<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[cver123的博客]]></title><description><![CDATA[]]></description><link>https://blog.csdn.net/cver123</link><language>zh-cn</language><generator>https://blog.csdn.net/</generator><copyright><![CDATA[Copyright &copy; cver123]]></copyright><item><title><![CDATA[YOLOv8 + ByteTrack 车辆跟踪计数实战：跨线统计完整流程]]></title><link>https://blog.csdn.net/cver123/article/details/163283076</link><guid>https://blog.csdn.net/cver123/article/details/163283076</guid><author>cver123</author><pubDate>Tue, 28 Jul 2026 22:56:09 +0800</pubDate><description><![CDATA[YOLOv8 + ByteTrack 车辆跟踪计数实战摘要 本教程演示了使用YOLOv8和ByteTrack实现车辆跟踪计数的完整流程。主要内容包括： 环境准备：检查GPU并设置工作目录，安装YOLOv8和ByteTrack及相关依赖库 数据处理：下载车辆计数示例视频或使用自定义视频 模型配置： 加载YOLOv8预训练模型 筛选关注的车辆类别（car、motorcycle、bus、truck） 封装ByteTrack参数和检测框匹配逻辑 核心功能： 视频帧处理与检测 目标跟踪实现 跨线计数统计 可视化：使用]]></description><category></category></item><item><title><![CDATA[YOLOv8 车辆速度估计实战：透视变换、跟踪与速度计算]]></title><link>https://blog.csdn.net/cver123/article/details/163283052</link><guid>https://blog.csdn.net/cver123/article/details/163283052</guid><author>cver123</author><pubDate>Tue, 28 Jul 2026 22:54:09 +0800</pubDate><description><![CDATA[YOLOv8车辆速度检测实战 本教程详细介绍了使用YOLOv8实现车辆速度估计的完整流程，主要包括以下关键步骤： 环境准备：配置GPU环境，安装YOLOv8和Supervision库 数据处理：下载车辆视频素材，设置检测参数和模型路径 透视变换：定义道路区域四边形，建立图像坐标到鸟瞰坐标的映射关系 目标检测与跟踪：使用YOLOv8检测车辆，通过ByteTrack实现多目标跟踪 速度计算：基于跟踪轨迹计算车辆速度，输出带有速度标注的结果视频 教程提供了完整的代码实现，包括坐标变换工具类、检测参数配置和可视化方]]></description><category></category></item><item><title><![CDATA[YOLOv7 推理加速实战：OpenVINO 与 TorchORT 两种流程对比]]></title><link>https://blog.csdn.net/cver123/article/details/163283029</link><guid>https://blog.csdn.net/cver123/article/details/163283029</guid><author>cver123</author><pubDate>Tue, 28 Jul 2026 22:51:52 +0800</pubDate><description><![CDATA[这篇教程根据我复现 YOLOv7 推理加速流程时整理，重点演示环境安装、数据准备、普通模型推理、TorchORT 推理和结果可视化。本文整理自我的学习和项目复现过程，尽量按实操顺序保留 notebook 的关键步骤，同时把数据集获取方式调整为适合中文教程发布的写法。配套 notebook、示例图片和运行环境说明后续会继续整理。如果环境配置卡住，可以在评论区说明具体报错。]]></description><category></category></item><item><title><![CDATA[GroundedSAM 2 自动标注实战：用文本提示生成检测框和分割 Mask]]></title><link>https://blog.csdn.net/cver123/article/details/163282985</link><guid>https://blog.csdn.net/cver123/article/details/163282985</guid><author>cver123</author><pubDate>Tue, 28 Jul 2026 22:47:41 +0800</pubDate><description><![CDATA[这篇教程根据我复现 GroundedSAM 2 自动标注流程时整理，重点演示如何用文本提示定位目标、生成 Mask、检查标注质量并导出标注数据。本文整理自我的学习和项目复现过程，尽量按实操顺序保留 notebook 的关键步骤，同时把数据集获取方式调整为适合中文教程发布的写法。配套 notebook、示例图片和运行环境说明后续会继续整理。如果环境配置卡住，可以在评论区说明具体报错。]]></description><category></category></item><item><title><![CDATA[足球 AI 实战：球员检测、球队聚类、球场映射与跑动轨迹分析]]></title><link>https://blog.csdn.net/cver123/article/details/163282894</link><guid>https://blog.csdn.net/cver123/article/details/163282894</guid><author>cver123</author><pubDate>Tue, 28 Jul 2026 22:45:36 +0800</pubDate><description><![CDATA[这篇教程根据我复现足球比赛视觉分析流程时整理，重点演示球员检测、球队聚类、球场关键点、透视映射和球员跑动轨迹分析。本文整理自我的学习和项目复现过程，尽量按实操顺序保留 notebook 的关键步骤，同时把数据集获取方式调整为适合中文教程发布的写法。配套 notebook、示例图片和运行环境说明后续会继续整理。如果环境配置卡住，可以在评论区说明具体报错。]]></description><category></category></item><item><title><![CDATA[篮球 AI 实战：自动检测 NBA 三秒违例的完整视觉流程]]></title><link>https://blog.csdn.net/cver123/article/details/163251811</link><guid>https://blog.csdn.net/cver123/article/details/163251811</guid><author>cver123</author><pubDate>Mon, 27 Jul 2026 22:09:08 +0800</pubDate><description><![CDATA[这篇教程根据我复现篮球三秒违例检测流程时整理，重点演示球员检测、球场关键点、场地坐标映射、姿态估计和禁区停留时间统计。本文整理自我的学习和项目复现过程，尽量按实操顺序保留 notebook 的关键步骤，同时把数据集获取方式调整为适合中文教程发布的写法。配套 notebook、示例图片和运行环境说明后续会继续整理。如果环境配置卡住，可以在评论区说明具体报错。]]></description><category></category></item><item><title><![CDATA[RF-DETR + OC-SORT 多目标跟踪实战：遮挡场景下的轨迹稳定性优化]]></title><link>https://blog.csdn.net/cver123/article/details/163251704</link><guid>https://blog.csdn.net/cver123/article/details/163251704</guid><author>cver123</author><pubDate>Mon, 27 Jul 2026 21:54:09 +0800</pubDate><description><![CDATA[这篇教程根据我复现 OC-SORT 多目标跟踪流程时整理，重点演示快速跟踪、Python 回调处理和复杂运动场景下的轨迹增强。本文整理自我的学习和项目复现过程，尽量按实操顺序保留 notebook 的关键步骤，同时把数据集获取方式调整为适合中文教程发布的写法。配套 notebook、示例图片和运行环境说明后续会继续整理。如果环境配置卡住，可以在评论区说明具体报错。]]></description><category></category></item><item><title><![CDATA[RF-DETR + SORT 多目标跟踪实战：轻量级跟踪器快速上手]]></title><link>https://blog.csdn.net/cver123/article/details/163251673</link><guid>https://blog.csdn.net/cver123/article/details/163251673</guid><author>cver123</author><pubDate>Mon, 27 Jul 2026 21:51:18 +0800</pubDate><description><![CDATA[这篇教程根据我复现 SORT 多目标跟踪流程时整理，重点演示命令行跟踪、Python 代码跟踪和运动补偿扩展。本文整理自我的学习和项目复现过程，尽量按实操顺序保留 notebook 的关键步骤，同时把数据集获取方式调整为适合中文教程发布的写法。配套 notebook、示例图片和运行环境说明后续会继续整理。如果环境配置卡住，可以在评论区说明具体报错。]]></description><category></category></item><item><title><![CDATA[RF-DETR + ByteTrack 多目标跟踪实战：命令行与 Python 两种流程]]></title><link>https://blog.csdn.net/cver123/article/details/163251503</link><guid>https://blog.csdn.net/cver123/article/details/163251503</guid><author>cver123</author><pubDate>Mon, 27 Jul 2026 21:49:25 +0800</pubDate><description><![CDATA[这篇教程根据我复现 ByteTrack 多目标跟踪流程时整理，重点演示示例视频准备、命令行跟踪、Python 回调处理和运动补偿轨迹可视化。本文整理自我的学习和项目复现过程，尽量按实操顺序保留 notebook 的关键步骤，同时把数据集获取方式调整为适合中文教程发布的写法。配套 notebook、示例图片和运行环境说明后续会继续整理。如果环境配置卡住，可以在评论区说明具体报错。]]></description><category></category></item><item><title><![CDATA[不用手工标注训练 YOLOv8 分类模型：CLIP 自动标注与分类微调]]></title><link>https://blog.csdn.net/cver123/article/details/163113919</link><guid>https://blog.csdn.net/cver123/article/details/163113919</guid><author>cver123</author><pubDate>Wed, 22 Jul 2026 20:46:50 +0800</pubDate><description><![CDATA[这篇教程根据我复现自动标注分类训练流程时整理，重点演示用 CLIP 生成伪标签，再训练 YOLOv8 分类模型并查看评估结果。本文整理自我的学习和项目复现过程，尽量按实操顺序保留 notebook 的关键步骤，同时把数据集获取方式调整为适合中文教程发布的写法。配套 notebook、示例图片和运行环境说明后续会继续整理。如果环境配置卡住，可以在评论区说明具体报错。]]></description><category></category></item><item><title><![CDATA[YOLOv4-tiny Darknet 目标检测训练实战：轻量模型配置、训练与推理]]></title><link>https://blog.csdn.net/cver123/article/details/163113893</link><guid>https://blog.csdn.net/cver123/article/details/163113893</guid><author>cver123</author><pubDate>Wed, 22 Jul 2026 20:44:05 +0800</pubDate><description><![CDATA[这篇教程根据我复现 YOLOv4-tiny Darknet 训练流程时整理，重点演示 cuDNN 环境、Darknet 编译、YOLO 数据整理、配置生成和测试集推理。本文整理自我的学习和项目复现过程，尽量按实操顺序保留 notebook 的关键步骤，同时把数据集获取方式调整为适合中文教程发布的写法。配套 notebook、示例图片和运行环境说明后续会继续整理。如果环境配置卡住，可以在评论区说明具体报错。]]></description><category></category></item><item><title><![CDATA[CLIP 零样本图像分类实战：无需训练的多类别识别流程]]></title><link>https://blog.csdn.net/cver123/article/details/163113834</link><guid>https://blog.csdn.net/cver123/article/details/163113834</guid><author>cver123</author><pubDate>Wed, 22 Jul 2026 20:41:56 +0800</pubDate><description><![CDATA[这篇教程根据我复现 OpenAI CLIP 分类流程时整理，重点演示依赖安装、分类数据准备、文本 prompt 配置和零样本推理。本文整理自我的学习和项目复现过程，尽量按实操顺序保留 notebook 的关键步骤，同时把数据集获取方式调整为适合中文教程发布的写法。配套 notebook、示例图片和运行环境说明后续会继续整理。如果环境配置卡住，可以在评论区说明具体报错。]]></description><category></category></item><item><title><![CDATA[YOLOX 自定义目标检测训练实战：VOC 数据、训练评估与预测展示]]></title><link>https://blog.csdn.net/cver123/article/details/163113783</link><guid>https://blog.csdn.net/cver123/article/details/163113783</guid><author>cver123</author><pubDate>Wed, 22 Jul 2026 20:34:43 +0800</pubDate><description><![CDATA[根据自己的类别写入 VOC/COCO 类别文件，并同步修改类别数量。]]></description><category></category></item><item><title><![CDATA[YOLOR 自定义目标检测训练实战：配置生成、训练评估与批量推理]]></title><link>https://blog.csdn.net/cver123/article/details/163086961</link><guid>https://blog.csdn.net/cver123/article/details/163086961</guid><author>cver123</author><pubDate>Tue, 21 Jul 2026 22:21:08 +0800</pubDate><description><![CDATA[这篇教程根据我复现 YOLOR 目标检测流程时整理，重点演示依赖安装、YOLO 数据集接入、动态生成配置、训练评估、批量推理和权重导出。本文整理自我的学习和项目复现过程，尽量按实操顺序保留 notebook 的关键步骤，同时把数据集获取方式调整为适合中文教程发布的写法。配套 notebook、示例图片和运行环境说明后续会继续整理。如果环境配置卡住，可以在评论区说明具体报错。]]></description><category></category></item><item><title><![CDATA[YOLOS Transformer 目标检测训练实战：COCO 数据、训练评估与可视化]]></title><link>https://blog.csdn.net/cver123/article/details/163086909</link><guid>https://blog.csdn.net/cver123/article/details/163086909</guid><author>cver123</author><pubDate>Tue, 21 Jul 2026 22:13:22 +0800</pubDate><description><![CDATA[基于 Hugging Face 预训练 YOLOS tiny 模型进行自定义类别微调。]]></description><category></category></item><item><title><![CDATA[Scaled-YOLOv4 目标检测训练实战：数据准备、训练曲线与推理]]></title><link>https://blog.csdn.net/cver123/article/details/163086849</link><guid>https://blog.csdn.net/cver123/article/details/163086849</guid><author>cver123</author><pubDate>Tue, 21 Jul 2026 22:10:24 +0800</pubDate><description><![CDATA[这篇教程根据我复现 Scaled-YOLOv4 目标检测流程时整理，重点演示环境安装、YOLO 格式数据接入、模型配置查看、训练评估和测试集推理。本文整理自我的学习和项目复现过程，尽量按实操顺序保留 notebook 的关键步骤，同时把数据集获取方式调整为适合中文教程发布的写法。配套 notebook、示例图片和运行环境说明后续会继续整理。如果环境配置卡住，可以在评论区说明具体报错。]]></description><category></category></item><item><title><![CDATA[ViT 图像分类训练实战：自定义分类数据集与模型导出]]></title><link>https://blog.csdn.net/cver123/article/details/163086760</link><guid>https://blog.csdn.net/cver123/article/details/163086760</guid><author>cver123</author><pubDate>Tue, 21 Jul 2026 22:01:43 +0800</pubDate><description><![CDATA[在预训练 ViT 主干后接一个线性分类头，用于适配自定义类别数。]]></description><category></category></item><item><title><![CDATA[SegFormer 语义分割训练实战：自定义 Mask 数据集与预测可视化]]></title><link>https://blog.csdn.net/cver123/article/details/163086681</link><guid>https://blog.csdn.net/cver123/article/details/163086681</guid><author>cver123</author><pubDate>Tue, 21 Jul 2026 21:59:28 +0800</pubDate><description><![CDATA[LightningModule 中集中处理训练、验证、测试和指标计算逻辑。]]></description><category></category></item><item><title><![CDATA[Detectron2 实例分割训练实战：COCO 数据注册、训练与评估]]></title><link>https://blog.csdn.net/cver123/article/details/163053115</link><guid>https://blog.csdn.net/cver123/article/details/163053115</guid><author>cver123</author><pubDate>Mon, 20 Jul 2026 18:38:50 +0800</pubDate><description><![CDATA[Detectron2 实例分割训练实战：COCO 数据注册、训练与评估]]></description><category></category></item><item><title><![CDATA[YOLOv5 实例分割训练实战：Mask 推理、训练曲线与自定义预测]]></title><link>https://blog.csdn.net/cver123/article/details/163053075</link><guid>https://blog.csdn.net/cver123/article/details/163053075</guid><author>cver123</author><pubDate>Mon, 20 Jul 2026 18:35:46 +0800</pubDate><description><![CDATA[开始训练前重点检查数据路径和类别数量。!--cache下面按 notebook 原流程继续执行。!!!]]></description><category></category></item></channel></rss>