有开发工具吧，那我这里首推 WebStorm 开发工具 ，网上是这样说的：已经被广大 JS 开发者誉为 Web 前端开发神器，大家也可以使用 VS Code，我电脑两个开发工具都有，这期教程主要记录一下 WebStorm 怎么安装，都是手把手教程。安装有问题请留言。
2025-03-25 12:13:04
538
原创 YOLOv9改进，YOLOv9检测头融合自适应膨胀卷积 （FADC），适合目标检测、分割任务
扩张卷积通过在连续元素之间插入间隙来扩大感受野，广泛用于计算机视觉。作者从谱分析的角度提出了三种策略来改进扩张卷积的各个阶段。与将全局膨胀率固定为超参数的传统做法不同，我们引入了频率自适应膨胀卷积 （FADC），它根据局部频率分量在空间上动态调整膨胀率。 随后，我们设计了两个插件模块，以直接提高有效带宽和感受野大小。Adaptive Kernel （AdaKern） 模块将卷积权重分解为低频和高频分量，并按通道动态调整这些分量之间的比率。
2025-03-24 23:57:12
276
原创 手把手教你安装Miniconda3
手把手教你安装Anaconda3，这期教程将手把手教你安装 Miniconda。Miniconda轻量级：仅包含 Conda、Python 和少量必要包。灵活性：用户可根据需要自行安装其他包。适合场景：适合对存储空间敏感或希望自定义安装的用户。Anaconda全面：包含 Conda、Python 及大量预装科学计算和数据分析包。便捷性：开箱即用，适合数据科学和机器学习。适合场景：适合初学者或需要快速使用大量工具的用户。选择建议选 Miniconda：如果希望轻量安装并自定义环境。
2025-03-24 21:33:03
881
原创 YOLOv10改进，YOLOv10检测头融合自适应膨胀卷积 （FADC），添加小目标检测层（四头检测）+CA注意机制，全网首发
扩张卷积通过在连续元素之间插入间隙来扩大感受野，广泛用于计算机视觉。作者从谱分析的角度提出了三种策略来改进扩张卷积的各个阶段。与将全局膨胀率固定为超参数的传统做法不同，我们引入了频率自适应膨胀卷积 （FADC），它根据局部频率分量在空间上动态调整膨胀率。 随后，我们设计了两个插件模块，以直接提高有效带宽和感受野大小。Adaptive Kernel （AdaKern） 模块将卷积权重分解为低频和高频分量，并按通道动态调整这些分量之间的比率。
2025-03-23 22:18:49
36
原创 YOLOv11改进，YOLOv11检测头融合自适应膨胀卷积 （FADC），并添加小目标检测层（四头检测），适合目标检测、分割等
使用频率分析对扩张卷积进行了深入探索，将膨胀的分配重新定义为一个涉及平衡有效带宽和感受野的权衡问题。引入了频率自适应扩张卷积 （FADC）。它采用自适应膨胀率 （AdaDR）、自适应内核 （AdaKern） 和频率选择（FreqSelect） 策略。AdaDR 以空间变化的方式动态调整扩张速率，以实现有效带宽和感受野之间的平衡。AdaKern 自适应调整内核以充分利用带宽，而 FreqSelect 学习频率平衡功能以鼓励较大的感受野。
2025-03-23 22:00:49
99
原创 YOLOv8改进，YOLOv8检测头融合自适应膨胀卷积 （FADC），并添加小目标检测层（四头检测），适合目标检测、分割等
扩张卷积通过在连续元素之间插入间隙来扩大感受野，广泛用于计算机视觉。作者从谱分析的角度提出了三种策略来改进扩张卷积的各个阶段。与将全局膨胀率固定为超参数的传统做法不同，我们引入了频率自适应膨胀卷积 （FADC），它根据局部频率分量在空间上动态调整膨胀率。 随后，我们设计了两个插件模块，以直接提高有效带宽和感受野大小。Adaptive Kernel （AdaKern） 模块将卷积权重分解为低频和高频分量，并按通道动态调整这些分量之间的比率。
2025-03-23 21:24:06
169
原创 基于YOLOv11的水果/商品/食堂/蔬菜/饮料/书籍识别与计价系统，前台+后台管理系统
基于YOLOv11的水果/商品/食堂/蔬菜/饮料/书籍识别与计价系统，前台+后台管理系统
2025-03-23 13:00:12
122
原创 手把手教你完成基于YOLOv8的水果/商品/食堂/蔬菜/饮料/书籍识别与计价系统，前台+后台管理系统
手把手教你完成基于YOLOv8的商店的水果/商品/食堂/蔬菜/饮料/书籍识别与计价系统，前台+后台管理员系统，可进行目标检测的操作和展示，实现对图片、视频和摄像头的实时目标检测
2025-03-21 17:04:13
960
2
原创 YOLOv10改进，YOLOv10添加DICAM，用于水下图像增强模块，以提高朦胧水下图像的质量、对比度和色偏
在水下环境中，成像设备会出现水浑浊、光衰减、散射和颗粒问题，导致图像质量低、对比度差和彩色图像有偏差。这给使用传统视觉技术进行水下状态监测和检查带来了巨大挑战。近年来，水下图像增强因其在提高当前计算机视觉任务在水下目标检测和分割中的性能方面发挥着关键作用而受到越来越多的关注。由于主要从自然场景构建的现有方法在提高色彩丰富度和分布方面存在性能限制，作者提出了一种新颖的基于深度学习的方法，即 Deep Inception 和 Channel-wise Attention Modules （DICAM），以提高朦
2025-03-21 10:56:01
48
原创 YOLOv11改进，YOLOv11添加DICAM，用于水下图像增强模块，以提高朦胧水下图像的质量、对比度和色偏
在水下环境中，成像设备会出现水浑浊、光衰减、散射和颗粒问题，导致图像质量低、对比度差和彩色图像有偏差。这给使用传统视觉技术进行水下状态监测和检查带来了巨大挑战。近年来，水下图像增强因其在提高当前计算机视觉任务在水下目标检测和分割中的性能方面发挥着关键作用而受到越来越多的关注。由于主要从自然场景构建的现有方法在提高色彩丰富度和分布方面存在性能限制，作者提出了一种新颖的基于深度学习的方法，即 Deep Inception 和 Channel-wise Attention Modules （DICAM），以提高朦
2025-03-20 10:24:37
63
原创 新电脑安装Windows11系统，Windows11安装，程序员必会
新电脑到了，打算安装Windows 11系统，我也是第一次安装，所以记录一下吧希望这个指南对您有所帮助！如果有任何疑问或遇到问题，欢迎留言讨论。
2025-03-20 09:52:08
483
原创 YOLOv8改进，YOLOv8引入DICAM，用于水下图像增强模块，以提高朦胧水下图像的质量、对比度和色偏
在水下环境中，成像设备会出现水浑浊、光衰减、散射和颗粒问题，导致图像质量低、对比度差和彩色图像有偏差。这给使用传统视觉技术进行水下状态监测和检查带来了巨大挑战。近年来，水下图像增强因其在提高当前计算机视觉任务在水下目标检测和分割中的性能方面发挥着关键作用而受到越来越多的关注。由于主要从自然场景构建的现有方法在提高色彩丰富度和分布方面存在性能限制，作者提出了一种新颖的基于深度学习的方法，即 Deep Inception 和 Channel-wise Attention Modules （DICAM），以提高朦
2025-03-18 20:41:58
193
原创 YOLOv10改进，YOLOv10添加HFF模块，增强特征融合能力
在卷积神经网络的推动下，医学图像分类得到了迅速发展网络（CNN）。作者提出了一种三分支分层多尺度特征融合网络结构作为一种新的医学图像分类方法被称为HiFuse。它可以融合Transformer和CNN来自多尺度层次结构，不破坏各自的建模，因此从而提高各种医学图像的分类精度。一个并行的局部层次结构设计了全局特征块，有效地提取局部特征和全局表示在各种语义尺度下，具有在不同尺度下建模的灵活性和线性计算能力与图像大小相关的复杂性。此外，还提出了一种自适应分层特征融合块（HFF块）设计为综合利用在不同层次上获得的特征
2025-03-18 11:00:44
34
原创 YOLOv11改进，YOLOv11添加HFF模块，增强特征融合能力
在卷积神经网络的推动下，医学图像分类得到了迅速发展网络（CNN）。作者提出了一种三分支分层多尺度特征融合网络结构作为一种新的医学图像分类方法被称为HiFuse。它可以融合Transformer和CNN来自多尺度层次结构，不破坏各自的建模，因此从而提高各种医学图像的分类精度。一个并行的局部层次结构设计了全局特征块，有效地提取局部特征和全局表示在各种语义尺度下，具有在不同尺度下建模的灵活性和线性计算能力与图像大小相关的复杂性。此外，还提出了一种自适应分层特征融合块（HFF块）设计为综合利用在不同层次上获得的特征
2025-03-17 16:42:31
188
原创 YOLOv8改进，YOLOv8引入HFF模块，增强特征融合能力
局部分支（Local Block）：使用 3×3 深度卷积提取局部信息。全局分支（Global Block）：采用 Swin Transformer 提取全局信息。融合分支（HFF Block）：包括通道注意力、空间注意力、残差 MLP、快捷连接，自适应融合各层次信息。下图摘自论文论文地址代码地址下文都是手把手教程，跟着操作即可添加成功。
2025-03-17 15:36:59
90
原创 YOLOv12目标检测界面搭建，使用Qt6设计YOLOv12检测系统，前台系统+后台管理系统开发实战，可用于大论文凑工作量或毕设必备，全网最详细教程
YOLOv12目标检测界面搭建，使用Qt6设计YOLOv12检测系统，前台系统+后台管理系统开发实战，可用于大论文凑工作量或毕设必备，全网最详细教程
2025-03-08 02:49:37
513
4
原创 YOLOv8中文标签训练，并解决绘图乱码和推理乱码情况，Windows系统和Linux系统都能用
YOLOv8 使用中文标签训练时候，生成的结果图是乱码，本文将解决绘图乱码和推理乱码情况，Windows 系统和 Linux 系统都能用。
2025-03-06 00:56:08
156
原创 手把手教你完成YOLOv10 PySide6目标检测界面搭建，使用Qt6设计YOLOv10检测系统，前台系统+后台管理系统开发实战，可用于大论文凑工作量或毕设必备，全网最详细教程
手把手教你完成YOLOv10 PySide6目标检测界面搭建，使用Qt6设计YOLOv10检测系统，前台系统+后台管理系统开发实战，可用于大论文凑工作量或毕设必备，全网最详细教程
2025-03-05 17:47:05
462
原创 YOLOv12环境配置，手把手教你使用YOLOv12训练自己的数据集和推理(附YOLOv12网络结构图)，全文最详细教程
YOLO 系统尊嘟太卷了吧，YOLOv11 还没完明白，YOLOv12 就重磅来袭，YOLOv12 是由纽约州立大学联合中科院在 2025年2月19 日发布，从 YOLOv12 论文题目我们大概就知道做了那些更新 ，下图是YOLOv12 在 COCO 数据集上的性能表现引入区域注意力机制（area-attention）：通过引入十字形窗口自我注意机制，沿水平和垂直条纹计算注意力机制，纵横交错的注意机制。如下图所示，区域注意力采用最多简单的等分方法，将特征地图垂直或水平划分为 L 个区域。
2025-02-24 17:12:25
7497
35
原创 本地部署DeepSeek保姆级教程，DeepSeek-R1模型部署，使用ollama+cherry studio两款轻松工具搞定，全网最详细教程
随着AI大模型的迅速发展，目前 DeepSeek 真的太火爆了，由于 DeepSeek 官网经常出现服务器异常，估计是大多人用了，于是我就本地部署 DeepSeek 大模型，实现断网情况下也可以使用，实现自己也有拥有 AI 助手。通过本教程，我将带领大家一步步完成 DeepSeek 在本地环境中的部署，无论你来自各行各业都可以通过本文教程部署起来。接下来废话不多说，直接上教程。
2025-02-21 12:37:35
878
1
原创 论文公式神器安装教程，pix2tex安装教程（完全免费的公式识别工具）+ MathType安装教程（永久免费的公式编辑器，并嵌入Word），全网最详细教程
Pix2Tex是一种基于深度学习的图像识别工具，它通过深度学习模型来识别和解析数学公式，是学术研究、论文写作以及需要大量数学公式必备的工具，Pix2Tex 是完全免费开源。github官网，进不去也没关系，我们在 python 终端直接安装就行。MathType 是一款强大的数学公式编辑器，用于学术论文、书籍、幻灯片等的数学公式排版。
2025-02-15 20:36:08
1913
原创 YOLOv10改进，YOLOv10检测头融合DynamicHead，添加小目标检测层（四头检测）+CA注意机制，全网首发
DynamicHead模块是针对目标检测任务提出的一种新的头部（head）结构，它的设计目的是通过引入多种注意力机制，提升模型的检测能力。核心思想是使得检测头部可以动态地根据输入特征进行自适应调整，从而提高模型在不同尺度、空间、任务等方面的表现。Scale-Aware Attention Module（尺度感知注意力模块）：该模块根据特征的尺度进行调整，使得不同尺度的特征能在合适的尺度下进行融合和处理。它通过为不同尺度的特征赋予权重来优化尺度差异的影响。
2025-01-27 21:03:32
813
原创 YOLOv11改进，YOLOv11检测头融合DynamicHead，并添加小目标检测层（四头检测），适合目标检测、分割等任务
YOLOv11改进，YOLOv11检测头融合DynamicHead，并添加小目标检测层（四头检测），适合目标检测、分割等任务
2025-01-27 20:29:13
1577
原创 YOLOv8改进，YOLOv8检测头融合DynamicHead，并添加小目标检测层（四头检测），适合目标检测、分割等，全网独发
YOLOv8改进，YOLOv8检测头融合DynamicHead，并添加小目标检测层（四头检测），适合目标检测、分割等，全网独发
2025-01-25 20:50:53
1566
1
原创 YOLOv9改进，YOLOv9检测头融合ASFF（自适应空间特征融合），全网首发
YOLOv9改进，YOLOv9检测头融合ASFF（自适应空间特征融合），全网首发
2025-01-25 18:27:19
356
1
原创 YOLOv11改进，YOLOv11添加ASFF检测头，并添加小目标检测层（四头检测），适合目标检测、分割等任务，全网首发
YOLOv11改进，YOLOv11添加ASFF检测头，并添加小目标检测层（四头检测），适合目标检测、分割等任务，全网首发
2025-01-24 12:54:55
1485
2
原创 YOLOv10改进，YOLOv10添加ASFF检测头（自适应空间特征融合），添加小目标检测层（四头检测）+CA注意机制，全网首发
YOLOv10改进，YOLOv10添加ASFF检测头（自适应空间特征融合），添加小目标检测层（四头检测）+CA注意机制，全网首发
2025-01-24 11:34:46
249
原创 YOLOv9改进，YOLOv9检测头融合DSConv卷积，适合目标检测、分割任务
YOLOv9改进，YOLOv9检测头融合DSConv卷积，适合目标检测、分割任务
2025-01-23 15:16:07
547
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人