stsdddd-优快云博客

原创【yolov8&yolov5驾驶员抽烟-打电话-喝水-吃东西检测&疲劳驾驶检测&分心驾驶检测】

YOLOv8和YOLOv5是深度学习中用于目标检测的先进算法，它们在实时性和准确性方面表现出色，适用于各种视频监控和图像处理应用，包括驾驶员行为监测。这些算法通过单次前向传播即可预测图像中的目标位置和类别，使得它们非常适合于实时检测任务，如监测驾驶员是否在抽烟、打电话、喝水或吃东西等分心行为。例如，通过分析人脸和手部的位置关系、嘴部区域是否有烟雾特征等，可以判断驾驶员是否在抽烟或打电话。此外，模型可以被训练以识别手持物品（如手机、水瓶或食物）的动作，从而检测驾驶员是否在执行这些可能分散注意力的行为。

2024-04-27 22:18:37 2403

原创【 yolo红外微小无人机-直升机-飞机-飞鸟目标检测】

nc: 1数据集和模型可视化class: [‘Airplane’, ‘Bird’, ‘Drone’, ‘Helicopter’]可视化+nc: 1。

2024-03-23 10:07:16 2699

原创 YOLO系列目标检测数据集大全

YOLO系列目标检测数据集大全目标检测数据集无人机检测数据集飞鸟检测数据集人脸和口罩检测数据集安全帽检测数据集火焰检测数据集火焰和烟雾检测数据集行人检测数据集行人车辆检测数据集车辆检测数据集待更新……目标检测数据集无人机检测数据集数据集下载：飞鸟检测数据集人脸和口罩检测数据集安全帽检测数据集火焰检测数据集火焰和烟雾检测数据集行人检测数据集行人车辆检测数据集车辆检测数据集待更新…….....................

2022-04-17 16:30:17 144302 58

原创【识别代码截图OCR工具】

免费开源的离线OCR软件，支持截图OCR、批量OCR、PDF识别等功能。能够识别不同排版的文字，并按正确顺序输出。：智能代码识别工具，可将代码截图、视频、PDF中的代码自动转换为可编辑文本，并保留原始代码格式。：跨平台的开源OCR截图工具，能够智能提取文本信息，支持多语言识别。：作为Chrome扩展程序使用。（国内推荐，免注册/无限速）。

2025-01-24 09:14:00 1086

原创【YOLOv8杂草作物目标检测】

YOLOv8在禾本科杂草目标检测方面有显著的应用和效果。农作物幼苗与杂草检测系统：基于YOLOv8深度学习框架，通过2822张图片训练了一个目标检测模型，用于检测田间的农作物幼苗与杂草对象。该系统支持图片、视频以及摄像头进行目标检测，并能保存检测结果。系统界面可实时显示目标位置、目标总数、置信度、用时等信息。YOLOv8改进专栏：持续更新中，涉及YOLOv8的改进和应用，包括农作物幼苗与杂草检测系统。

2025-01-10 22:54:48 1037

原创【模型推理多进程和多线程】

在Python中，多进程和多线程是两种常见的并行处理方式，它们各有优缺点和适用场景。

2025-01-08 21:06:04 1296

原创【yolov8自卸卡车-挖掘机-装载机检测】

YOLOv8是You Only Look Once（YOLO）算法家族的最新版本，它是一种单阶段目标检测算法，以其速度和准确性而闻名。YOLOv8在速度和精度上进行了优化，同时确保了模型的实时性。它基于YOLO系列算法，在YOLOv7的基础上进行了多项改进，包括采用新的网络结构和优化算法。

2025-01-05 22:02:49 577

原创【YOLOv8老鼠检测】

YOLOv8采用了无锚点（Anchor-Free）的设计，这意味着它不依赖于预定义的锚点框，而是直接从特征图中预测边界框。YOLOv8的设计使其成为一个适用于实时目标检测的高效算法，特别是在需要处理大量图像数据的应用中。：首先需要搭建YOLOv8的运行环境，包括Python环境和必要的依赖库，如PyTorch等。：YOLOv8采用了最新的骨干网络和颈部网络结构，这些结构经过优化，以提高检测的准确性和速度。：YOLOv8在设计时考虑了精度与速度的平衡，使其在保持高准确性的同时，也能实现快速的检测。

2025-01-03 23:10:58 1240 1

原创【论文阅读：半监督人头姿态方法SemiUHPE】

标题作者摘要: 本文提出了一种半监督的无约束野外头部姿态估计方法（SemiUHPE），旨在解决现有研究中数据集的局限性问题。这些数据集要么包含大量非真实合成样本，要么受限于小规模自然图像且需要人工标注。SemiUHPE能够利用大量易于获取的未标记头部图像。技术上，该方法选择了半监督旋转回归，并适应了无约束头部姿态估计中的错误敏感和标签稀缺问题。关键点基于观察到的野外头部的宽高比不变裁剪优于基于地标的仿射对齐。提出了动态基于熵的过滤方法，以适应性地移除未标记的异常值。

2024-12-14 16:45:31 1235 1

原创【yolo算法煤矿传送带矸石&锚杆异物检测】

YOLO算法在煤矿传送带异物检测领域的应用非常广泛，针对煤矿传送带异物检测的挑战，如异物多样性、检测速度慢、检测精度低等问题，研究者们提出了多种改进的YOLO模型。改进YOLOv3模型：通过使用轻量化网络DarkNet22-DS作为主干特征提取网络，利用深度可分离卷积减少网络参数，并引入加权双向特征金字塔网络及双尺度输出改进特征融合网络，提高了对大块异物的检测效率。采用完全交并比损失函数作为目标框回归损失函数，提高了模型的收敛速度和检测精度。

2024-10-20 11:02:11 1079

原创【yolo破损纸板-包装盒-快递袋缺陷检测】

【代码】【yolo破损纸板-包装盒-快递袋缺陷检测】

2024-09-21 23:47:42 795

原创【yolo算法打架行为检测&行人检测】

【代码】【yolo算法打架行为检测&行人检测】

2024-09-21 23:29:40 818

原创【6DRepNet360全范围头部姿态估计onnxruntime推理】

提出了一种新的方法，用于在没有约束的情况下估计全范围旋转的头部姿态。引入了旋转矩阵形式来解决模糊的旋转标签问题，并提出了一种连续的6D旋转矩阵表示方法，以实现高效且鲁棒的直接回归。通过新累积的训练数据集和基于测地线的损失函数，设计了一个能够预测更广泛头部姿态的高级模型。在公共数据集上的广泛评估表明，该方法在效率和鲁棒性方面显著优于其他最先进的方法。使用了旋转矩阵作为旋转表示，以克服欧拉角和四元数表示中的歧义和不连续性问题。提出了一种基于测地距离的损失函数，以稳定学习过程。

2024-09-21 20:23:13 1209

原创【yolo格式标签转VOC格式】

【代码】【yolo格式标签转VOC格式】

2024-09-19 09:58:37 257

原创【CNN训练梯度裁剪】

梯度裁剪（Gradient Clipping）是一种防止梯度爆炸或梯度消失的优化技术，它可以在反向传播过程中对梯度进行缩放或截断，使其保持在一个合理的范围内。

2024-09-05 22:41:03 662 1

原创【灰度图&图像间转换】

是将可能是读取的灰度图转为RGB，这里明显将通道数增加到 3，需要注意从opencv转PIL中的cv2.cvtColor(opencv_image, cv2.COLOR_BGR2RGB)，是有区别的；由于只有亮度信息，因此灰度图无法表示颜色，只能表示图像的亮度和对比度。灰度图是一种图像表示方法（在计算机中的表示方法），其中像素的亮度值表示该像素在图像中的颜色信息，而色彩信息则被忽略。模式（Mode）：表示图像的颜色模式，常见的模式包括 “RGB”、“RGBA”、“L”（灰度）、“CMYK” 等。

2024-09-05 22:35:57 915

原创 ONNX模型

ONNX（Open Neural Network Exchange）是一个用于表示深度学习模型的开放标准，它允许模型在不同的深度学习框架之间转换。在ONNX的结构中，每个节点（NodeProto）都执行一个操作，并且可以有零个或多个输入和输出。节点之间的连接定义了数据如何在整个模型中流动。通过这种方式，ONNX模型能够表示复杂的深度学习算法和网络结构。为了更好地理解ONNX模型的结构，可以使用Netron这样的可视化工具来查看ONNX模型的结构图。

2024-04-29 21:54:13 812

原创【Transformer原理解析】

Transformer是一种基于自注意力机制（Self-Attention Mechanism）的深度学习模型，它在自然语言处理（NLP）领域取得了显著的成就，特别是在机器翻译任务中。以下是Transformer原理的简要介绍以及使用PyTorch实现的代码示例。

2024-04-28 21:33:14 469

原创【深度可分离卷积】

计算次数 = (C_{\text{in}} \times C_{\text{out}} \times k \times k \times H_{\text{out}} \times W_{\text{out}})逐点卷积计算次数 = (C_{\text{in}} \times C_{\text{out}} \times H_{\text{out}} \times W_{\text{out}})逐点卷积参数数量 = (C_{\text{in}} \times C_{\text{out}})

2024-04-28 21:21:02 1196

原创【yolov8算法道路-墙面裂缝检测-汽车车身凹陷-抓痕-损伤检测】

在道路和墙面裂缝检测方面，YOLOv8可以被训练来识别道路中的裂缝区域。尽管提供的搜索结果中没有直接提到YOLOv8用于汽车车身损伤检测的案例，但考虑到YOLOv8在目标检测和分割方面的性能，它有潜力被调整和优化以适应这类应用场景。YOLOv8算法是一种先进的目标检测技术，它基于YOLO系列算法的改进版本，具有高精度和高速度的特点。YOLOv8在目标检测任务上进行了优化，引入了新的功能和改进，包括一个新的骨干网络、Anchor-Free检测头和新的损失函数，使其在多种硬件平台上都能运行。

2024-04-27 22:13:20 1721 1

原创【yolo算法道路井盖检测】

YOLOv8算法能够有效地应用于道路井盖的检测，帮助城市管理部门及时发现并维护井盖，确保道路安全。

2024-04-25 21:12:05 1258

原创【yolov5&yolov7&yolov8火焰和烟雾检测】

1、YOLOv3训练好的火焰烟雾检测模型，包括yolov3-fire_smoke.pt和yolov3_tiny-fire_smoke.pt两个训练好的模型，并包含几百张标注好的火焰和烟雾数据集，标签格式为xml和txt两种，类别名为fire和smoke，YOLOv5训练好的火焰检测模型，并包含2000张标注好的火焰和烟雾数据集，标签格式为xml和txt两种，类别名为fire，2、采用pytrch框架，代码是python的。采用pytrch框架，代码是python的。YOLOv5训练好的模型+pyqt界面。

2024-04-22 22:11:39 1712 1

原创【图像分类优化策略】

随着深度学习技术的发展，基于深度学习的图像分类方法在性能上远远超过了传统的机器学习方法，成为了当前图像分类领域的主流方法。图像分类是计算机视觉领域中的一个重要任务，旨在将图像分为不同的类别或标签。常见的图像分类方法包括传统的机器学习方法和基于深度学习的方法。通过调整损失函数中各类别的权重来应对类别不平衡是一种常见的方法。在训练时，模型会根据这些权重来计算损失，使其更关注少数类别，从而减少将背景误分类为正例的情况。来定义每个类别的权重，然后在定义损失函数时，将这些权重传递给。

2024-04-10 21:48:18 1049

原创【yolo算法水果新鲜程度检测】

Yolo（You Only Look Once）系列算法是一类流行的一阶段实时目标检测模型，在水果检测领域有着广泛的应用。因其高效性和实时性而受到青睐，可用于识别和定位图像中不同种类的水果以及水果的新鲜度。已被用于水果商品的检测分类。通过训练带有标记水果数据集的YOLOv3模型，它可以检测出图像中的苹果以及其他类型的水果，并且根据不同的项目需求，还可以区分是否损坏。和都是对YOLO系列算法的进一步迭代和优化。

2024-03-24 16:21:26 1842

原创【目标检测-复制粘贴数据增强】

在目标检测、分类和分割任务中，复制粘贴数据增强（Copy-Paste Data Augmentation）是一种创新的数据增广技术，它通过将训练集中的一部分物体实例复制并粘贴到其他图像的合理位置上，以生成新的训练样本。这种方法能够增加模型对不同场景下物体多样性的识别能力，并且尤其有助于提升小样本类别和边界框定位的准确性。以下是一个简化的示例，展示如何在PyTorch环境下用自定义方式实现该方法。实例分割框架是基于Mask R-CNN，使用。

2024-03-21 22:10:59 1408

原创【Linux&Windows 10系统中设置定时关机】

对于更复杂的定时任务，如每天固定时间关机，可以使用Cron定时任务服务。根据向导步骤，设置任务名称（例如：“定时关机”）、描述，然后设置触发器（比如每天的特定时间或一次性执行）；保存并退出编辑器后，cron守护进程会根据设定的时间自动执行关机命令。打开“控制面板”，搜索并打开“计划任务”或者“任务计划程序”；在操作步骤中选择“启动程序”，并在“程序或脚本”字段中输入。参数，则直接在指定时间执行关机，无需转换为秒数）；在Linux系统中，要设置定时关机，可以使用。在任务计划程序库中，选择“创建基本任务”；

2024-03-15 22:49:00 2202

原创【自动驾驶中的BEV算法】

在自动驾驶领域中，Bird’s Eye View (BEV) 算法是一种将来自不同传感器（如摄像头、激光雷达、毫米波雷达等）的数据转换为车辆正上方俯瞰视角下的统一表示的方法。这种转换使得车辆能够获得一个直观且具有空间一致性的环境感知视图，便于进行3D目标检测、追踪、地图构建和路径规划等任务。实现原理：常用的算法：代码示例：以下是一个简化的示例，说明如何在PyTorch中定义一个简单的BEV映射函数（假设已经获得了深度图）：BEVFormer算法BEVFormer（Bird’s Eye View Tran

2024-03-13 19:28:19 2579 1

原创【RepVGG网络】

RepVGG网络是2021年由清华大学、旷视科技与香港科技大学等机构的研究者提出的一种深度学习模型结构，其核心特点是通过“结构重参数化”（re-parameterization）技术，在训练阶段采用复杂的多分支结构以优化网络的训练过程，而在推理阶段则将这些分支融合成单一的卷积层，从而实现高效的前向推断。在PyTorch中实现RepVGG时，通常会定义一个RepVGGBlock类，该类在构造函数中设置训练模式下的各个卷积层，并且包含一个。方法，用于在模型部署或进行推理时将训练时的多分支结构融合为单个卷积层。

2024-03-12 22:50:48 829

原创【pytorch可视化工具】

评价指标通常根据任务类型有所不同，例如分类任务中的精度、召回率、F1分数等，回归任务中的均方误差（MSE）、平均绝对误差（MAE）等。可以将这些指标也记录到TensorBoard中，就像记录损失那样。在PyTorch中，模型训练的可视化通常通过TensorBoard或Visdom等工具实现。这是一个Web-based实时数据可视化工具，可以与PyTorch一起使用来监控训练过程。

2024-03-09 18:14:02 626

原创【pytorch模型加载和保存】

return x。

2024-03-09 18:05:32 382

原创【深度学习相关的线性代数知识点】

向量是一个一维数组，可以表示方向和大小。

2024-03-08 22:39:37 1734 1

原创【目标分类图像增强方法】

目标分类图像增强是一种用于提高深度学习模型泛化能力的技术，通过在训练过程中对原始图像进行各种变换来增加模型所见数据的多样性。原理：将一张图像的一部分替换为另一张图像的相应部分，并更新标签，促进类别间的边界学习。：线性插值两张图像和它们的标签，生成新的训练样本，旨在创建两个类别间的中间过渡样本。原理：水平或垂直翻转图像，模拟镜像效果，提高模型对左右对称性的识别能力。原理：随机擦除图像的部分区域，训练模型关注缺失信息时也能正确分类。原理：随机旋转图像，增加模型对目标物体不同角度的识别能力。

2024-03-07 23:00:24 1572

原创【目标分类&检测测试指标】

AP 是对每种类别的 Precision-Recall 曲线下面积的平均值，它综合了精确率（Precision）和召回率（Recall）两个指标来评估模型性能。在不同的数据集和竞赛中，比如 PASCAL VOC 和 COCO 数据集，会根据特定的 IoU 阈值（如 IoU@0.5 或者在一定范围内的平均，如 0.5:0.95）来计算 AP 和 mAP。准确率是分类问题中最直观的评估指标，它计算的是模型正确预测样本数占总样本数的比例。精确率是在所有被模型预测为某个类别的样本中，真正属于这个类别的样本比例。

2024-03-07 22:49:13 1115

原创【机器学习核心知识点】

机器学习（Machine Learning）是一种计算机科学技术，它允许系统通过数据学习和改进其性能，而无需显式编程。下面将详细说明几个核心知识点、原理，并提供Python代码示例以帮助理解。确实，在实际应用中，机器学习过程包含了一系列更细致和复杂的工作步骤。特征工程是指通过创造、转换或选择有意义的特征来优化模型性能的过程。：确保不同特征在相似尺度上，以便模型能正确解读。：例如从日期特征中提取星期几、月份等信息。：识别并处理超出正常范围的极端值。：填充或删除含有缺失值的数据。

2024-03-05 21:50:13 1729 2

原创【MMYOLO训练数据集】

MMYOLO是OpenMMLab实验室开发的一个基于YOLO系列的目标检测框架的实现，它整合了MMCV和MMEngine等工具库以支持更方便的模型训练、评估以及部署。环境安装安装Python和必要的依赖包。安装mim使用mimmim install mmcv>=指定版本,=指定版本,

2024-03-05 21:39:47 1514

原创【 Docker 容器详细介绍和说明】

Docker 容器详细介绍和说明步骤1：配置Docker环境步骤2：配置PyCharm步骤3：测试连接docker 容器常用命令Docker容器是什么？Docker容器是一种轻量级、可移植的软件打包和运行环境，它允许开发者将应用及其依赖以独立的单元进行分发和部署。每个容器都运行在一个隔离的环境中，具有自己的文件系统、网络空间和资源限制。

2024-03-04 20:10:57 1113

原创【图像分割算法】

模拟地形分水岭过程，将图像视为地形，最低点标记为已知类别，然后通过扩展边界来达到分割不同区域的目的。适用于重叠且连通性复杂的物体分割。：基于像素强度设置一个阈值，将图像的每个像素点根据其灰度值与阈值比较，将其划分为前景或背景。：从复杂背景下分离特定颜色的物体，如交通标志检测、水果采摘机器人视觉系统等。：通过颜色模型（如HSV、Lab等）对特定颜色范围内的区域进行分割。：生物组织切片分析、粒子群分割等需要精确分割多个互相接触物体的场景。：医学图像分割、遥感图像分析等，在清晰边界附近的区域相似性高的情况。

2024-03-04 10:08:23 787

原创【python 常见错误】

语法错误是程序在编译阶段就可检测出的错误，通常是因为代码违反了Python语言的语法规则。

2024-03-03 16:30:51 1137

原创【C++基础知识详细记录】

c++

2024-03-02 10:15:02 1019

原创【PyTorch知识点汇总】

创建张量：使用torch.tensor()、torch.Tensor()或特定创建函数如torch.zeros(), torch.ones(), torch.randn()等创建不同类型的张量。使用torch.nn.DataParallel或torch.nn.parallel.DistributedDataParallel进行多GPU训练。使用torch.save()和torch.load()保存和加载模型参数或整个模型。动态计算图、混合精度训练、量化压缩、可视化工具。

2024-02-29 20:23:03 1328

yolov8算法杂草检测训练权重+4000多张杂草检测数据集

yolov8算法杂草检测训练权重，包含4000多张杂草检测数据集，数据集目录已经配置好，划分好 train，val, test，并附有data.yaml文件，yolov5、yolov7、yolov8，yolov9等算法可以直接进行训练模型，txt格式标签和xml(VOC格式)标签，数据集和检测结果参考：https://blog.youkuaiyun.com/zhiqingAI/article/details/124230743 https://blog.youkuaiyun.com/zhiqingAI/article/details/144795829 数据集配置目录结构data.yaml nc: 1 names: - 0 weed

2025-01-10

yolov8算法杂草检测训练权重+4000数据集+pyqt界面

2025-01-10

yolov5算法杂草检测训练权重+包含4000多张杂草检测数据集+pyqt界面

yolov5算法杂草检测训练权重，包含4000多张杂草检测数据集，数据集目录已经配置好，划分好 train，val, test，并附有data.yaml文件，yolov5、yolov7、yolov8，yolov9等算法可以直接进行训练模型，txt格式标签和xml(VOC格式)标签，数据集和检测结果参考：https://blog.youkuaiyun.com/zhiqingAI/article/details/124230743 https://blog.youkuaiyun.com/zhiqingAI/article/details/144795829 数据集配置目录结构data.yaml nc: 1 names: - 0 weed

2025-01-10

yolov5算法杂草检测训练权重，包含4000多张杂草检测数据集

2025-01-10

yolo算法杂草检测数据集+包含4000多张杂草检测数据集

yolo算法杂草检测数据集，包含4000多张杂草检测数据集，数据集目录已经配置好，划分好 train，val, test，并附有data.yaml文件，yolov5、yolov7、yolov8，yolov9等算法可以直接进行训练模型，txt格式标签和xml(VOC格式)标签，数据集和检测结果参考：https://blog.youkuaiyun.com/zhiqingAI/article/details/124230743 https://blog.youkuaiyun.com/zhiqingAI/article/details/144795829 数据集配置目录结构data.yaml： train: E:\python_code\dataset_1\yolo_weed_zacao_data_4700\train/images val: E:\python_code\dataset_1\yolo_weed_zacao_data_4700\valid/images test: E:\python_code\dataset_1\yolo_weed_zacao_data_4700\test/images nc:

2025-01-10

yolov8算法自卸卡车-挖掘机-装载机检测权重模型+数据集

yolov8算法自卸卡车-挖掘机-装载机检测权重模型，训练好的权重模型，包含2000多张自卸卡车-挖掘机-装载机检测数据集，数据集目录已经配置好，划分好 train，val, test，并附有data.yaml文件，yolov5、yolov7、yolov8，yolov9等算法可以直接进行训练模型，txt格式标签和xml(VOC格式)标签，数据集和检测结果参考：https://blog.youkuaiyun.com/zhiqingAI/article/details/124230743 https://blog.youkuaiyun.com/zhiqingAI/article/details/144795966?spm=1001.2014.3001.5502 数据集配置目录结构data.yaml： nc: 3 names: - excavator - dump_truck - wheel_loader

2025-01-05

yolov8算法自卸卡车-挖掘机-装载机检测权重模型，训练好的权重模型+pyqt界面

2025-01-05

yolov5算法自卸卡车-挖掘机-装载机检测权重模型，训练好的权重模型+pyqt界面+数据集

yolov5算法自卸卡车-挖掘机-装载机检测权重模型，训练好的权重模型，包含2000多张自卸卡车-挖掘机-装载机检测数据集，数据集目录已经配置好，划分好 train，val, test，并附有data.yaml文件，yolov5、yolov7、yolov8，yolov9等算法可以直接进行训练模型，txt格式标签和xml(VOC格式)标签，数据集和检测结果参考：https://blog.youkuaiyun.com/zhiqingAI/article/details/124230743 https://blog.youkuaiyun.com/zhiqingAI/article/details/144795966?spm=1001.2014.3001.5502 数据集配置目录结构data.yaml： nc: 3 names: - excavator - dump_truck - wheel_loader

2025-01-05

yolov5算法自卸卡车-挖掘机-装载机检测+训练好的权重模型+数据集

2025-01-05

yolo算法自卸卡车-挖掘机-装载机检测数据集+2500数据

yolo算法自卸卡车-挖掘机-装载机检测数据集，包含2000多张自卸卡车-挖掘机-装载机检测数据集，数据集目录已经配置好，划分好 train，val, test，并附有data.yaml文件，yolov5、yolov7、yolov8，yolov9等算法可以直接进行训练模型，txt格式标签和xml(VOC格式)标签，数据集和检测结果参考：https://blog.youkuaiyun.com/zhiqingAI/article/details/124230743 https://blog.youkuaiyun.com/zhiqingAI/article/details/144795966?spm=1001.2014.3001.5502 数据集配置目录结构data.yaml： nc: 3 names: - excavator - dump_truck - wheel_loader

2025-01-05

YOLOv7算法老鼠动物检测权重，包含5000多张老鼠检测数据集，数据集目录已经配置好

YOLOv7算法老鼠动物检测权重，包含5000多张老鼠检测数据集，数据集目录已经配置好，划分好 train，val, test，并附有data.yaml文件，yolov5、yolov7、yolov8，yolov9等算法可以直接进行训练模型，txt格式标签和xml(VOC格式)标签，数据集和检测结果参考：https://blog.youkuaiyun.com/zhiqingAI/article/details/124230743 https://blog.youkuaiyun.com/zhiqingAI/article/details/144801942 数据集配置目录结构data.yaml： nc: 1 names: - mouse

2025-01-05

YOLOv10算法老鼠动物检测权重，包含5000多张老鼠检测数据集

YOLOv10算法老鼠动物检测权重，包含5000多张老鼠检测数据集，数据集目录已经配置好，划分好 train，val, test，并附有data.yaml文件，yolov5、yolov7、yolov8，yolov9等算法可以直接进行训练模型，txt格式标签和xml(VOC格式)标签，数据集和检测结果参考：https://blog.youkuaiyun.com/zhiqingAI/article/details/124230743 https://blog.youkuaiyun.com/zhiqingAI/article/details/144801942 数据集配置目录结构data.yaml： nc: 1 names: - mouse

2025-01-05

YOLOv5算法老鼠动物检测权重+5000多张老鼠检测数据集+pyqt可视化界面

YOLOv5算法老鼠动物检测权重，包含5000多张老鼠检测数据集，数据集目录已经配置好，划分好 train，val, test，并附有data.yaml文件，yolov5、yolov7、yolov8，yolov9等算法可以直接进行训练模型，txt格式标签和xml(VOC格式)标签，数据集和检测结果参考：https://blog.youkuaiyun.com/zhiqingAI/article/details/124230743 https://blog.youkuaiyun.com/zhiqingAI/article/details/144801942 数据集配置目录结构data.yaml： nc: 1 names: - mouse

2025-01-03

YOLOv5算法老鼠动物检测权重+5000检测数据集

YOLOv5算法老鼠动物检测权重，包含5000多张老鼠检测数据集，数据集目录已经配置好，划分好 train，val, test，并附有data.yaml文件，yolov5、yolov7、yolov8，yolov9等算法可以直接进行训练模型，txt格式标签和xml(VOC格式)标签，数据集和检测结果参考：https://blog.youkuaiyun.com/zhiqingAI/article/details/124230743 https://blog.youkuaiyun.com/zhiqingAI/article/details/142426701 数据集配置目录结构data.yaml： nc: 1 names: - mouse

2025-01-03

YOLOv8算法老鼠动物检测权重，包含5000多张老鼠检测数据集+pyqt界面

YOLOv8算法老鼠动物检测权重，包含5000多张老鼠检测数据集，数据集目录已经配置好，划分好 train，val, test，并附有data.yaml文件，yolov5、yolov7、yolov8，yolov9等算法可以直接进行训练模型，txt格式标签和xml(VOC格式)标签，数据集和检测结果参考：https://blog.youkuaiyun.com/zhiqingAI/article/details/124230743 https://blog.youkuaiyun.com/zhiqingAI/article/details/144801942 数据集配置目录结构data.yaml： nc: 1 names: - mouse

2025-01-03

YOLOv8算法老鼠动物检测权重+包含5000多张老鼠检测数据集

2025-01-03

YOLO算法老鼠动物检测数据集+5000多张老鼠检测数据集

YOLO算法老鼠动物检测数据集，包含5000多张老鼠检测数据集，数据集目录已经配置好，划分好 train，val, test，并附有data.yaml文件，yolov5、yolov7、yolov8，yolov9等算法可以直接进行训练模型，txt格式标签和xml(VOC格式)标签，数据集和检测结果参考：https://blog.youkuaiyun.com/zhiqingAI/article/details/124230743 https://blog.youkuaiyun.com/zhiqingAI/article/details/142426701 数据集配置目录结构data.yaml： nc: 1 names: - mouse

2025-01-03

自动驾驶道路天气分类数据集，含标签

2025-01-02

YOLOv10算法方盒型快递包裹检测模型+数据集

YOLOv10算法方盒型快递包裹检测模型，包含5000多张方盒型快递包裹检测数据集，数据集目录已经配置好，划分好 train，val, test，并附有data.yaml文件，yolov5、yolov7、yolov8，yolov9等算法可以直接进行训练模型，txt格式标签，数据集和检测结果参考：https://blog.youkuaiyun.com/zhiqingAI/article/details/124230743 https://blog.youkuaiyun.com/zhiqingAI/article/details/142426701 数据集配置目录结构data.yaml： train: ../train/images val: ../valid/images test: ../test/images nc: 1 names: - box_packet

2024-12-28

YOLOv8算法方盒型快递包裹检测模型+数据集+pyqt界面

YOLOv8算法方盒型快递包裹检测模型，包含5000多张方盒型快递包裹检测数据集，数据集目录已经配置好，划分好 train，val, test，并附有data.yaml文件，yolov5、yolov7、yolov8，yolov9等算法可以直接进行训练模型，txt格式标签，数据集和检测结果参考：https://blog.youkuaiyun.com/zhiqingAI/article/details/124230743 https://blog.youkuaiyun.com/zhiqingAI/article/details/142426701 数据集配置目录结构data.yaml： train: ../train/images val: ../valid/images test: ../test/images nc: 1 names: - box_packet

2024-12-28

YOLOv7算法方盒型快递包裹检测模型+5000数据集

YOLOv7算法方盒型快递包裹检测模型，包含5000多张方盒型快递包裹检测数据集，数据集目录已经配置好，划分好 train，val, test，并附有data.yaml文件，yolov5、yolov7、yolov8，yolov9等算法可以直接进行训练模型，txt格式标签，数据集和检测结果参考：https://blog.youkuaiyun.com/zhiqingAI/article/details/124230743 https://blog.youkuaiyun.com/zhiqingAI/article/details/142426701 数据集配置目录结构data.yaml： train: ../train/images val: ../valid/images test: ../test/images nc: 1 names: - box_packet

2024-12-28

YOLOv5算法方盒型快递包裹检测模型，包含5000多张方盒型快递包裹检测数据集+pyqt界面

YOLOv5算法方盒型快递包裹检测模型，包含5000多张方盒型快递包裹检测数据集，数据集目录已经配置好，划分好 train，val, test，并附有data.yaml文件，yolov5、yolov7、yolov8，yolov9等算法可以直接进行训练模型，txt格式标签，数据集和检测结果参考：https://blog.youkuaiyun.com/zhiqingAI/article/details/124230743 https://blog.youkuaiyun.com/zhiqingAI/article/details/142426701 数据集配置目录结构data.yaml： train: ../train/images val: ../valid/images test: ../test/images nc: 1 names: - box_packet

2024-12-28

YOLOv5算法方盒型快递包裹检测模型，包含5000多张方盒型快递包裹检测数据集

2024-12-28

YOLOv8算法方盒型快递包裹检测模型+数据集

2024-12-28

YOLOv8算法快递包裹-包装纸盒质量好坏检测权重+pyqt界面+数据集

YOLOv8算法快递包裹-包装纸盒质量好坏检测权重，包含近1000多张递包裹-包装纸盒质量好坏检测数据集，数据集目录已经配置好，划分好 train，val, test，并附有data.yaml文件，包含近1000多张递包裹-包装纸盒质量好坏检测数据集，数据集目录已经配置好，划分好 train，val, test，并附有data.yaml文件，yolov5、yolov7、yolov8，yolov9等算法可以直接进行训练模型，txt格式标签，数据集和检测结果参考：https://blog.youkuaiyun.com/zhiqingAI/article/details/124230743 https://blog.youkuaiyun.com/zhiqingAI/article/details/142426701 数据集配置目录结构data.yaml： train: ../train/images val: ../valid/images test: ../test/images nc: 5 names: - Box - Box_broken - Package - Box_damaged - person

2024-12-28

YOLOv5算法快递包裹-包装纸盒质量好坏检测权重+数据集+pyqt界面

YOLOv5算法快递包裹-包装纸盒质量好坏检测权重，包含近1000多张递包裹-包装纸盒质量好坏检测数据集，数据集目录已经配置好，划分好 train，val, test，并附有data.yaml文件，yolov5、yolov7、yolov8，yolov9等算法可以直接进行训练模型，txt格式标签，数据集和检测结果参考：https://blog.youkuaiyun.com/zhiqingAI/article/details/124230743 https://blog.youkuaiyun.com/zhiqingAI/article/details/142426701 数据集配置目录结构data.yaml： train: ../train/images val: ../valid/images test: ../test/images nc: 5 names: - Box - Box_broken - Package - Box_damaged - person

2024-12-28

YOLOv7算法快递包裹-包装纸盒质量好坏检测权重+1000数据集

YOLOv7算法快递包裹-包装纸盒质量好坏检测权重，包含近1000多张递包裹-包装纸盒质量好坏检测数据集，数据集目录已经配置好，划分好 train，val, test，并附有data.yaml文件，包含近1000多张递包裹-包装纸盒质量好坏检测数据集，数据集目录已经配置好，划分好 train，val, test，并附有data.yaml文件，yolov5、yolov7、yolov8，yolov9等算法可以直接进行训练模型，txt格式标签，数据集和检测结果参考：https://blog.youkuaiyun.com/zhiqingAI/article/details/124230743 https://blog.youkuaiyun.com/zhiqingAI/article/details/142426701 数据集配置目录结构data.yaml： train: ../train/images val: ../valid/images test: ../test/images nc: 5 names: - Box - Box_broken - Package - Box_damaged - person

2024-12-28

YOLOv5算法快递包裹-包装纸盒质量好坏检测权重+包含近1000多张递包裹-包装纸盒质量好坏检测数据集

2024-12-28

YOLOv10算法快递包裹-包装纸盒质量好坏检测权重+数据集

YOLOv10算法快递包裹-包装纸盒质量好坏检测权重，包含近1000多张递包裹-包装纸盒质量好坏检测数据集，数据集目录已经配置好，划分好 train，val, test，并附有data.yaml文件，yolov5、yolov7、yolov8，yolov9等算法可以直接进行训练模型，txt格式标签，数据集和检测结果参考：https://blog.youkuaiyun.com/zhiqingAI/article/details/124230743 https://blog.youkuaiyun.com/zhiqingAI/article/details/142426701 数据集配置目录结构data.yaml： train: ../train/images val: ../valid/images test: ../test/images nc: 5 names: - Box - Box_broken - Package - Box_damaged - person

2024-12-28

YOLOv8算法快递包裹-包装纸盒质量好坏检测权重，包含近1000多张递包裹-包装纸盒质量好坏检测数据集

YOLOv8算法快递包裹-包装纸盒质量好坏检测权重，包含近1000多张递包裹-包装纸盒质量好坏检测数据集，数据集目录已经配置好，划分好 train，val, test，并附有data.yaml文件，yolov5、yolov7、yolov8，yolov9等算法可以直接进行训练模型，txt格式标签，数据集和检测结果参考：https://blog.youkuaiyun.com/zhiqingAI/article/details/124230743 https://blog.youkuaiyun.com/zhiqingAI/article/details/142426701 数据集配置目录结构data.yaml： train: ../train/images val: ../valid/images test: ../test/images nc: 5 names: - Box - Box_broken - Package - Box_damaged - person

2024-12-28

YOLOv8算法快递包裹&包装盒缺陷检测权重，模型已经训练好+数据集+pyqt可视化界面

YOLOv8算法快递包裹&包装盒缺陷检测权重，模型已经训练好，可以直接推理检测，包含1200多张快递包裹&包装盒缺陷检测数据集，数据集目录已经配置好，划分好 train，val, test，并附有data.yaml文件，yolov5、yolov7、yolov8，yolov9等算法可以直接进行训练模型，txt格式标签，数据集和检测结果参考：https://blog.youkuaiyun.com/zhiqingAI/article/details/124230743 https://blog.youkuaiyun.com/zhiqingAI/article/details/142426701 数据集配置目录结构data.yaml： train: ../train/images val: ../valid/images nc: 4 names: - Box - Box_broken - Open_package - Package

2024-12-28

YOLOv5算法快递包裹&包装盒缺陷检测权重+数据集

YOLOv5算法快递包裹&包装盒缺陷检测权重，模型已经训练好，可以直接推理检测，包含1200多张快递包裹&包装盒缺陷检测数据集，数据集目录已经配置好，划分好 train，val, test，并附有data.yaml文件，yolov5、yolov7、yolov8，yolov9等算法可以直接进行训练模型，txt格式标签，数据集和检测结果参考：https://blog.youkuaiyun.com/zhiqingAI/article/details/124230743 https://blog.youkuaiyun.com/zhiqingAI/article/details/142426701 数据集配置目录结构data.yaml： train: ../train/images val: ../valid/images nc: 4 names: - Box - Box_broken - Open_package - Package

2024-12-28

YOLOv5算法快递包裹&包装盒缺陷检测权重，模型已经训练好，可以直接推理检测+pyqt界面+数据集

2024-12-28

YOLOv10算法快递包裹&包装盒缺陷检测权重，模型已经训练好，可以直接推理检测，包含1200多张快递包裹&包装盒缺陷检测数据集

YOLOv10算法快递包裹&包装盒缺陷检测权重，模型已经训练好，可以直接推理检测，包含1200多张快递包裹&包装盒缺陷检测数据集，数据集目录已经配置好，划分好 train，val, test，并附有data.yaml文件，yolov5、yolov7、yolov8，yolov9等算法可以直接进行训练模型，txt格式标签，数据集和检测结果参考：https://blog.youkuaiyun.com/zhiqingAI/article/details/124230743 https://blog.youkuaiyun.com/zhiqingAI/article/details/142426701 数据集配置目录结构data.yaml： train: ../train/images val: ../valid/images nc: 4 names: - Box - Box_broken - Open_package - Package

2024-12-28

YOLOv8算法快递包裹&包装盒缺陷检测权重，模型已经训练好，可以直接推理检测+1200数据集

2024-12-28

YOLOv8纸质包装盒&快递盒检测模型，已经训练好，可以直接推理+pyqt界面+数据集

YOLOv8纸质包装盒&快递盒检测模型，已经训练好，可以直接推理，此外包含6000多张纸质包装盒&快递盒检测数据集，数据集目录已经配置好，划分好 train，val, test，并附有data.yaml文件，yolov5、yolov7、yolov8，yolov9等算法可以直接进行训练模型，txt格式标签，数据集和检测结果参考：https://blog.youkuaiyun.com/zhiqingAI/article/details/124230743 https://blog.youkuaiyun.com/zhiqingAI/article/details/142426701 数据集配置目录结构data.yaml： train: ../train/images val: ../valid/images test: ../test/images nc: 1 names: - box

2024-12-21

YOLOv5纸质包装盒&快递盒检测权重+6000数据集

YOLOv5纸质包装盒&快递盒检测模型，已经训练好，可以直接推理，此外包含6000多张纸质包装盒&快递盒检测数据集，数据集目录已经配置好，划分好 train，val, test，并附有data.yaml文件，yolov5、yolov7、yolov8，yolov9等算法可以直接进行训练模型，txt格式标签，数据集和检测结果参考：https://blog.youkuaiyun.com/zhiqingAI/article/details/124230743 https://blog.youkuaiyun.com/zhiqingAI/article/details/142426701 数据集配置目录结构data.yaml： train: ../train/images val: ../valid/images test: ../test/images nc: 1 names: - box

2024-12-21

YOLOv5纸质包装盒&快递盒检测模型+数据集+pyqt界面

2024-12-21

YOLO10纸质包装盒&快递盒检测模型+数据集

YOLO10纸质包装盒&快递盒检测模型，已经训练好，可以直接推理，此外包含6000多张纸质包装盒&快递盒检测数据集，数据集目录已经配置好，划分好 train，val, test，并附有data.yaml文件，yolov5、yolov7、yolov8，yolov9等算法可以直接进行训练模型，txt格式标签，数据集和检测结果参考：https://blog.youkuaiyun.com/zhiqingAI/article/details/124230743 https://blog.youkuaiyun.com/zhiqingAI/article/details/142426701 数据集配置目录结构data.yaml： train: ../train/images val: ../valid/images test: ../test/images nc: 1 names: - box

2024-12-21

YOLOv8纸质包装盒&快递盒检测模型+6000数据集

2024-12-21

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

yolov8算法杂草检测训练权重+4000多张杂草检测数据集

yolov8算法杂草检测训练权重+4000数据集+pyqt界面

yolov5算法杂草检测训练权重+包含4000多张杂草检测数据集+pyqt界面

yolov5算法杂草检测训练权重， 包含4000多张杂草检测数据集

yolo算法杂草检测数据集+包含4000多张杂草检测数据集

yolov8算法自卸卡车-挖掘机-装载机检测权重模型+数据集

yolov8算法自卸卡车-挖掘机-装载机检测权重模型， 训练好的权重模型+pyqt界面

yolov5算法自卸卡车-挖掘机-装载机检测权重模型， 训练好的权重模型+pyqt界面+数据集

yolov5算法自卸卡车-挖掘机-装载机检测+训练好的权重模型+数据集

yolo算法自卸卡车-挖掘机-装载机检测数据集+2500数据

YOLOv7算法老鼠动物检测权重， 包含5000多张老鼠检测数据集，数据集目录已经配置好

YOLOv10算法老鼠动物检测权重， 包含5000多张老鼠检测数据集

YOLOv5算法老鼠动物检测权重+5000多张老鼠检测数据集+pyqt可视化界面

YOLOv5算法老鼠动物检测权重+5000检测数据集

YOLOv8算法老鼠动物检测权重， 包含5000多张老鼠检测数据集+pyqt界面

YOLOv8算法老鼠动物检测权重+包含5000多张老鼠检测数据集

YOLO算法老鼠动物检测数据集+5000多张老鼠检测数据集

自动驾驶道路天气分类数据集，含标签

YOLOv10算法方盒型快递包裹检测模型+数据集

YOLOv8算法方盒型快递包裹检测模型+数据集+pyqt界面

YOLOv7算法方盒型快递包裹检测模型+5000数据集

YOLOv5算法方盒型快递包裹检测模型， 包含5000多张方盒型快递包裹检测数据集+pyqt界面

YOLOv5算法方盒型快递包裹检测模型， 包含5000多张方盒型快递包裹检测数据集

YOLOv8算法方盒型快递包裹检测模型+数据集

YOLOv8算法快递包裹-包装纸盒质量好坏检测权重+pyqt界面+数据集

YOLOv5算法快递包裹-包装纸盒质量好坏检测权重+数据集+pyqt界面

YOLOv7算法快递包裹-包装纸盒质量好坏检测权重+1000数据集

YOLOv5算法快递包裹-包装纸盒质量好坏检测权重+包含近1000多张递包裹-包装纸盒质量好坏检测数据集

YOLOv10算法快递包裹-包装纸盒质量好坏检测权重+数据集

YOLOv8算法快递包裹-包装纸盒质量好坏检测权重， 包含近1000多张递包裹-包装纸盒质量好坏检测数据集

YOLOv8算法快递包裹&包装盒缺陷检测权重，模型已经训练好+数据集+pyqt可视化界面

YOLOv5算法快递包裹&包装盒缺陷检测权重+数据集

YOLOv5算法快递包裹&包装盒缺陷检测权重，模型已经训练好，可以直接推理检测+pyqt界面+数据集

YOLOv10算法快递包裹&包装盒缺陷检测权重，模型已经训练好，可以直接推理检测， 包含1200多张快递包裹&包装盒缺陷检测数据集

YOLOv8算法快递包裹&包装盒缺陷检测权重，模型已经训练好，可以直接推理检测+1200数据集

YOLOv8纸质包装盒&快递盒检测模型，已经训练好，可以直接推理+pyqt界面+数据集

YOLOv5纸质包装盒&快递盒检测权重+6000数据集

YOLOv5纸质包装盒&快递盒检测模型+数据集+pyqt界面

YOLO10纸质包装盒&快递盒检测模型+数据集

YOLOv8纸质包装盒&快递盒检测模型+6000数据集

空空如也

yolov5算法杂草检测训练权重，包含4000多张杂草检测数据集

yolov8算法自卸卡车-挖掘机-装载机检测权重模型，训练好的权重模型+pyqt界面

yolov5算法自卸卡车-挖掘机-装载机检测权重模型，训练好的权重模型+pyqt界面+数据集

YOLOv7算法老鼠动物检测权重，包含5000多张老鼠检测数据集，数据集目录已经配置好

YOLOv10算法老鼠动物检测权重，包含5000多张老鼠检测数据集

YOLOv8算法老鼠动物检测权重，包含5000多张老鼠检测数据集+pyqt界面

YOLOv5算法方盒型快递包裹检测模型，包含5000多张方盒型快递包裹检测数据集+pyqt界面

YOLOv5算法方盒型快递包裹检测模型，包含5000多张方盒型快递包裹检测数据集

YOLOv8算法快递包裹-包装纸盒质量好坏检测权重，包含近1000多张递包裹-包装纸盒质量好坏检测数据集

YOLOv10算法快递包裹&包装盒缺陷检测权重，模型已经训练好，可以直接推理检测，包含1200多张快递包裹&包装盒缺陷检测数据集