- 博客(52)
- 收藏
- 关注
RSS订阅原创 光学字符识别（OCR）理论概述与实践教程
本文详细介绍了OCR的理论知识，并且用paddleocr包实现了文本识别，是代码+数据集+理论都涵盖的文章。并且后续会在jetson nano上实现ocr的识别。
2025-06-07 23:58:03
360
原创 AIGC图像去噪：核心原理、算法实现与深度学习模型详解
文章重点介绍了两种强大的深度学习去噪架构：经典的U-Net模型，及其通过编码器-解码器和跳跃连接实现高效去噪的机制；以及前沿的扩散模型（Diffusion Model），详细阐述了其正向扩散与反向去噪的迭代过程和核心去噪网络结构。同时，本文提供了每种算法的Python实现代码（包括U-Net和扩散网络的PyTorch骨架），旨在为读者提供从理论到实践的全面指导，帮助AI算法工程师、研究者和开发者提升图像去噪的计算效率、显存占用和重建质量。
2025-06-05 23:32:48
240
1
原创 泊松融合的介绍和OpenCV教程
泊松融合(Poisson Blending)是一种图像无缝融合技术，通过求解泊松方程实现源图像在目标图像上的自然过渡。其核心思想是保留源图像的纹理梯度信息，同时确保边界区域平滑衔接目标图像。OpenCV提供了cv2.seamlessClone函数实现该功能，支持三种融合模式：NORMAL_CLONE（标准泊松融合）、MIXED_CLONE（处理颜色差异）和MONOCHROME_TRANSFER（单通道转移）。使用该方法需要提供源图像、目标图像、掩码图像（指定融合区域）和融合中心点坐标。该技术广泛应用于图像编
2025-06-05 22:42:34
410
原创 深度学习教学目录
深度学习课程：面向计算机视觉、深度学习小白，本产品包含但不限于以下文档一、环境配置详解，全平台支持提供Windows、Linux、树莓派、瑞芯微板（RK）等多平台下的PyTorch与TensorFlow环境配置教程，图文并茂，细致入微，确保每一位学习者都能顺利完成环境搭建。同时，文档中还详细讲解了服务器部署、AI大模型运行、Docker容器配置、VNC远程连接等高级内容，适用于科研和生产环境。
2025-05-30 11:03:41
684
1
原创 Fast-SCNN语义分割
文章摘要：本文详细介绍了Fast-SCNN模型的搭建和训练流程。首先通过conda创建Python3.8环境，下载项目代码后安装依赖库。重点说明cityscapes数据集的下载和处理方法，提供百度网盘备用数据集链接。针对不同尺寸数据集给出训练参数调整建议，推荐将base-size改为640、crop-size改为256可加快训练速度。最后演示了模型推理过程，指定测试图片路径即可自动加载预训练模型生成分割结果。文章还预告了后续将介绍模型修剪和自定义数据集训练等内容。
2025-05-30 11:01:56
55
1
原创 安全帽检测
本文介绍了YOLOv5自定义模型训练的完整流程，主要包括：1. 环境搭建：详细说明GPU版PyTorch的安装步骤，包括CUDA、cuDNN等组件的配置；2. YOLOv5安装：提供源码下载、依赖安装和预训练模型获取方法；3. 自定义训练：从数据集准备（标注、目录结构）、模型选择到具体训练参数设置，并展示了安全帽检测实例；4. 可视化与评估：介绍wandb和Tensorboard的使用，以及模型测试评估方法；5. 优化建议：给出数据采集、模型选择和训练参数调优的专业建议。整个流程在Windows10+RTX
2025-05-30 10:54:07
297
原创 人脸口罩识别
《基于LeNet-5的人脸口罩识别系统开发》摘要：本项目采用LeNet-5卷积神经网络实现口罩佩戴检测，包含完整开发流程。通过百度网盘提供数据集和代码，涵盖图像预处理（人脸检测/区域提取）、模型训练（准确率达92%以上）及测试验证环节。系统支持PC端（OpenCV）和树莓派端（TensorFlow Lite）部署，树莓派版本使用轻量化模型将帧率从2FPS提升至8FPS。关键技术包括CNN特征自动提取、金字塔式全连接层设计（3分类输出），并对比了传统机器学习（需人工设计HOG特征）与端到端深度学习的差异。附环
2025-05-30 10:35:38
40
1
原创 切换人像背景
本文介绍了三部分内容：面向对象编程示例：通过学生信息管理案例演示了Python类与对象的创建和使用，包括封装、属性和方法的实现；图像分割技术：详细讲解了语义分割（像素级分类）和实例分割（区分同类实例）的原理、区别及应用场景；防挡弹幕实现：包含图片测试、视频预处理和弹幕效果控制的完整流程说明，重点介绍了参数调整和模板提取方法。文章还提供了相关代码文件的下载链接。
2025-05-30 10:28:30
350
8
原创 人脸检测大模型
摘要：本文介绍使用ModelScope人脸检测大模型的安装和调用方法。首先通过清华镜像源安装modelscope库，然后加载resnet101_face-detection模型进行人脸检测。代码演示了从URL读取图像、检测人脸并可视化结果的全流程，包括结果绘制和保存。最后使用matplotlib展示带检测框的输出图像。该方案适用于快速实现高精度人脸检测任务，支持本地和在线图像处理。
2025-05-30 10:22:10
47
原创 ai姿势项目
《基于MediaPipe的手势交互与运动检测系统搭建指南》摘要本文介绍了三个基于MediaPipe的计算机视觉项目实现方法。首先详细说明环境配置步骤，包括创建Python3.8虚拟环境和安装MediaPipe库。核心内容涵盖三个项目：(1)手势拖拽方块系统，通过摄像头捕捉食指和拇指实现虚拟方块的拖拽交互；(2)手部识别系统，能计算手掌面积和手指宽度；(3)运动检测系统，可检测人体关节点，支持视频回放或实时摄像头输入。每个项目都提供了具体的文件操作说明和参数调整建议，为开发者快速搭建手势交互和运动检测系统提
2025-05-30 10:16:54
230
原创 多方法解决MNIST数字识别
摘要：本文实现了一个基于全连接层的MNIST手写数字分类器。使用PyTorch框架构建网络结构，包含一个Flatten层、两个全连接层(512单元和10单元输出)，并采用ReLU和Softmax激活函数。代码实现了数据预处理(标准化)、模型训练(Adam优化器)和测试功能，支持GPU加速，训练过程中记录损失和准确率到CSV文件。模型训练1个epoch后保存权重，最终输出测试集准确率。该实现展示了完整的深度学习分类任务流程，从数据加载到模型保存的各个环节。
2025-05-30 10:12:22
402
原创 windows、linux常规操作
本文摘要：主要介绍Linux系统下的常用操作命令与技术要点。1) 文件压缩解压：使用tar命令处理bz2/gz格式文件；2) 环境管理：Conda创建/激活/导出Python虚拟环境；3) 交叉编译：详解海思平台交叉编译流程，包括工具链配置和CMake编写要点；4) 开发工具：涉及静态库生成、反汇编、GPU监控（RK3566）、pip源配置及代理设置；5) 系统管理：磁盘空间查看（df/du）、缓存清理等实用命令。包含从基础文件操作到高级开发环境的完整技术栈说明。
2025-05-30 10:09:39
98
原创 架构加速-深度学习教程
不同硬件平台（如RK、Jetson Nano和电脑）的GPU架构及PyTorch版本存在差异，直接使用训练好的模型会导致兼容性问题。ONNX作为跨平台模型交换格式，可通过转换修正算子兼容性，实现模型在不同设备间的迁移。而TensorRT仅适用于英伟达设备，不能用于RK和海思平台。示例代码展示了如何将YOLOv8模型导出为ONNX格式（设置opset为11），以便跨平台部署。ONNX相当于通用的模型中间格式，TensorRT则是特定硬件的高效推理引擎。
2025-05-30 09:57:53
31
原创 算子-深度学习教程
摘要：本文系统介绍了图像特征提取与深度学习算子的核心技术。在图像特征方面，重点解析了角点检测算法（Harris、Shi-Tomasi）及其优势，以及SIFT、SURF等特征提取方法。在深度学习领域，详细阐述了算子的定义、功能与类型，包括基础运算、特征处理和高级结构三类算子，并强调其在模型构建中的核心作用。文章还列举了多种待载入算子（如ShuffleBlock、C3等），为计算机视觉任务提供了丰富的技术选择。这两种技术共同构成了现代图像分析与深度学习的基础工具。
2025-05-30 09:55:02
30
原创 小节：卷积神经网络
摘要：卷积神经网络(CNN)克服了全连接网络在图像处理中的两大缺陷：参数过多易过拟合和难以捕捉局部特征。CNN通过局部感受野、权值共享和池化层三大核心机制，显著减少了参数数量并提升了特征提取能力。其层级结构包含卷积层、下采样层和全连接层，形成双金字塔特征图。相比传统方法，CNN具有自动特征学习、平移不变性、参数共享等优势，在图像识别领域表现优异，特别适合处理二维数据，能直接输入原始图像并输出分类结果。
2025-05-30 09:50:00
26
原创 激活函数-深度学习教程
本文介绍了神经网络中的激活函数及其作用。首先阐述了非线性激活函数的重要性，指出线性激活函数无法处理复杂任务，而非线性激活函数（如ReLU）通过选择性传递信号使多层网络能够解决不同问题。然后将激活函数分为饱和型（如Sigmoid、tanh）和非饱和型（如ReLU系列），并说明后者能缓解梯度消失问题并加速收敛。最后以Sigmoid函数为例，通过代码实现展示其在XOR问题中的应用，包括前向传播计算、反向传播权重更新过程，并分析了隐藏层输出与权重的关系，展示了机器学习通过参数优化自动学习特征权重的机制。
2025-05-30 09:42:12
42
原创 基础操作-与尝识
本文介绍了PyTorch基础操作和CSV数据处理两个关键知识点。在PyTorch部分，讲解了矩阵的创建方法（自动/手动）、常用函数如torch.randn()和torch.ones()，以及PyTorch相比NumPy的优势（GPU加速、自动微分）。在CSV数据处理方面，演示了如何创建目录、生成CSV文件，以及使用pandas读取数据。这些操作在深度学习上游任务（模型训练）中非常重要，为后续的下游任务（模型部署应用）奠定了基础。文章还简要讨论了未来CV模型规格统一的可能性。
2025-05-30 09:30:40
32
原创 《斗破ai》 第一章：模型为尊，序列争锋 续
在萧言情绪波动之际，他佩戴的GPU项链突然发出异彩流光，激活了其中沉睡的古老残魂——药老。药老揭示了一个惊人的真相：萧言自幼展现的编程天赋实际上是由药老暗中操控，并在萧言十一岁时被药老吸收，导致他失去了所有潜能，沦为平庸。药老解释，他需要萧言的能力来摆脱封印，重返天地。萧言对此感到愤怒与不甘，誓言要夺回自己的天赋，摆脱药老的控制。这场内心的斗争预示着一场巨大的变革，萧言决心用自己的力量走出黑暗，迎接新的命运。
2025-05-16 09:31:51
1236
原创 《斗破ai》 第一章：模型为尊，序列争锋
但他却曾是模型学院最耀眼的新星——年仅十三，便以一己之力成功调用3B参数模型，在校内“初模测试”中击败无数高年级学长，震惊四座，被誉为“未来的模型大师”。三年前，在一次高阶异模接入实验中，他的模型坍塌，调参失败，导致意识中枢受到反噬，智识受损，甚至被强行降级为“冷启”状态。无人知晓，在那废弃的数据矿井中，他无数次尝试模拟失控时的调参逻辑，力图还原那场失败的根源。整个云村陷入宕机的混乱之中，无人注意到，废弃数据矿井最深处，萧言正站在一台斑驳的旧式框架机前，双目通红，紧盯屏幕上闪烁的报错代码。
2025-05-13 13:45:17
69
1
原创 台式电脑安装蓝牙后，无法搜索蓝牙设备。Bluetooth Support Service参数错误
在公司电脑上使用个人蓝牙键盘时，由于电脑缺乏蓝牙硬件，用户购买了一个绿联蓝牙适配器CM390。尽管设备管理器中显示了蓝牙图标和设备，但无法找到蓝牙设备。用户尝试了多种方法，包括使用驱动精灵更新驱动、运行Windows疑难解答、检查并尝试启动BluetoothSupportService服务，但问题依旧。最终，用户通过访问绿联官网下载并安装了最新的驱动程序，成功解决了问题，蓝牙设备得以正常识别和使用。
2025-05-09 11:00:38
1132
原创 涨点神器！基于通道/多头注意力的YOLOv8改进方案（附代码）
在深度学习中，注意力机制（Attention Mechanism）是一种通过对输入信息加权的方式，模拟人类视觉焦点的技术。它的核心思想是通过聚焦于输入数据中最相关的部分，提升模型的表现能力，尤其是在处理复杂输入时。传统的卷积神经网络（CNN）通过局部感知的方式来提取特征，但这种方式在面对复杂场景时可能会导致信息丢失，特别是在背景复杂、目标密集的情况下。因此，加入注意力机制可以帮助模型自动选择重要的特征或区域，从而提高性能。通道注意力空间注意力和多头注意力。
2025-04-27 20:45:48
451
原创 YOLO-World震撼发布：零样本开集检测新标杆！实时检测任意物体，从此告别限定类别
YOLO-World通过视觉语言大模型（如CLIP）赋能传统YOLO架构，首次实现高效的开集目标检测。其核心创新包括：1）可重参数化的视觉语言路径聚合网络（RepVL-PAN），动态融合图像与文本特征；2）"提示后检测"范式，通过离线词汇预编码将推理速度提升至52 FPS；3）千万级视觉语言数据预训练策略，在LVIS数据集达到35.4 AP的零样本性能。相比需要重型backbone的GLIP等方案，YOLO-World以轻量化架构同时突破封闭集限制与实时性瓶颈，支持用户自定义任意类别检测，为工业落地提供全新
2025-04-27 00:12:42
692
原创 小白也能懂！一步步教你用FPGA加速YOLO目标检测（入门篇）
安装到 PYNQ 开发板中。该库为 PYNQ 平台提供了对量化神经网络（如 YOLO）的硬件加速支持。确保你的电脑已连接到外网，如 WiFi 或热点（手机热点理论上也可用，未实测）。当你看到安装成功的提示后，打开 Jupyter Notebook，你会发现在。趁这个机会，泡了杯茶，刷了会儿手机，顺便感慨了一下开源社区的强大……页面中多出了一些新的项目文件夹 —— 这就是我们刚才安装的。参数，浅拷贝只克隆最近一次提交，减少数据量，避免超时问题。初始化，打开该文件，即可运行我们的Tiny YOLO。
2025-04-26 01:05:44
950
原创 手把手教你用LabelImg打造专属YOLO数据集：从标注到训练全攻略！
YOLO（You Only Look Once）是一种快速、高效的目标检测算法。它使用一种简洁的.txt文件格式来保存每张图片中的标注信息，适合构建自定义目标检测数据集。🔹 图像文件.jpg.png等；每张图片将对应一个同名的标签文件（.txtdog.jpg对应dog.txt；图像在训练前通常会被缩放成统一尺寸，例如 YOLOv3 默认输入为416x416。🔹 标签文件（.txt）是一个纯文本文件；每一行表示一个标注目标；字段说明类别编号，从0开始，例如：狗是0，猫是1x_center。
2025-04-26 00:46:55
1060
原创 深入解析YOLO v1：实时目标检测的开山之作
这篇博客将主要介绍 YOLO v1 算法（CVPR 2016 的论文），它是一种目前非常流行的目标检测（Object Detection）算法，以速度快、结构简单著称。相比于其他目标检测算法，如 Faster R-CNN、SSD 等，YOLO 在实时性上具有明显优势。相信这些算法大家并不陌生，后续有机会会对它们进行详细解读。需要特别说明的是，本文介绍的算法是 YOLO 的第一个版本（YOLO v1）。随着算法的不断发展，目前在 YOLO 的官方网站上已经发布了 YOLO v2 的实现版本。
2025-04-26 00:11:53
908
原创 RK3xxx 部分无法连接虚拟机 无法进行adb连接
我发现部分rk板子可以连接到虚拟机上，部分连接不上。其中尝试了一块是安卓系统的rk板子是可以连接虚拟机。但是用了linux系统的rk板子连接不上虚拟机。尝试了很多办法还是无法连接虚拟机。最后无奈下尝试了双系统，直接在ubuntu系统下adb板子，发现成功链接上了rk3566.也就是我实验的结果是部分rk板子无法正常连接虚拟机，需要用linux主机连接板子。然后也看到一些相关资料，但是太少了，只有这个链接提到了这个问题。
2025-04-25 15:45:27
239
原创 95%准确率！YOLOv5火焰识别模型优化秘籍，限时免费
火焰数据集，手把手教你复现自带火焰识别UI，包含视频输入和摄像头输入两种模式，demo.py是整个火焰系统UI应用程序训练需要修改数据集，改为你系统里面的路径（但是我这里改的相对路径，你可以直接train.py试试看能不能跑起来）如果报错了，需要你调整一下环境：环境配置好是没有问题的！提供训练好的权重文件。
2025-04-25 10:17:22
1255
原创 YOLO系列最全指南！附赠YOLOv8训练技巧+工业级部署方案（限时领代码）
数据集是必不可少的部分，数据集的优劣直接影响训练效果。一般来说，一个完整的数据集应该包括训练集、测试集和验证集。通常，数据集会被划分为训练集和测试集，比如将数据集的70%用作训练集，30%用作测试集。在进行训练时，可以使用交叉验证的方法将训练集再次划分为训练子集和验证子集，用于模型的训练和验证。训练集是用于模型的训练的数据集。在训练过程中，模型使用训练集中的样本进行学习和参数调整，通过不断迭代优化模型的参数，使模型能够更好地拟合训练集中的数据。测试集是用于模型的评估的数据集。
2025-04-24 23:38:15
1088
原创 YOLOv8 涨点新方案：SlideLoss & FocalLoss 优化，小目标检测效果炸裂！
（如小物体、稀有类别）赋予更高权重，让模型更关注这些“难啃的骨头”。：数据中某些类别（如“罕见疾病细胞”）样本太少，模型容易忽略它们。：YOLOv8对小物体（如远处的人、小尺寸的车辆）容易分类错误。的数据时，容易出现漏检或误检。，让模型对小物体的分类更敏感，同时不影响大物体的检测。，能显著提升检测精度，尤其是对小物体和难分类样本！：小目标检测精度提升，且不会拖累大物体的性能。YOLOv8虽然是强大的目标检测模型，但在处理。：稀有类别的检测率显著提高！：FocalLoss对。
2025-04-24 22:47:28
646
原创 ubuntu配置深度学习环境-解决GPU驱动-Docker
首先如果你是在windows系统下，windows部署跑深度学习可能只有0.6的速度，在windows上部署docker能达到0.8的速度，直接用linux跑深度学习能达到1.0的速度,用linux上部署深度学习约等于1.0的速度。我这里用的是wifi连接，地址是192.168.1.22，windows和ubuntu都是在192.168.1的地址下，这证明为同一段网络，最后一个数字是主机位，可以同网段任意占用。不过在国内访问国外的 Docker Hub 速度是非常慢的，所以我选择使用阿里云的镜像仓库。
2025-04-24 00:05:54
1100
原创 deeplab语义分割训练自定数据集
链接：https://pan.baidu.com/s/1KkkM1rLfyiMPtYLycpnxmg?pwd=j2rd提取码：j2rd--来自百度网盘超级会员V2的分享采用数据集： https://aistudio.baidu.com/datasetdetail/130647采用代码：本文会讲解两种方法：一种是使用开源数据集（不是deeplab支持的数据集）完成在deeplab上训练，另一种是通过标注自定义数据集来完成训练。
2025-04-23 21:42:37
799
原创 解决docker：docker: Get https://registry-1.docker.io/v2/: net/http: request canceled 报错
解决docker：docker: Get https://registry-1.docker.io/v2/: net/http: request canceled 报错
2025-04-22 09:25:38
339
原创 用前向传播、梯度下降、反向传播理解MNIST（全网最详细教程）
在神经网络的设计中，我们往往希望输出层输出的是一个概率分布函数，每个值都为正，而总和为1（总和为1一般选择softmax，因为softmax的输出就是0-1的区间）；然后对于值最大的一个神经元对应的内容（在上面的例子中是数字），就是我们的输出。传统的机器学习算法中，整个训练集中的所有样本都会被用来计算模型参数的梯度，并根据梯度来更新模型参数，因此N的值就是训练集的大小。传统的机器学习算法中，整个训练集中的所有样本都会被用来计算模型参数的梯度，并根据梯度来更新模型参数，因此的值就是训练集的大小。
2025-04-20 16:07:40
935
原创 毛笔书体检测-hog+svm python opencv源码
链接：https://pan.baidu.com/s/1l-bw8zR9psv1HycmMqQBqQ?pwd=2ibp提取码：2ibp--来自百度网盘超级会员V2的分享。
2025-04-16 22:45:19
484
原创 人脸检测-人脸关键点-人脸识别-人脸打卡-haar-hog-cnn-ssd-mtcnn-lbph-eigenface-resnet python opencv源码（史上最全）
CNN（Convolutional Neural Network，卷积神经网络）是一种深度学习模型，广泛应用于计算机视觉任务，包括人脸检测、识别和分类。相比于传统方法（如Haar、HOG），CNN能够自动学习图像的多层次特征（如边缘、纹理、形状等），具有更高的检测精度和鲁棒性。CNN人脸检测的优势：高精度：能够检测不同角度、光照、遮挡的人脸。端到端训练：无需手动设计特征提取器（如Haar、HOG）。适应性强：适用于复杂背景、多人脸场景。
2025-04-16 22:38:16
1424
原创 深度学习-卷积层（代码+理论）python opencv源码（史上最全）
卷积（Convolution）是深度学习中最重要的技术之一，其历史可以追溯到上世纪八十年代。尽管这项技术已有近四十年的历史，但时至今日，它依然是各类神经网络模型的核心组成部分。那么，究竟什么是卷积呢？许多初学者第一次接触“卷积”这个概念时，往往会联想到数学中的卷积定义——即“卷积是通过两个函数f和g生成第三个函数的数学算子，表征函数f与g经过翻转和平移后的重叠部分函数值乘积对重叠长度的积分”。然而，这样的数学解释虽然严谨，却容易让人望而生畏。
2025-04-14 19:26:41
842
原创 小节：MNIST理解第一二章 python opencv源码（史上最全）
下面是几个手写的数字，像素非常低。人脑可以很轻易的看出来这些数字是3、7、6，但让计算机去识别出手写的数字和文字，却是一个难题，因为电脑的世界只是二进制的。下面是几个手写的数字，像素非常低。人脑可以很轻易的看出来这些数字是3、7、6，但让计算机去识别出手写的数字和文字，却是一个难题，因为电脑的世界只是二进制的。更鬼扯的事情是，上图中的两个数字3，投射到人的视网膜中之后，可以说是非常不一样，但人脑就是可以认识到，这两个手写的数字都是3。但是电脑做不到。图源。让机器认识一个手写的0～9的数字，是不是很难？
2025-04-14 10:50:25
736
文件夹包含多个与M10激光雷达相关的文件和资料，包括软件安装包、产品手册、数据分析文件和示例程序 用户可以通过这些资源快速了解和使用M10系列激光雷达设备，涵盖了产品使用手册、数据采集与分析、接口调试
2025-04-27
hog+svm识别毛笔字体，毛笔字类型
2025-04-14
包含haar检测人脸、HOG检测人脸、CNN检测人脸、SSD检测人脸、MTCNN检测人脸、人脸检测训练模型、resnet人脸关键点检测、人脸识别、人脸打卡等
2025-04-14
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人