- 博客(1)
- 资源 (35)
- 收藏
- 关注
RSS订阅原创 Ubuntu20.04远程连接
最近实验室的电脑显卡驱动老是不对，经过调查发现是自动更新之后linux的内核版本会变，导致显卡无法连接，为了解决这个问题，在重装系统之后，我直接选择了将更新关闭，这样的话可以暂时避免这个问题，如下图所示：另外，如果系统重装之后会导致服务器方面无法连接，这个是因为重装之后公钥发生了变化，首先大家需要在服务器端安装ssh服务并且打开防火墙sudo apt-get install openssh-serversudo systemctl status sshsudo ufw allow ssh在本地
2021-11-29 15:00:03
2212
2
YOLOV8行人检测（代码+行人检测数据集+训练好的模型+图形化系统）.zip
YOLOV8行人检测（代码+行人检测数据集+训练好的模型+图形化系统）
YOLO系列目前已经更新到了V10，并且YOLO系列模型已经目前稳定运行了一段时间。经过一段时间的准备，我们选择在暑期的这个时间点更新YOLOV8模型的教程，从原理、数据标注和环境配置一一展开讲解，帮助小伙伴们掌握YOLOv8的基本内容。注意本次的教程除了支持v8模型的训练，还适用v3、v5、v9、v10等一系列模型的训练。
资源中包含的内容有标注好的一份行人检测的数据集（大约5000张图像），可以训练和验证的代码、训练好的yolo系列的模型和一份图形化界面，以及我们的联系方式，如果调试遇到问题可以找我来进行交流，对应的视频放置在这个位置https://space.bilibili.com/161240964
2024-08-19
YOLOV5麦穗计数数据集+代码+模型+教学视频
小麦是世界上种植地域最广、面积最大及产量最多的粮食作物,2021年世界小麦使用量达到7.54亿吨。小麦产量的及时预估对作物生产、粮食价格及粮食安全产生重大影响,单位面积穗数是小麦产量预估研究中的难点及重中之重。当前,人工估产方法依据专家目测估计产量,准确率得不到保证。取样估产方法通过采集部分区域,进行人工计数、称重,费时费力。随着计算机视觉技术的发展,大量研究致力于统计单幅图像中麦穗数进而实现估产,此类研究利用卷积神经网络强大的特征自学习能力,对麦穗进行特征提取,通过大量数据训练模型,进而成功实现对图像中麦穗计数,为后续小麦估产提供数据参考。然而部分现有的麦穗计数研究基于通用的原始计数网络,未考虑小麦尺度不一、密集等特点进行优化,准确率有待提升。
本期我们将深度学习算法YOLOV5和农业进行结合，通过目标检测的方式来统计一片区域中的麦穗数量。
博客地址：https://blog.csdn.net/ECHOSON/article/details/129721592
2024-08-09
28-基于Tensorflow的风格迁移+代码+模型+系统界面+教学视频.zip
随着GPT的横空出世，生成式网络也越来越活，现在的大语言模型除了能回答文字上面的内容，并且在图像和视频创作中也表现除了巨大的潜力，今天我们继续大作业系列，以比较早的一篇李飞飞博士的快速风格迁移为例，给大家展示一下早期是如何利用卷积神经网络来进行图像风格迁移的。具体我们要实现的效果如下，通过tensorflow框架构建快速图像分割迁移的网络并利用训练好的四个模型实现对任意上传图片的风格迁移，并利用PyQt5构建图形化的界面来完成最终的系统。
博客地址：https://blog.csdn.net/ECHOSON/article/details/139205973
2024-08-09
YOLOv10海上红外目标检测+代码+模型+系统界面+教学视频.zip
本资源配套对应的视频教程和图文教程，手把手教你使用YOLOV10做海上船只红外目标检测的训练、测试和界面封装，包含了YOLOV10原理的解析、处理好的训练集和测试集、训练和测试的代码以及训练好的模型，并封装为了图形化界面，只需点击上传按钮上传图像即可完成海上红外图像的预测。
在这里，我们用一个红外海洋目标检测的数据集，里面包含了7类海洋目标 `['liner', 'sailboat', 'warship', 'canoe', 'bulk carrier', 'container ship', 'fishing boat']`
YOLOv10模型于24年5月份正式提出，对过去YOLOs的结构设计、优化目标和数据增强策略进行了深入的了解和探索，并对YOLO模型中的各个组件进行了rethink，从后处理和模型结构入手进行了新的设计，在速度和精度上进行提升。
博客地址为：https://blog.csdn.net/ECHOSON/article/details/139223999
2024-08-07
Unet++舌象图像分割数据集+代码+模型+系统界面+教学视频.zip
舌象分割在中医舌诊中具有重要的意义。舌诊是中医通过观察舌象了解人体生理功能和病理变化的一种诊断方法。舌象分割是将舌面划分为不同的区域，每个区域对应着不同的脏腑和病理变化。
UNet++，它是一种深度监督的编码器-解码器网络，通过一系列嵌套的密集跳跃连接将编码器和解码器子网连接起来。UNet++的设计目标是减少编码器和解码器子网特征图之间的语义差距，使得优化器在面对语义相似的特征图时，学习任务变得更加简单。
该文件中包含提前处理好的舌象数据集和标签，以及训练好的unet++模型和完整的训练、测试和图形化界面的Python代码，并且提供了实际的操作视频，按照视频只需要进行一下基本的环境创建，即可运行出一个完整的分割系统。
2024-03-10
Unet眼底血管图像分割数据集+代码+模型+系统界面+教学视频.zip
本资源配套对应的视频教程和图文教程，手把手教你使用Unet做眼底图像分割的训练、测试和界面封装，包含了Unet原理的解析、处理好的训练集和测试集、训练和测试的代码以及训练好的模型，并封装为了图形化界面，只需点击上传按钮上传图像即可完成眼底图像的预测。
随着生活水平的提高，眼科疾病以及心脑血管疾病的发病率呈现逐年增长的趋势。视网膜血管是这类疾病诊断和监测的重要信息来源，其形态和状况的变化可以反映出许多疾病的早期病理变化。然而，由于受眼底图像采集技术的限制以及视网膜血管自身结构的复杂性和多变性，使得视网膜血管的分割变得非常困难。传统方法依靠人工手动分割视网膜血管，不仅工作量巨大，极为耗时，而且受主观因素影响严重。通过眼底血管图像分割可以提高诊断准确性、效率以及推动科学研究和改进治疗方法等方面。
B站主页：https://space.bilibili.com/161240964
C站主页：https://blog.csdn.net/ECHOSON
2024-02-17
YOLOV5交通标志识别检测数据集+代码+模型+教学视频
通过拍照标注的形式标注数据 交通标志的目标检测算法在计算机视觉领域一直属于热点研究问题，改进的优化算法不断地被提出。 目前的标注数据只有三大类：指示标志、禁止标志、警告标志。
2023-03-18
YOLOV5电线绝缘子缺陷检测数据集+代码+模型+视频讲解
绝缘子作为输电环节中的重要设备，在支撑固定导线，保障绝缘距离的方面有着重要作用。深度学习技术的大量应用，计算机运算性能的不断提高，为无人机准确识别和定位绝缘子，实时跟踪拍摄开辟了新的解决途径。本文对输电线路中绝缘子进行识别及定位，利用深度学习技术采取基于YOLOv5 算法的目标检测手段，结合绝缘子数据集的特点，对无人机拍摄图片进行训练，实现对绝缘子精准识别和定位，大幅提升无人机巡检时对绝缘子设备准确跟踪、判定的效率，具有十分重要的应用效果。本项目可以作为计算机专业毕业涉及，提供处理好的数据集、视频和三组训练好的模型，部署简单，并且具有可用于图片检测和视频检测的图形化界面，方便易用。
2023-03-15
YOLOV5动物检测数据集+代码+模型 2000张标注好的数据+教学视频
1.目标检测格式数据集，标签为yolo的txt格式
2.动物检测数据集，支持['bird','cat', 'cow', 'dog', 'horse', 'sheep']6种动物的检测
3. 提供3组训练好的YOLOV5模型
4.代码中包含图形化界面
2022-03-09
YOLOV5手势识别数据集+代码+模型 2000张标注好的数据+教学视频
1.目标检测格式数据集，标签为yolo的txt格式
2.手势识别数据集，支持[ 'A', 'number 7', 'D', 'I', 'L', 'V', 'W', 'Y', 'I love you', 'number 5' ]10种手势的识别
3. 提供3组训练好的YOLOV5模型
4.代码中包含图形化界面
5.提供B站视频教程：https://www.bilibili.com/video/BV1YL4y1J7xz/
2022-03-05
皮肤病语义分割数据集+代码+unet模型 2000张标注好的数据+教学视频
兄弟们好呀，这里是肆十二，这转眼间寒假就要过完了，相信大家的毕设也要准备动手了吧，作为一名大作业区的UP主，也该蹭波热度了，之前关于图像分类和目标检测我们都出了相应的教程，所以这期内容我们搞波新的，我们用Unet来做医学图像分割。我们将会以皮肤病的数据作为示范，训练一个皮肤病分割的模型出来，用户输入图像，模型可以自动分割去皮肤病的区域和正常的区域。
2022-02-13
YOLOV5口罩检测数据集+代码+模型 2000张标注好的数据+教学视频.zip
YOLOV5口罩检测数据集+代码+模型 2000张标注好的数据+教学视频
代码的下载地址在：https://gitee.com/song-laogou/yolov5-mask-42
大家可以按照这里的视频教程配置环境：https://www.bilibili.com/video/BV1YL4y1J7xz/
更多数据请看：https://blog.csdn.net/ECHOSON/article/details/121892887
遇到问题请小伙伴通过私信联系作者，感谢大家的支持！
2021-12-14
垃圾分类数据集和tf代码-8w张图片245个类.zip
包含垃圾分类数据集和tf代码-8w张图片245个类，提供2组训练好的模型在models目录下，详情请看https://blog.csdn.net/ECHOSON/article/details/118025415
2021-06-18
小麦叶片病虫害分类数据集-提高代码和教程.zip
小麦叶片病虫害分类数据集-提高tensorflow代码和教程，结合作者录制的b站视频，快速掌握不是梦。数据集详细信息请看https://blog.csdn.net/ECHOSON/article/details/117964438
2021-06-16
水稻叶片病虫害分类数据集-提供代码和教程.zip
水稻叶片病虫害分类数据集-提供tensorflow代码和教程，结合作者录制的b站视频，快速掌握不是梦。数据集详细信息请看https://blog.csdn.net/ECHOSON/article/details/117964438
2021-06-16
蔬菜识别数据集-提供代码和教程.zip
蔬菜识别数据集-提供tensorflow代码和教程，结合作者录制的b站视频，快速掌握不是梦。数据集详细信息请看https://blog.csdn.net/ECHOSON/article/details/117964438
2021-06-16
苹果叶片病虫害分类数据集-提高代码和教程.zip
苹果叶片病虫害分类数据集-提高tensorflow代码和教程，结合作者录制的b站视频，快速掌握不是梦。数据集详细信息请看https://blog.csdn.net/ECHOSON/article/details/117964438
2021-06-16
脑肿瘤切片分类数据集-提供代码和教程.zip
脑肿瘤切片分类数据集-提供tensorflow代码和教程，结合作者录制的b站视频，快速掌握不是梦。数据集详细信息请看https://blog.csdn.net/ECHOSON/article/details/117964438
2021-06-16
花卉识别数据集98类-提供代码和教程.zip
花卉识别数据集98类-提供tensorflow代码和教程.，结合作者录制的b站视频，快速掌握不是梦。数据集详细信息请看https://blog.csdn.net/ECHOSON/article/details/117964438
2021-06-16
花卉识别数据集5类-提供代码和教程.zip
花卉识别数据集5类-提供tensorflow代码和教程，结合作者录制的b站视频，快速掌握不是梦。数据集详细信息请看https://blog.csdn.net/ECHOSON/article/details/117964438
2021-06-16
肺炎x光图片分类数据集-提供代码和教程.zip
肺炎x光图片分类数据集-提供tensorflow代码和教程，结合作者录制的b站视频，快速掌握不是梦。数据集详细信息请看https://blog.csdn.net/ECHOSON/article/details/117964438
2021-06-16
果蔬识别数据集.zip
果蔬识别数据集，包含'土豆', '圣女果', '大白菜', '大葱', '梨', '胡萝卜', '芒果', '苹果', '西红柿', '韭菜', '香蕉', '黄瓜'12种水果蔬菜
2021-06-05
Fruit-Images-Dataset-master.zip
水果分类数据集。Fruits-360: A dataset of images containing fruits and vegetables
2021-03-12
snort-2.9.16.tar.gz
在1998年，Martin Roesch用C语言开发了开放源代码(Open Source)的入侵检测系统Snort。直至今天，Snort已发展成为一个具有多平台(Multi-Platform)、实时(Real-Time)流量分析、网络IP数据包(Pocket)记录等特性的强大的网络入侵检测/防御系统(Network Intrusion Detection/Prevention System)，即NIDS/NIPS。Snort符合通用公共许可(GPL——GNU General Pubic License)，在网上可以通过免费下载获得Snort，并且只需要几分钟就可以安装并开始使用。
2020-04-23
daq-2.0.7.tar.gz
snort安装依赖, snort从2.9.0版本开始引入了daq(packet acquisition), 该模块实际上是一个抽象层专门为报文处理服务。
2020-04-23
基于视觉的目标检测与跟踪综述_尹宏鹏.pdf
基于视觉的目标检测与跟踪是图像处理、计算机视觉、模式识别等众多学科的交叉研究课题, 在视频监控、虚拟现
实、人机交互、自主导航等领域, 具有重要的理论研究意义和实际应用价值. 本文对目标检测与跟踪的发展历史、研究现状以
及典型方法给出了较为全面的梳理和总结. 首先, 根据所处理的数据对象的不同, 将目标检测分为基于背景建模和基于前景建
模的方法, 并分别对背景建模与特征表达方法进行了归纳总结. 其次, 根据跟踪过程有无目标检测的参与, 将跟踪方法分为生
成式与判别式, 对基于统计的表观建模方法进行了归纳总结. 然后, 对典型算法的优缺点进行了梳理与分析, 并给出了其在标
准数据集上的性能对比. 最后, 总结了该领域待解决的难点问题, 对其未来的发展趋势进行了展望
2019-10-25
基于图像处理的烟雾检测E.pdf
Video surveillance systems are widely applied in a variety of fields. Hence, video-based smoke
detection is regarded as an effective and inexpensive way for fire detection in an open or large spaces.
In order to improve the efficiency of the video-based smoke detection, a novel video-based smoke
detection method is proposed by using a histogram sequence of pyramids. The method involves four
steps. Firstly, through multi-scale analysis, a 3-level image pyramid is constructed. Secondly, local
binary patterns (LBP), which are insensitive to image rotation and illumination conditions, are
extracted at each level of the image pyramid with uniform pattern, rotation invariance pattern and
rotation invariance uniform pattern to generate an LBP pyramid.
2019-10-25
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人