2020年10月_FL1623863129

12月 11月 10月 09月 08月 07月 06月 05月 04月 03月 02月 01月

原创 [OpenGL][转载]opengl测试程序1

#include <GL/glut.h>void myDisplay(void){ glClear(GL_COLOR_BUFFER_BIT); glRectf(-0.5f, -0.5f, 0.5f, 0.5f); glFlush();}int main(int argc, char *argv[]){ glutInit(&argc, argv); glutInitDisplayMode(GLUT_RGB | GLUT_SINGLE...

2020-10-31 22:33:24 334

原创 [产品介绍][原创]pcl快速配置系统介绍一键永久配置pcl方法

PCL快速配置系统是由未来自主研究中心于2020你那原创发行PCL配置工具，是结合了多年安装配置经验开发而成。具有如下特点：（1）绿色版，无需安装，支持win7/win8/win10（2）Visual Studio配置文件修复功能（3）具有还原配置功能，不用担心卸载配置问题（4）配置高效，没有冗余，不会复制文件到操作系统目录（5）全面支持VS2015,VS2017,VS2019（6）实现一键永久配置，无需反复配置。软件按钮点击配置一次即可获得永久配置，不需要手动include得耗时繁

2020-10-31 18:39:43 884

原创 [Python][转载][亲测]VSCode中运行python代码控制台输出中文乱码解决方法

一、搭建 python 环境在 VSC 中点击 F1 键，弹出控制台，输入 ext install界面左侧弹出扩展窗格，输入python，确认，开始搜索下载发布者为Don Jayamanne 的 Python 插件(下载过程中不要切换窗口，不要做其他任何操作，否则会中断下载，下载时间略长，耐心等待)安装完毕“文件”－“首选项”－“用户设置”，打开用户配置文件settings.json，再其中大括号内输入计算机中 python.exe 的完整路径（扩展名".exe"可以省略），注意把单

2020-10-30 22:32:34 761

原创 [pytorch][原创]保存模型和权重

只保存模型参数# 保存torch.save(model.state_dict(), '\model.pth')# 加载model = TheModelClass(...)model.load_state_dict(torch.load('\model.pth'))保存完整模型# 保存torch.save(model, '\model.pth')# 加载model = torch.load('\model.pth')...

2020-10-28 13:48:56 1333

原创 [环境配置][原创]VS2019没有Microsoft.Cpp.x64.user配置文件解决方法

我们打开VS2019属性管理器发现没有Microsoft.Cpp.x64.user文件，看下图正常情况怎么恢复呢，其实很简单去目录C:\Users\你的用户名\AppData\Local\Microsoft看看有没有MSBuild文件夹，出现这个问题一般是没有MSBuild文件夹，在C:\Users\你的用户名\AppData\Local\Microsoft\MSBuild\v4.0有3个文件Microsoft.Cpp.ARM.user.propsMicrosoft.Cpp.Win.

2020-10-26 19:37:13 7851 10

原创 [Caffe][原创]windows编译caffe编译错误OpenCV.2.4.10 coapp.NuGetNativeMSBuildTasks.dll

OpenCV.2.4.10\build\native\\private\coapp.NuGetNativeMSBuildTasks.dll 加载任务“NuGetPackageOverlay”。未能加载文件或程序下面提供提供一种可行的方案，既然有opencv问题，我就手动配置，这个是主题思路。第一步去掉项目Nuget和opencv有关的加载项，不可能手动一个一个删除，教大家一键删除办法。首先下载VSCode，然后打开caffe项目，点击左侧的搜索按钮输入：<.*?2\.4\.10.*?/&g

2020-10-24 09:25:35 294

原创 [python][原创]opencv读取摄像头或者视频模板代码

先前经常去网上找，现在干脆放博客了，这样我以后测试直接进入我的博客copy即可摄像头的代码：import cv2cap = cv2.VideoCapture(0)while True: ret,frame = cap.read() cv2.imshow('frame',frame) if cv2.waitKey(1) & 0xFF == ord('q'): breakcap.release()cv2.destroyAllWindows()视频文件的代码......

2020-10-20 14:15:15 611 1

原创 [Caffe-SSD][原创]利用caffe的python API进行caffe ssd模型GPU加速预测

网上很多都是opencv写的，没办法gpu加速，我开始也用opencv写过，但是不加速运行很慢。没办法，亲自操刀写了一个利用caffe的python API进行caffe ssd模型预测的代码，代码在ubuntu16.04 caffe python2.7 cuda10.0+cudnn7.6.5运行成功。利用这个代码可以轻松扩展为摄像头。视频文件预测，代码写的有有点乱，嘿嘿，我故意的，请食用，祝您用餐愉快import osimport numpy as npimport cv2import sy

2020-10-20 13:56:51 175

原创 [环境配置][原创]pycharm ImportError: libcudart.so.10.0 解决方法

ImportError: libcudart.so.10.0 解决方案明明在~/.bashrc配置过cuda环境变量，终端正常，到了pycahrm就不行了，这是因为pycharm读取不了bashrc环境变量，不相信的话你可以再终端输入import osprint(os.environ)你会发现运行结果不一样，因此我们需要在pycharm把环境变量自己添加进去第一种方法：run->Edit Configuration->Environment Variable->Ad

2020-10-20 10:10:08 1131

原创 [tensorflow][keras]Failed to get convolution algorithm.解决方法

tneorflow-gpu 1.14或者1.13等版本经常有如下错误，这个不是你cuda安装有问题，而是显存不足造成，提示错误如下Failed to get convolution algorithm. This is probably because cuDNN failed to initialize对于tensorflow而言，代码前面加入下面代码可以解决问题from tensorflow.compat.v1 import ConfigProtofrom tensorflow.co.

2020-10-19 14:51:37 399 1

原创 [环境配置][原创]VSCode或者cmd运行python代码提示UnicodeDecodeError: ‘utf-8‘ codec can‘t decode byte 0xd3

VSCode或者cmd运行python代码提示编码问题：UnicodeDecodeError: 'utf-8' codec can't decode byte 0xd3 in position 259: invalid continuation byte 问题的解决这很可能是你的电脑名是中文导致，右键单击此电脑，属性然后更改设置，把计算机名弄成全英文，重启电脑即可...

2020-10-18 19:32:32 1388 2

原创 [环境配置][原创]ubuntu windows更换pip国内源

sudo gedit ~/.pip/pip.conf在pip.conf中写入如下内容：即可[global]index-url = https://pypi.tuna.tsinghua.edu.cn/simple/[install]trusted-host = pypi.tuna.tsinghua.edu.cn

2020-10-16 10:48:36 804

原创 [环境配置][原创]pytorch torchvision tensorflow cuda python对应表-20240410

pytorch版本 torchvision版本 cuda版本 python版本备注 0.4.0 0.2.2 Cuda8.0/9.0/9.1 [3.5,3.7] 0.4.1 0.2.2 Cuda8.0/9.0/9.2 ...

2020-10-15 11:03:11 7829 1

原创 [Atlas200DK][原创]文件上传删除创建管理类python版

开发环境：pycharm2020.2编译通过开发板是C32版本的系统import osimport getpassimport reimport subprocessclass UploadManager(object): def __init__(self): self.ddk_home = self.__get_ddk_path() print("DDK_HOME is:", self.ddk_home) if self.

2020-10-15 10:13:07 215

原创 [环境配置][原创]ubuntu上opencv源码编译流程

测试环境：ubuntu16.04和ubuntu18.04编译流程：第一步安装依赖：sudo apt-get -y remove ffmpeg x264 libx264-devsudo apt-get -y install libopencv-devsudo apt-get -y install build-essential checkinstall cmake pkg-config yasmsudo apt-get -y install libtiff4-dev libjpeg-de

2020-10-13 16:18:41 672

原创 [环境配置][原创]anaconda3导出环境或者安装包的命令

conda导出安装包conda list -e > requirements.txtconda导入安装包conda install --yes --file requirements.txtconda导出环境conda env export > myenv.ymlconda导入环境conda env create -f myenv.yml

2020-10-13 10:47:46 829

原创 [C++][原创]VSCode C++怎么让运行的时候弹出cmd窗口，而不是在VSCode调试输出

VSCode C++怎么让运行的时候弹出cmd窗口，而不是在VSCode调试输出？其实在VSCode调试输出是非常不错的，我很喜欢，但是偏偏有小白就喜欢每次运行弹个cmd窗口，这样的人也是少见。没办法，为了满足这样的小白的浪费时间的而且完全没有必要的要求，我研究了一下怎么让程序每次运行弹出一个cmd窗口。其实很简单只需要配置lauch.json即可，把"externalConsole":false改成true，下面是一个完成是实例{//使用IntelliSense了解相关属性。...

2020-10-10 19:31:29 30807 9

原创 [ubuntu][原创]ubuntu16.04安装wine5.0.2最新版

wine的最新版本已经更新到5.0.2了，那么如何在64位Ubuntu 16.04系统下安装呢？网上不少方法都过时了，下面就整理一个最新的方法，亲测有效！第一步，64位的系统必须首先使能对32位架构的支持，执行下述语句即可：sudo dpkg --add-architecture i386第二步，下载并激活wine的仓库密钥文件：wget -nc https://dl.winehq.org/wine-builds/winehq.keysudo apt-key add winehq.k

2020-10-10 11:08:40 1337 1

原创 [tensorflow][原创]tensorflow objection_detection api官方安装执行model_builder_test.py没输出解决方法

安装后我按照网上执行pythonobject_detection/builders/model_builder_test.py但是没有反应，我安装的是tensorflow1.14版本。卸载后又装了tensorflow1.13，tensorflow1.15都一样。出于好奇我看了源码，原来model_builder_test.py就是一个类，当然没有输出，官方已经提供model_builder_tf1_test.py，然后我执行pythonobject_detection/builders/model_bu..

2020-10-07 22:15:29 1084 4

原创 [ubuntu][转载]ubuntu安装中文输入法不装sogou方法

自从装了sogou输入法，pycharm打开，向日葵打开全都界面卡死。没办法只好弃用sogou输入法。下面我们开始安装中文输入法今天尝试了Ubuntu18.04LTS（依旧装的英文版）发现按照之前的方法（ http://www.cnblogs.com/asmer-stone/p/5227188.html）安装中文输入法不行了，因为添加源的时候提示找不到。网上查了以下，发现18.04安装中文输入法要更简单了。一、安装输入法sudo apt-get install ibus-pinyin或者s

2020-10-03 09:16:39 822

原创 [技术杂谈][原创]ubuntu18.04的很多程序在普通用户下面执行界面直接卡死解决方法

前段时间在ubuntu上安装了向日葵，结果点击向日葵界面直接卡死，无赖发现只有sudo才能正常打开向日葵，我就勉强接受这样用。后来我被迫不得不解决这个问题，原因是我安装了pycharm和clion都有这个问题，当我bash pycharm.sh时候进去privacy policy界面，结果点击continue时候，界面直接死了，只有kill才行。经过查询资料才知道，这个不是系统有什么问题，而罪魁祸首是sogou输入导致的，我卸载sogou输入法后，bash pycharm.sh就正常了。如果大家遇到这个问题

2020-10-03 08:46:02 596

基于yolov5的中国交通标志TT100K检测系统python源码+onnx模型+评估指标曲线+精美GUI界面.zip

【测试环境】 windows10 anaconda3+python3.8 torch==1.9.0+cu111 yolov5依赖模块更多实现细节参考博文：https://blog.csdn.net/FL1623863129/article/details/142448022

2024-09-23

中国交通标志TT100K检测数据集VOC+YOLO格式7962张45类别.7z

数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数)：7962 标注数量(xml文件个数)：7962 标注数量(txt文件个数)：7962 标注类别数：45 更多信息访问博文：https://blog.csdn.net/FL1623863129/article/details/142448008

2024-09-23

安国U盘量产工具ALCOR-U2-MP-v21.12.02.00.zip

安国U盘量产工具

2024-09-22

基于yolov8+deepsort+gradio实现目标追踪演示源码

具体实现细节和效果参考博文：https://blog.csdn.net/FL1623863129/article/details/142438034

2024-09-22

DOTAv2.0遥感航拍目标检测数据集VOC+YOLO格式4840张16类别.7z

数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数)：4840 标注数量(xml文件个数)：4840 标注数量(txt文件个数)：4840 标注类别数：16 标注类别名称:["baseball-diamond","basketball-court","bridge","container-crane","ground-track-field","harbor","helicopter","large-vehicle","plane","roundabout","ship","small-vehicle","soccer-ball-field","storage-tank","swimming-pool","tennis-court"] 更多信息：https://blog.csdn.net/FL1623863129/article/details/142436137

2024-09-22

DOTAv1.0遥感航拍目标检测数据集VOC+YOLO格式1713张16类别.zip

数据集超过1GB放百度云盘去了，请下载后打开下载地址.xlsx获取下载地址重要说明：数据集图片要低于实际官方图片属于正常现象，因为官方数据集里面标注存在部分错误，我这边已经通过代码去掉错误标注，比如坐标位置超过图片实际宽高，坐标左上角和右下角坐标不符合实际等情况。此外dota数据集目标都是小目标，因此如果训练后map非常低属于正常现象，因为小目标很难训练而且很难检测，这个是业界公认难点。数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数)：1713 标注数量(xml文件个数)：1713 标注数量(txt文件个数)：1713 标注类别数：16 更多信息参考博文：https://blog.csdn.net/FL1623863129/article/details/142434305

2024-09-22

libomp140.x86-64.dll和vcomp140.dll

引入pytorch 报错 Error loading\\Lib\\site-packages\\torch\\lib\\fbgemm.dll\ or one of its dependences将这2个dll下载后放入C:\Windows\system32里面即可解决问题，如果提示文件存在则可能不是由于这个dll引起，如果有其中一个存在另一个dll没有的话放入另一个即可，如果2个dll都没有则都放进去，如果2个dll都有大概率不是由于缺少dll导致。请务必先到C:\Windows\system32是不是有这2个dll文件，如果都有则不是这个问题，可以确定该方法不能解决问题，如果缺少一个或者2个可以解决问题

2024-09-21

外部墙体损伤缺陷检测外墙损坏等级检测数据集VOC+YOLO格式4629张4类别.7z

重要说明：数据集里面大约有一般是4张增强数据集图片请仔细查看图片预览，确认符合要求在下载，介意有增强的勿下载样本图片参考博文：https://blog.csdn.net/FL1623863129/article/details/142420758 数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数)：4629 标注数量(xml文件个数)：4629 标注数量(txt文件个数)：4629 标注类别数：4 标注类别名称:["Heavy Damage","Minor Damage","Moderate Damage","Undamage"] 每个类别标注的框数： Heavy Damage 框数 = 2052 Minor Damage 框数 = 6475 Moderate Damage 框数 = 4094 Undamage 框数 = 742 总框数：13363 使用标注工具：labelImg

2024-09-21

水泥外墙缺陷检测数据集VOC+YOLO格式2947张4类别.7z

下载前请查看样本图片是否符合要求，由于属于可复制产品售出一概不退，请确认符合要求再下载，博文地址：https://blog.csdn.net/FL1623863129/article/details/142420526 数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数)：2947 标注数量(xml文件个数)：2947 标注数量(txt文件个数)：2947 标注类别数：4 标注类别名称:["crack","discoloration","exposed bricks","spalling"] 每个类别标注的框数： crack 框数 = 1149 discoloration 框数 = 1642 exposed bricks 框数 = 4927 spalling 框数 = 248 总框数：7966 使用标注工具：labelImg

2024-09-21

PCB电路板元件检测数据集VOC+YOLO格式3948张29类别.7z

重要说明：数据集有增强，请仔细查看图片预览确认符合要求在下载数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数)：3948 标注数量(xml文件个数)：3948 标注数量(txt文件个数)：3948 标注类别数：29 详细类别和样本图片数据参考博文：https://blog.csdn.net/FL1623863129/article/details/142415781

2024-09-21

基于yolov8+openpose人体骨骼关键点实现的摔倒姿态识别检测系统源码+所有模型+项目说明

【参考源码】 github.com/HRonaldo/Openpose_YOLO 本项目参考上面框架进行全面改进，改进如下：（1）将检测框架换成当前最流行框架yolov8，并封装成类实现模块化设计（2）调整部分文件夹结构，比如模型归为一类文件夹，这样方便查看模型（3）检测流程简化，使得人体骨骼关键点实现的摔倒姿态识别代码十分简单，实际只要40多行代码就实现整个检测流程运行步骤：安装好yolov8环境后执行python main_video.py 更多实现细节参考博文：https://blog.csdn.net/FL1623863129/article/details/142413295

2024-09-21

基于yolov5+openpose人体骨骼关键点实现的摔倒姿态识别检测系统源码+所有模型+项目说明

【参考源码】 github.com/HRonaldo/Openpose_YOLO 本项目参考上面框架进行全面改进，改进如下：（1）封装YOLOv5检测类，这样可以加强阅读便利性，模块设计方便嵌入其他框架，后面我会换成yolov8模型进行该项目移植（2）调整部分文件夹结构，比如模型归为一类文件夹，这样方便查看模型（3）检测流程简化，使得人体骨骼关键点实现的摔倒姿态识别代码十分简单，实际只要40多行代码就实现整个检测流程运行步骤：安装好yolov5环境后执行python main_video.py 更多实现细节参考博文：https://blog.csdn.net/FL1623863129/article/details/142411883

2024-09-21

vs2015从源码编译gdal3.3.2好的库文件x64-release版本

编译各个源码版本如下： curl-7.79.1.zip gdal-3.3.2.zip geos-3.9.1.tar.bz2 PROJ-8.1.1.zip sqlite-amalgamation-3360000.zip sqlite-dll-win64-x64-3360000.zip tiff-4.3.0.tar.gz 用于VS2015配置C++版本的GDAL，详细配置教程可参考博客https://blog.csdn.net/FL1623863129/article/details/142391731，注意博文是VS2019配置C++版本的GDAL流程，两者配置流程一模一样，参考博文即可

2024-09-20

vs2017从源码编译gdal3.3.2好的库文件x64-release版本

编译各个源码版本如下： curl-7.79.1.zip gdal-3.3.2.zip geos-3.9.1.tar.bz2 PROJ-8.1.1.zip sqlite-amalgamation-3360000.zip sqlite-dll-win64-x64-3360000.zip tiff-4.3.0.tar.gz 用于VS2017配置C++版本的GDAL，详细配置教程可参考博客https://blog.csdn.net/FL1623863129/article/details/142391731，注意博文是VS2019配置C++版本的GDAL流程，两者配置流程一模一样，参考博文即可

2024-09-20

vs2019从源码编译gdal3.5.3好的库文件x64-release版本

编译各个源码版本如下： curl-8.2.1.zip gdal-3.5.3.zip geos-3.12.1.tar.bz2 PROJ-9.2.1.zip sqlite-amalgamation-3360000.zip sqlite-dll-win64-x64-3360000.zip tiff-4.5.0.tar.gz 用于VS2019配置C++版本的GDAL，详细配置教程可参考博客https://blog.csdn.net/FL1623863129/article/details/142391731，注意这个博文是3.3.2版本但是配置流程是一样的，参考即可

2024-09-20

vs2019从源码编译gdal3.3.2好的库文件x64-release版本

编译各个源码版本如下： curl-7.79.1.zip gdal-3.3.2.zip geos-3.9.1.tar.bz2 PROJ-8.1.1.zip sqlite-amalgamation-3360000.zip sqlite-dll-win64-x64-3360000.zip tiff-4.3.0.tar.gz 用于VS2019配置C++版本的GDAL，详细配置教程可参考博客https://blog.csdn.net/FL1623863129/article/details/142391731

2024-09-20

基于C++opencv实现玉米粒计数源码.zip

测试环境： vs2019 opencv==4.8.0 运行步骤：打开sln解决方案，重新配置opencv release所需路径,选x64 release运行

2024-09-20

基于C# winform+openvsharp实现玉米粒计数演示源码.zip

【测试环境】 vs2019 netframework4.7.2 opencvsharp=4.8.0 运行步骤：打开sln解决方案，选择x64 debug即可运行更多实现细节参考博文：https://blog.csdn.net/FL1623863129/article/details/142380558

2024-09-20

手机识别检测数据集VOC+YOLO格式9997张1类别.7z

数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数)：9997 标注数量(xml文件个数)：9997 标注数量(txt文件个数)：9997 标注类别数：1 标注类别名称:["phone"] 每个类别标注的框数： phone 框数 = 11700 总框数：11700 使用标注工具：labelImg 标注规则：对类别进行画矩形框重要说明：暂无特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理标注样本图片及详细信息参考博文：https://blog.csdn.net/FL1623863129/article/details/142374302

2024-09-20

中草药类型识别检测数据集VOC+YOLO格式7976张45类别.7z

样本图片请参考博文：https://blog.csdn.net/FL1623863129/article/details/142373824 数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数)：7976 标注数量(xml文件个数)：7976 标注数量(txt文件个数)：7976 标注类别数：45

2024-09-20

蘑菇类型识别检测数据集VOC+YOLO格式8430张21类别.7z

数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数)：8430 标注数量(xml文件个数)：8430 标注数量(txt文件个数)：8430 标注类别数：21 样本图片和详细信息参考博文：https://blog.csdn.net/FL1623863129/article/details/142370471

2024-09-19

俯视场景航拍小目标三轮车遮阳伞三轮车检测数据集VOC+YOLO格式5756张3类别.7z

重要说明：此数据集为航拍小目标三轮车，数据集部分有增强，请查看图片预览确认符合要求再下载，注意小目标一般很难训练，即训练map和精度可能偏低属于正常现象，只要能检测到目标即可。样本图片请参考博文：https://blog.csdn.net/FL1623863129/article/details/142365294 数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数)：5756 标注数量(xml文件个数)：5756 标注数量(txt文件个数)：5756 标注类别数：2 标注类别名称:["awning-tricycle","tricycle"] 每个类别标注的框数： awning-tricycle 框数 = 8260 tricycle 框数 = 12017 总框数：20277

2024-09-19

基于yolov8的DMS驾驶员抽烟打电话喝水吃东西检测系统python源码+onnx模型+评估指标曲线+精美GUI界面.zip

【测试环境】 windows10 anaconda3+python3.8 torch==1.9.0+cu111 ultralytics==8.2.95 【模型可以检测出类别】 Sleepy Cigarette Drinking Phone microsleep HandsOnWheel Eating HandsNotOnWheel Seatbelt 更多实现细节参考博文：https://blog.csdn.net/FL1623863129/article/details/142355532

2024-09-19

航拍路面直行和转弯标志检测数据集VOC+YOLO格式566张9类别.7z

重要说明：图片很难找，数据集有增强，请仔细查看图片预览确认符合要求在下载样本图片请参考博文：https://blog.csdn.net/FL1623863129/article/details/142359950 数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数)：566 标注数量(xml文件个数)：566 标注数量(txt文件个数)：566 标注类别数：9 标注类别名称:["left","left_back","left_right","right","straight","straight_back","straight_left","straight_left_right","straight_right"]

2024-09-19

基于yolov5的不同颜色安全帽检测系统python源码+onnx模型+评估指标曲线+精美GUI界面.zip

【测试环境】 windows10 anaconda3+python3.8 torch==1.9.0+cu111 yolov5依赖模块【模型可以检测出类别】 blue none red white yellow 更多实现细节参考博文：https://blog.csdn.net/FL1623863129/article/details/142358335

2024-09-19

不同颜色的安全帽检测数据集VOC+YOLO格式7574张5类别.7z

重要说明：数据集里面有2/3是增强数据集，请仔细查看图片预览，确认符合要求在下载，分辨率均为640x640 样本图片请参考博文：https://blog.csdn.net/FL1623863129/article/details/142357410 数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数)：7574 标注数量(xml文件个数)：7574 标注数量(txt文件个数)：7574 标注类别数：5 标注类别名称:["blue","red","white","without_helmet","yellow"] 每个类别标注的框数： blue 框数 = 6098 red 框数 = 10623 white 框数 = 8815 without_helmet 框数 = 10456 yellow 框数 = 9121 总框数：45113 使用标注工具：labelImg

2024-09-19

DMS驾驶员抽烟打电话喝水吃东西检测数据集VOC+YOLO格式5743张9类别.7z

重要说明：数据集存在增强图片，重复场景有点多，请仔细查看图片，确认符合要求在下载样本图片查看请参考博文：https://blog.csdn.net/FL1623863129/article/details/142355532 数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数)：5743 标注数量(xml文件个数)：5743 标注数量(txt文件个数)：5743 标注类别数：9 标注类别名称:[“Cigarette”,“Drinking”,“Eating”,“HandsNotOnWheel”,“HandsOnWheel”,“Phone”,“Seatbelt”,“Sleepy”,“microsleep”]

2024-09-19

水稻病害数据集YOLO+VOC格式3355张4类别.zip

重要说明：一共三种水稻病害，褐斑病、Hispa 和叶瘟病，图片里面均是单个叶子背景简单，请仔细查看图片预览确认符合要求再下载样本图片查看请参考博文：https://blog.csdn.net/FL1623863129/article/details/135105493 数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数)：3355 标注数量(xml文件个数)：3355 标注数量(txt文件个数)：3355 标注类别数：4 标注类别名称:["Hispa","Healthy","LeafBlast","BrownSpot"] 每个类别标注的框数： BrownSpot 框数 = 525 Healthy 框数 = 1489 Hispa 框数 = 565 LeafBlast 框数 = 779 总框数：3358 使用标注工具：labelImg

2024-09-19

基于yolov8的文本表格检测系统python源码+onnx模型+评估指标曲线+精美GUI界面.zip

【测试环境】 windows10 anaconda3+python3.8 torch==1.9.0+cu111 ultralytics==8.2.95 【模型可以检测出类别】 figure list table text title 更多实现细节参考博文：https://blog.csdn.net/FL1623863129/article/details/142349553

2024-09-19

文本表格检测数据集VOC+YOLO格式6688张5类别.7z

数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数)：6688 标注数量(xml文件个数)：6688 标注数量(txt文件个数)：6688 标注类别数：5 标注类别名称:["figure","list","table","text","title"] 每个类别标注的框数： figure 框数 = 3388 list 框数 = 1671 table 框数 = 1855 text 框数 = 45018 title 框数 = 10497 总框数：62429 使用标注工具：labelImg 标注规则：对类别进行画矩形框重要说明：暂无特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理标注样本预览参考博文：https://blog.csdn.net/FL1623863129/article/details/142349514

2024-09-19

智慧养殖场肉鸡目标检测数据集VOC+YOLO格式3548张1类别.7z

数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数)：3548 标注数量(xml文件个数)：3548 标注数量(txt文件个数)：3548 标注类别数：1 标注类别名称:["boiler"] 每个类别标注的框数： boiler 框数 = 54270 总框数：54270 使用标注工具：labelImg 标注规则：对类别进行画矩形框重要说明：暂无特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理标注下载前请务必查看样张：https://blog.csdn.net/FL1623863129/article/details/142343495

2024-09-18

基于yolov8的肉鸡健康状态检测系统python源码+onnx模型+评估指标曲线+精美GUI界面.zip

【测试环境】 windows10 anaconda3+python3.8 torch==1.9.0+cu111 ultralytics==8.2.95 【模型可以检测出类别】 AbNormal Normal 更多实现细节访问博文：https://blog.csdn.net/FL1623863129/article/details/142342406

2024-09-18

智慧养殖场肉鸡健康状态检测数据集VOC+YOLO格式4657张2类别.7z

数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数)：4657 标注数量(xml文件个数)：4657 标注数量(txt文件个数)：4657 标注类别数：2 标注类别名称:["AbNormal","Normal"] 每个类别标注的框数： AbNormal 框数 = 8447 Normal 框数 = 13163 总框数：21610 使用标注工具：labelImg 标注规则：对类别进行画矩形框重要说明：暂无特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理标注更多信息访问博文：https://blog.csdn.net/FL1623863129/article/details/142340382

2024-09-18

基于yolov8的红外小目标无人机飞鸟检测系统python源码+onnx模型+评估指标曲线+精美GUI界面.zip

【测试环境】 windows10 anaconda3+python3.8 torch==1.9.0+cu111 ultralytics==8.2.95 【模型可以检测出类别】 Airplane Bird Drone Helicopter 更多实现细节参考博文：https://blog.csdn.net/FL1623863129/article/details/142336946

2024-09-18

红外微小目标无人机直升机飞机飞鸟检测数据集VOC+YOLO格式7559张4类别.7z

数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数)：7559 标注数量(xml文件个数)：7559 标注数量(txt文件个数)：7559 标注类别数：4 标注类别名称:["Airplane","Bird","Drone","Helicopter"] 每个类别标注的框数： Airplane 框数 = 971 Bird 框数 = 1214 Drone 框数 = 4242 Helicopter 框数 = 1431 总框数：7858 使用标注工具：labelImg 标注规则：对类别进行画矩形框重要说明：暂无特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理标注预览标注和图片更多信息参考博文：https://blog.csdn.net/FL1623863129/article/details/142334999

2024-09-18

无人机飞鸟检测数据集VOC+YOLO格式6647张2类别.7z

数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数)：6647 标注数量(xml文件个数)：6647 标注数量(txt文件个数)：6647 标注类别数：2 标注类别名称:["Bird","Drone"] 每个类别标注的框数： Bird 框数 = 3567 Drone 框数 = 4290 总框数：7857 使用标注工具：labelImg 标注规则：对类别进行画矩形框重要说明：暂无特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理标注更多信息：https://blog.csdn.net/FL1623863129/article/details/142333919

2024-09-18

棉花叶子病害检测数据集VOC+YOLO格式977张22类别.7z

数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数)：977 标注数量(xml文件个数)：977 标注数量(txt文件个数)：977 标注类别数：22 重要说明：分辨率均为640x640，请仔细观看图片预览确认是否符合自己实际项目需求斟酌下载下载前请务必参考博文确认数据集是否符合项目需求：https://blog.csdn.net/FL1623863129/article/details/142329963

2024-09-18

基于yolov8的舌苔识别检测系统python源码+onnx模型+评估指标曲线+精美GUI界面.zip

【测试环境】 windows10 anaconda3+python3.8 torch==1.9.0+cu111 ultralytics==8.2.95 【模型可以检测出类别】 houbai（厚白） huihei（灰黑） houhuang（厚黄） fenhong（粉红） bobai（薄白）更多实现细节参考博文：https://blog.csdn.net/FL1623863129/article/details/142324070

2024-09-18

基于yolov8的战斗机类型识别检测系统python源码+onnx模型+评估指标曲线+精美GUI界面.zip

【使用步骤】使用步骤：（1）首先根据官方框架https://github.com/ultralytics/ultralytics安装教程安装好yolov8环境，并安装好pyqt5 （2）切换到自己安装的yolov8环境后，并切换到源码目录，执行python main.py即可运行启动界面，进行相应的操作即可【提供文件】 python源码 yolov8n.onnx模型（不提供pytorch模型）训练的map,P,R曲线图(在weights\results.png) 测试图片（在test_img文件夹下面）更多实现细节参考博文：https://blog.csdn.net/FL1623863129/article/details/142323060

2024-09-18

战斗机检测数据集VOC+YOLO格式10100张43类别.7z

数据集格式：Pascal VOC格式+YOLO格式(不含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片量(jpg文件个数)：10100 标注量(xml文件个数)：10100 标注量(txt文件个数)：10100 标注类别：43 标注类别名称:[“A10”,“A400M”,“AG600”,“AV8B”,“B1”,“B2”,“B52”,“Be200”,“C2”,“C5”,“C17”,“C130”,“E2”,“E7”,“EF2000”,“F4”,“F14”,“F15”,“F16”,“F18”,“F22”,“F35”,“F117”,“J20”,“JAS39”,“MQ9”,“Mig31”,“Mirage2000”,“P3”,“RQ4”,“Rafale”,“SR71”,“Su34”,“Su57”,“Tornado”,“Tu95”,“Tu160”,“U2”,“US2”,“V22”,“Vulcan”,“XB70”,“YF23”] 更多信息：blog.csdn.net/FL1623863129/article/details/142322747

2024-09-18

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人