- 博客(40)
- 收藏
- 关注
RSS订阅原创 教你快速上手YOLO系列模型训练与验证：Ultralytics框架简明教程
本文是Ultralytics官方中文文档的精华简化版，建议搭配官方完整文档学习 ✅ 提取官方文档核心内容✅ 避开初学者常见深坑✅ 提供可直接运行的代码片段✅ 用最简流程实现YOLO目标检测实战。
2025-03-28 22:25:05
482
原创 《苍穹外卖》SpringBoot后端开发项目核心知识点与常见问题整理（DAY1 to DAY3）
《苍穹外卖》SpringBoot后端开发项目核心知识点整理
2025-03-09 23:01:06
2777
4
原创 conf配置文件修改后Nginx跨网络依然无法访问或者无法渲染页面的解决方案
在完成 Nginx 配置后，尝试通过局域网或公网访问 Nginx 服务时，却遇到了“无法访问此网站”，或者页面内容无法正常渲染等问题，点击此文助你解决~
2025-03-06 13:54:33
379
原创 Nginx学习笔记：常用命令&端口占用报错解决&Nginx核心配置文件解读
Nginx（发音为 “engine-x”）是一款高性能的开源Web服务器软件，同时也可用作反向代理、负载均衡器和HTTP缓存。最初由俄罗斯程序员Igor Sysoev开发，并于2004年首次公开发布。Nginx以其高效的并发处理能力、低资源消耗以及高可靠性而著称，特别适用于高流量网站。
2025-02-21 19:26:14
1145
原创 YOLOv12震撼首发（附v12模型训练使用过程&A2C2f模块部署）
YOLOv12是一种基于注意力机制的YOLO框架新版本，旨在解决传统基于卷积神经网络（CNN）的模型在速度和性能之间的权衡问题。尽管注意力机制被证明在建模能力上具有显著优势，但其应用受限于速度不及CNN的问题。YOLOv12通过优化设计，不仅实现了与现有基于CNN的YOLO版本相同的速度，还提升了检测准确性。
2025-02-20 10:48:38
2652
9
原创 SpringBootWeb三层架构&分层解耦
三层架构（Three-Tier Architecture）是软件开发中常用的一种设计模式，它将应用程序分为三个主要层次：表示层（Presentation Layer）、业务逻辑层（Business Logic Layer）和数据访问层（Data Access Layer）。这种思想称为控制反转。Java中的多态是一种面向对象编程的特性，它允许一个引用变量指向不同类的对象，并根据实际引用的对象类型来执行对应的方法。的类都会被Spring的组件扫描机制发现，并注册为Spring应用上下文中的一个Bean。
2025-02-11 19:16:02
1368
2
原创 Mybatis快速入门与核心知识总结
实体类（Entity Class）是用于表示数据库中数据结构的对象模型。它们通常包含与数据库表列相对应的属性，并提供相应的getter和setter方法来访问这些属性。
2025-02-10 11:02:49
901
原创 Maven入门核心知识点总结
Maven 是一个基于项目对象模型（POM）的项目管理工具，主要用于 Java 项目的构建、依赖管理和项目信息管理。
2025-02-09 23:24:52
776
原创 万字长文总结前端开发知识---JavaScript&Vue3&Axios
本文参考黑马程序员：全网首发AI+JavaWeb开发入门，总结其中的JavaScript&Vue3&Axios相关知识点。
2025-01-25 23:14:45
1914
3
原创 Web前端开发技术之HTML&CSS知识点总结
2024年黑马程序员《全网首发AI+JavaWeb开发入门》之HTML&CSS知识点总结：新闻网界面与Tlias教学管理系统界面设计
2025-01-17 00:07:28
765
原创 简要认识Web技术三剑客：HTML&CSS&JavaScript
Web标准也称网页标准，由一系列的标准组成，大部分由W3C（World Wide Web Consortium，万维网联盟）负责制定。它主要包括三个组成部分：HTML&CSS&JavaScript
2025-01-14 15:32:39
870
原创 零基础学SpringBoot——黑马程序员SpringBoot3基础篇问题汇总
本文章持续总结博主在学习B站的黑马程序员SpringBoot3视频的时候遇到的一些问题
2025-01-07 16:54:23
1062
原创 【论文阅读】 Learning to Upsample by Learning to Sample
DySample是一种快速、有效且通用的动态上采样器，其主要概念是从点采样的角度来设计上采样过程，而不是传统的基于内核的动态上采样方法。与其他动态上采样器相比，DySample在延迟（latency）、训练内存（memory）、训练时间（training time）、浮点运算次数（GFLOPs）和参数量（parameters）等方面表现出更高的效率。在本文测试DySample上采样模块的过程中，首先从一个简单的实现开始，然后通过不断调整公式和参数等逐步改进其性能。
2024-11-28 10:19:20
1728
1
原创 解决Ultralytics的自定义YOLO模型单GPU可以训练多GPU训练却报错subprocess.CalledProcessError的问题
YOLO11模型已出，解决最新版本Ultralytics的自定义YOLO模型单GPU可以训练多GPU训练却报错subprocess.CalledProcessError的问题。
2024-11-12 15:49:19
629
原创 解决ultralytics中的YOLOv8在执行task.py文件添加模块操作出现的KeyError报错
在ultralytics项目文件夹内进行单GPU训练的时候可以正常进行，但是启动多GPU后训练就会发生KeyEroor报错。
2024-10-16 00:31:44
555
原创 目标检测论文常用评价指标（Evaluation Metrics）总结
混淆矩阵（Confusion Matrix）、真阳性（True Positive, TP）、真阴性（True Negative, TN）、假阳性（False Positive, FP）、假阴性（False Negative, FN）、归一化混淆矩阵(Normalized Confusion Matrix)、精确度（Precision）、召回率（Recall）、F1值（F1-Score）、平均精确度（Average Precision, AP）、平均精确度（Mean Average Precision）等。
2024-09-26 09:45:31
1632
1
原创 【目标检测论文必备】通俗易懂地讲解用绿色、蓝色、红色框可视化描述YOLO模型权重对于单个图片的训练效果（TP、FP、FN）
通过本文掌握如何使用YOLO模型在目标检测可视化阶段中更加直观展示TP、FP、FN的概念。
2024-09-20 16:14:14
579
原创 YOLOv8可视化predict预测阶段如何调整标签框大小
并添加line_width参数输入合适的。寻找自己文件目录下的。修改到合适尺寸的数值。
2024-09-02 11:33:31
2992
6
原创 完美解决pip命令版本冲突导致对应版本模块包无法安装的问题
在对论文源码复现过程中，我们首先需要安装相关依赖文件：使用相关命令一键部署指定的环境，然后会出现pip版本过高导致对应版本模块包无法安装的问题。
2024-08-05 18:52:39
837
原创 目标检测经典模型之YOLOv5-yolo.py源码解析
这是YOLOv5项目的一部分，该文件包含YOLOv5特有的模块定义和一些实用工具函数。
2024-07-23 10:32:43
602
1
原创 目标检测经典模型之YOLOv5-detect.py源码解析
本帖是YOLOV5推理部分代码的中文逐行注释。由于AI注释的缘故，可能与源码会有小部分出入，所以不建议复制粘贴替换源码的detect.py文件。本贴的初衷是YOLOV5源码逻辑的学习，后续会不断修正该代码和加入新的注释。
2024-07-17 22:48:08
630
原创 如何在Linux系统下安装Anaconda
最近课题组实验室又新购了两台服务器，需要重新部署深度学习环境才能使用，但我突然发现自己不太记得Anaconda具体的安装过程了，特此复习一下并做一个记录贴。
2024-07-12 22:51:36
564
原创 利用MMDetection进行半监督目标检测（仅供参考）
半监督目标检测同时利用标签数据和无标签数据进行训练，一方面可以减少模型对检测框数量的依赖，另一方面也可以利用大量的未标记数据进一步提高模型。
2024-07-04 20:55:35
1373
2
原创 利用MMDetection将单阶段检测器作为Faster R-CNN的RPN
候选区域网络 (Region Proposal Network, RPN) 作为 Faster R-CNN 的一个子模块，将为 Faster R-CNN 的第二阶段产生候选区域。在 MMDetection 里大多数的二阶段检测器使用 作为候选区域网络来产生候选区域。然而，任何的单阶段检测器都可以作为候选区域网络，是因为他们对边界框的预测可以被视为是一种候选区域，并且因此能够在 R-CNN 中得到改进。
2024-06-28 01:12:26
1297
原创 MMDetection实用工具详解（下）：模型复杂度（FLOPs、Parameters）、计算FPS、基准测试
MMDetection工具包提供了许多实用的工具，接着上一期我们继续分享另外两个实用工具：模型复杂度、基准测试。
2024-06-14 02:22:57
1821
原创 手把手教你利用YOLOX训练自定义数据集（COCO Dataset）
YOLOX 支持使用自定义数据集进行训练。为了在 YOLOX 上运行我们自己的数据集，我们需要遵循以下基本步骤
2024-05-29 23:58:18
3245
原创 在Pycharm编译器中利用PyQt5实现计算器应用
PyQt5是一个用于Python的跨平台图形用户界面（GUI）开发库，它是Qt库的Python绑定。Qt本身是一个强大的C++库，提供了丰富的API来开发桌面、嵌入式以及移动设备上的图形界面应用程序。PyQt5使得Python开发者能够利用Qt的强大功能，用Python编写具有原生外观和感受的桌面应用程序，并且能够跨多种操作系统运行，包括Windows、macOS、Linux等。
2024-05-17 22:41:47
1921
原创 MMDetection实用工具详解（上）：日志分析、结果分析、混淆矩阵
MMDetection官方除了训练和测试脚本，他们还在目录下提供了许多有用的工具。本帖先为大家重点介绍其中三个简单而实用的工具：日志分析、结果分析、混淆矩阵。
2024-05-16 13:35:36
3097
原创 利用MMDetection进行模型微调和权重初始化
本文基于MMDetection官方文档，对模型微调和权重初始化进行第三方讲解，后续更新自己权重初始化的实验过程。
2024-05-13 16:47:19
3157
4
原创 【持续更新】深度学习过程中常见的Python代码疑难杂症汇总
即便在熟练掌握了Python的基本语法之后，涉足深度学习领域时，开发者往往会遇到一系列新的挑战，这些挑战源自于深度学习特有的复杂概念、高级库的使用以及大规模数据处理的需求。
2024-05-11 16:03:17
759
1
原创 如何在Kaggle高效下载并迁移数据集至Linux服务器进行深度学习项目
在人工智能深度学习领域，高质量的数据集是推动深度学习模型训练研究与应用的关键。Kaggle作为一个广受欢迎的数据科学竞赛平台，提供了丰富的公开数据集供研究者和开发者使用。本帖将指导大家如何在Kaggle上找到并下载所需数据集，并将其迁移至Linux服务器，以便于利用服务器的强大计算资源进行多GPU训练。
2024-05-07 21:21:54
2225
3
原创 利用MMDetection在数据集上训练自定义模型
本章节展示利用MMDetection工具包，通过替换Faster R-CNN模型中的neck组件，完成在自定义数据集上的权重训练，以及记录自己选用合适的组件来提升模型精度的学习过程。
2024-04-24 21:01:41
2300
原创 黑马程序员Python从入门到精通代码汇总
本帖子是本人于2023年暑假期间在B站观看《黑马程序员python教程，8天python从入门到精通》通过基于web的Jupyternotebook实时编译交互环境整理的Python学习笔记，大家可以根据黑马原视频对照学习。
2024-04-23 21:08:23
5218
1
原创 利用MMDetection在自定义数据集上进行训练
本期我们开始学习在自定义数据集上进行训练，此贴持续更新，记录自己使用非MMDetection官方提供的数据集训练预定义模型的学习历程。
2024-04-20 23:15:51
2908
18
原创 利用MMDetection在标准数据集上训练预定义的模型
在上次发布的帖子中，我们已经学习到如何部署安装MMDetection以及如何利用公开数据集测试被训练好的现有模型，本节将讨论如何在标准数据集上训练预定义的模型。MMDetection也为训练检测模型提供了开盖即食的工具。本节将展示在标准数据集（比如 COCO）上如何训练一个预定义的模型。
2024-04-16 18:35:17
1969
原创 从深度学习目标检测新手视角安装MMDetection到使用公开数据集进行模型测试
MMDetection 是一个强大的开源目标检测工具箱，由商汤科技和香港中文大学共同研发维护，它基于PyTorch深度学习框架构建，提供了丰富的目标检测、实例分割、全景分割算法以及相关的组件和模块。本文从深度学习目标检测新手视角出发，基与MMdetection官方文档，对文档中的步骤加以详细解释，完成对MMdetection项目的部署工作以及初步学会使用公开数据集进行模型测试的小目标！
2024-04-11 16:44:59
3258
4
空空如也
模电复阻抗和数字信号处理FIR滤波器
2023-04-14
TA创建的收藏夹 TA关注的收藏夹
TA关注的人