自定义博客皮肤VIP专享

*博客头图：

格式为PNG、JPG，宽度*高度大于1920*100像素，不超过2MB，主视觉建议放在右侧，请参照线上博客头图

请上传大于1920*100像素的图片！

博客底图：

图片格式为PNG、JPG，不超过1MB，可上下左右平铺至整个背景

栏目图：

图片格式为PNG、JPG，图片宽度*高度为300*38像素，不超过0.5MB

主标题颜色：

RGB颜色，例如：#AFAFAF

Hover：

RGB颜色，例如：#AFAFAF

副标题颜色：

RGB颜色，例如：#AFAFAF

预览 取消 提交

自定义博客皮肤

-+
上一步保存

FriendshipTang的博客

  • 博客(398)
  • 收藏
  • 关注
排序：
按最后发布时间
按访问量
RSS订阅

原创 人工智能混合编程实践：C++ ONNX Runtime进行PaddleSeg语义分割（以SegFormer_B0为例）

Python、Pytorch、C++、ONNX、ONNX Runtime、Paddle2ONNX、PaddleSeg、SegFormer_B0、人工智能、语义分割

2026-04-03 17:30:18 120

原创 YOLOv5：修改backbone为GCNET

Python、PyTorch、YOLOv5、Ultralytics、GCNET

2026-04-03 10:39:00 323

原创 Ubuntu 20.04 LTS 安装 Docker 指南

Linux、Ubuntu、Docker、NVIDIA、CUDA 、CuDNN

2026-03-17 17:34:56 431

原创 Ultralytics Docker 安装使用教程（以训练 YOLO26 模型为例）

Linux、Ubuntu、Docker、NVIDIA、CUDA 、CuDNN、Ultralytics、YOLO26

2026-03-17 17:34:35 642

原创 算法部署知识点：TensorRT、Tensorflow、Flask、Docker、TFLite

TensorRT、Tensorflow、Flask、Docker、TFLite

2026-03-15 00:00:00 402

原创 评估指标：AP（Average Precision）、mAP（Mean Average Precision）

Python、PyTorch、评估指标、AP(Average Precision)、mAP(Mean Average Precision)

2026-03-15 00:00:00 441

原创 人工智能混合编程实践：C++调用封装好的DLL进行DEIMv2目标检测

Python、Pytorch、C++、ONNX、人工智能、目标检测、DEIMv2

2026-03-14 00:00:00 42

原创 人工智能混合编程实践：C++调用封装好的DLL进行YOLO26推理

Python、Pytorch、C++、DLL、人工智能、Ultralytics、YOLO、ONNX、图像分类、目标检测、实例分割、旋转框检测、姿势估计

2026-03-14 00:00:00 54

原创 人工智能混合编程实践：C++调用封装好的DLL进行PP-OCR字符识别

Python、Pytorch、C++、PaddlePaddle、PaddleOCR、ONNX、人工智能、字符识别

2026-03-13 17:45:00 33

原创 人工智能混合编程实践：C++将PP-OCR文本识别封装成DLL

Python、Pytorch、C++、PaddlePaddle、PaddleOCR、ONNX、人工智能、字符识别

2026-03-13 17:45:00 27

原创 人工智能混合编程实践：C++将PP-OCR文本行方向分类封装成DLL

Python、Pytorch、C++、PaddlePaddle、PaddleOCR、ONNX、人工智能、字符识别

2026-03-12 17:33:50 39

原创 人工智能混合编程实践：C++将PP-OCR文本检测封装成DLL

Python、Pytorch、C++、PaddlePaddle、PaddleOCR、ONNX、人工智能、字符识别

2026-03-12 17:33:28 39

原创 PaddleOCR：Win10上安装使用PPOCRLabel标注工具

Python、PaddlePaddle、PaddleOCR、人工智能、字符识别

2026-03-10 17:37:38 403

原创 YOLOs-CPP：一个免费开源的YOLO全系列C++推理库（以YOLO26为例）

Python、Pytorch、C++、人工智能、Ultralytics、YOLO、ONNX、图像分类、目标检测、实例分割、旋转框检测、姿势估计

2026-03-10 17:34:52 1922

原创 人工智能混合编程实践：C++调用封装好的DLL进行FP16图像超分重建（v3.0）

C++、ONNX、DLL、人工智能、超分重建、FP16

2025-11-11 17:34:39 212

原创 隔离系统Python：源码编译3.11.8到自定义目录（含PGO性能优化）

Linux、Python、PGO、Make Install、源码编译、虚拟环境

2025-11-11 17:32:44 727

原创 图像生成：PyTorch从零开始实现一个简单的扩散模型

Python、PyTorch、AlGC、UNet、扩散模型、图像生成

2025-11-03 19:46:32 1235

原创 Stable Diffusion：使用自己的数据集微调 Stable Diffusion 3.5 LoRA 文生图模型

Python、PyTorch、AlGC、Stable Diffusion 3.5、LoRA、AI绘图、文生图

2025-11-03 19:45:44 1267

原创 图像超分：使用自己的数据集微调Real-ESRGAN-x2plus进行超分重建

Python、Pytorch、人工智能、GAN、Real-ESRGAN、超分重建

2025-10-20 18:54:00 251

原创 目标检测：使用自己的数据集微调DEIMv2进行物体检测

Python、Pytorch、人工智能、目标检测、DEIMv2

2025-10-20 18:48:37 1536 7

原创 图像超分：使用自己的数据集微调Real-ESRGAN-x4plus进行超分重建

Python、Pytorch、人工智能、GAN、Real-ESRGAN、超分重建

2025-10-15 17:33:57 1340

原创 人工智能混合编程实践：C++调用封装好的DLL进行异常检测推理

C++、Python、ONNX、人工智能、异常检测、Anomalib 2.1.0

2025-10-15 17:32:22 114

原创 人工智能混合编程实践：C++调用Python ONNX进行异常检测推理（v2.0）

C++、Python、ONNX、人工智能、异常检测、Anomalib 2.1.0

2025-10-10 17:32:51 309

原创 人工智能混合编程实践：Python ONNX进行异常检测推理（v2.0）

Python、ONNX、人工智能、异常检测、Anomalib 2.1.0

2025-10-10 17:32:29 135

原创 图像分割：PyTorch从零开始实现SegFormer语义分割

Python、Pytorch、人工智能、SegFormer、语义分割

2025-09-29 20:25:51 1187

原创 Ultralytics：使用 YOLO11 进行运动监测

Python、Pytorch、人工智能、Ultralytics、姿势估计、运动检测

2025-09-29 20:22:11 1155

原创 Ultralytics：基于 Gradio 快速搭建一个 YOLO11 应用程序

Python、Pytorch、人工智能、Ultralytics、Gradio、目标检测、实例分割

2025-09-28 12:21:38 1311

原创 Ultralytics：使用 YOLO11 跟踪区域内的对象

Python、Pytorch、人工智能、Ultralytics、目标检测、实例分割、指定区域、跟踪对象

2025-09-28 12:20:43 1036

原创 Ultralytics：使用 YOLO11 的 Streamlit 应用程序进行实时推理

Python、Pytorch、人工智能、Ultralytics、Streamlit、目标检测、实例分割、实时推理

2025-09-28 12:20:17 779

原创 Ultralytics：使用 YOLO11 进行速度估计

Python、Pytorch、人工智能、Ultralytics、目标检测、实例分割、速度估计

2025-09-23 12:49:10 1234

原创 Ultralytics：使用 YOLO11 进行物体追踪

Python、Pytorch、人工智能、Ultralytics、目标检测、实例分割、物体追踪

2025-09-23 12:48:39 776

原创 Ultralytics：使用 YOLO11 进行目标打码

Python、Pytorch、人工智能、Ultralytics、目标检测、目标打码

2025-09-19 17:37:04 778

原创 Ultralytics：使用 YOLO11 进行物体计数

Python、Pytorch、人工智能、Ultralytics、目标检测、物体计数

2025-09-19 17:36:43 1107

原创 Nuitka 将 Python 脚本封装为 .pyd 或 .so 文件

Python、Nuitka、.pyd、.so、二进制文件、打包文件

2025-09-12 18:59:10 1342

原创 X-AnyLabeling：使用X-AnyLabeling训练YOLO11实例分割模型（足球人物分割）

Python、Pytorch、人工智能、X-AnyLabeling、标注工具、Ultralytics、实例分割

2025-09-12 18:58:31 1483

原创 Python将yaml配置文件进行编辑修改

Python、Pytorch、人工智能、yaml编辑、配置文件

2025-09-11 19:46:41 968

原创 在线机的Python环境迁移到离线机上

Python、Pytorch、人工智能、环境安装

2025-09-11 19:45:42 1086

原创 X-AnyLabeling：使用X-AnyLabeling训练YOLOv8实例分割模型（汽车零件分割）

Python、Pytorch、人工智能、X-AnyLabeling、标注工具、Ultralytics、实例分割

2025-09-03 20:07:55 1422

原创 X-AnyLabeling：使用X-AnyLabeling训练YOLO11目标检测模型（脑肿瘤检测）

Python、Pytorch、人工智能、X-AnyLabeling、标注工具、Ultralytics、目标检测

2025-09-03 20:07:11 1100

原创 X-AnyLabeling：使用X-AnyLabeling训练YOLOv8目标检测模型

Python、Pytorch、人工智能、X-AnyLabeling、标注工具、Ultralytics、目标检测

2025-08-28 22:30:37 1587

自然语言处理-大模型-LLMs-面试题
自然语言处理 - 大模型（LLMs）面试题 详细请试读。

2024-02-29

Python-高频-面试-知识点

个人收集的一些关于Python的相关面试知识点和题目，包含问答题、编程题等，适用于Python初学者、Python爱好者等。 部分目录如下： 1.标准数据类型？ 2 2.如何创建一个字典？ 2 3.双下划线和单下划线的区别？ 2 4.自省解释一下？ 3 5.文件可以使用for循环进行遍历？ 文件对象实现了迭代器协议 3 6.迭代器和生成器的区别 3 7.*args and **kwargs 3 8.装饰器怎么用？装饰器解释下，基本要求是什么? 3 9.新式类和旧式类区别 3 10.__new__和__init__的区别 3 11.单例模式的几种实现方式的及优化？ 3 12.作用域的类型有哪些？ 5 13.深拷贝和浅拷贝的区别？ 5 14.多线程和多进程的区别？ 6 15.is是对比地址,==是对比值 6 16. read,readline和readlines 6 17.闭包 6 18.垃圾回收机制? 7 19. +和join的区别？ 7 20.为什么要使用Lambda函数？怎么使用？ 7 21.协程的理解？怎么使用？ 7 22.谈下python的GIL? 7 23. ......

2024-01-18

YOLOv8 Ultralytics：使用Ultralytics框架进行FastSAM图像分割
《YOLOv8 Ultralytics：使用Ultralytics框架进行FastSAM图像分割》文章中所用的FastSAM图像分割模型。

2024-01-14

YOLOv8 Ultralytics：使用Ultralytics框架进行MobileSAM图像分割
《YOLOv8 Ultralytics：使用Ultralytics框架进行MobileSAM图像分割》文章中所用的MobileSAM图像分割模型。

2024-01-14

YOLOv8 Ultralytics：使用Ultralytics框架进行SAM图像分割
《YOLOv8 Ultralytics：使用Ultralytics框架进行SAM图像分割》文章中所用的SAM图像分割模型。

2024-01-14

YOLOv8 Ultralytics：使用Ultralytics框架进行定向边界框对象检测
《YOLOv8 Ultralytics：使用Ultralytics框架进行定向边界框对象检测》文章中所用的定向边界框对象检测模型。

2024-01-11

YOLOv8 Ultralytics：使用Ultralytics框架进行姿势估计
《YOLOv8 Ultralytics：使用Ultralytics框架进行姿势估计》文章中所用的姿势估计模型。

2024-01-08

YOLOv5：指定类别进行评估验证
1、官方源项目地址 ：https://github.com/ultralytics/yolov5 2、在yolov5-6.1中指定类别进行评估验证。 3、训练、测试、预测命令与官方版本一致。

2024-01-05

YOLOv5：将模型预测的结果图保存为JPG格式
1、官方源项目地址 ：https://github.com/ultralytics/yolov5 2、在yolov5-6.1中将模型预测的结果图保存为JPG格式。 3、训练、测试、预测命令与官方版本一致。

2024-01-05

YOLOv5：将模型预测结果保存为Labelme格式的Json文件
1、官方源项目地址 ：https://github.com/ultralytics/yolov5 2、在yolov5-6.1中添加将模型预测结果保存为Labelme格式的Json文件的功能。 3、训练、测试、预测命令与官方版本一致。

2023-12-21

YOLOv5：通过真实结果的txt文件与预测结果的txt文件进行结果评估
1、官方源项目地址 ：https://github.com/ultralytics/yolov5 2、在yolov5-6.1中添加通过真实结果的txt文件与预测结果的txt文件进行结果评估的功能(val_txt.py)。 3、训练、测试、预测命令与官方版本一致。

2023-11-06

YOLOv5：按每个类别的不同置信度阈值输出预测框
1、官方源项目地址 ：https://github.com/ultralytics/yolov5 2、在yolov5-6.1中添加按每个类别的不同置信度阈值输出预测框的功能。 3、训练、测试、预测命令与官方版本一致。

2023-11-03

YOLOv5：修改backbone为SPPCSPC
1、官方源项目地址 ：https://github.com/ultralytics/yolov5 2、在yolov5-6.1中修改backbone为SPPCSPC。 3、训练、测试、预测命令与官方版本一致。

2023-11-02

使用自动编码器进行半监督异常检测
> - [论文地址](https://arxiv.org/abs/2001.03674)：https://arxiv.org/abs/2001.03674 > - [官方源代码地址](https://github.com/msminhas93/anomaly-detection-using-autoencoders)：https://github.com/msminhas93/anomaly-detection-using-autoencoders > - 有兴趣可查阅[论文](https://arxiv.org/abs/2001.03674)和[官方源代码地址](https://github.com/msminhas93/anomaly-detection-using-autoencoders)。

2023-10-30

YOLOv5：修改backbone为ACMIX
1、官方源项目地址 ：https://github.com/ultralytics/yolov5 2、在yolov5-6.1中修改backbone为ACMIX。 3、训练、测试、预测命令与官方版本一致。

2023-09-24

YOLOv5：修改backbone为GCNET
1、官方源项目地址 ：https://github.com/ultralytics/yolov5 2、在yolov5-6.1中修改backbone为GCNET。 3、训练、测试、预测命令与官方版本一致。

2023-09-20

YOLOv5：修改backbone为ACMIX
1、官方源项目地址 ：https://github.com/ultralytics/yolov5 2、在yolov5-6.1中修改backbone为ACMIX。 3、训练、测试、预测命令与官方版本一致。

2023-09-20

YOLOv5：修改backbone为SPD-Conv
1、官方源项目地址 ：https://github.com/ultralytics/yolov5 2、在yolov5-6.1中修改backbone为SPD-Conv。 3、训练、测试、预测命令与官方版本一致。

2023-09-20

YOLOv5：修改backbone为mobileone
1、官方源项目地址 ：https://github.com/ultralytics/yolov5 2、在yolov5-6.1中修改backbone为mobileone。 3、训练、测试、预测命令与官方版本一致。

2023-09-20

YOLOv5：修改backbone为ConvNeXt
1、官方源项目地址 ：https://github.com/ultralytics/yolov5 2、在yolov5-6.1中修改backbone为ConvNeXt。 3、训练、测试、预测命令与官方版本一致。

2023-09-14

人工智能混合编程实践：C++ ONNXRUNTIME进行PaddleSeg语义分割（以SegFormer-B0为例）
人工智能混合编程实践：C++ ONNXRUNTIME进行PaddleSeg语义分割（以SegFormer_B0为例），本文所用到的SegFormer_B0相关权重、配置文件

2026-04-03

人工智能混合编程实践：C++调用封装好的DLL进行YOLO26推理
cxx_infer_yolos_dll项目完整代码

2026-03-13

人工智能混合编程实践：C++将PP-OCR文本检测封装成DLL
clipper.cpp源文件

2026-03-12

YOLOv10相关资源，包含其相关源代码，预训练模型、相关数据集、训练教程等
目录结构如下： 2024/10/14 17:17 <DIR> datasets 2024/07/09 22:14 <DIR> docker 2024/07/09 22:14 <DIR> docs 2024/07/09 22:14 <DIR> examples ...... 2024/10/08 20:58 228,546,939 Road_Sign_YOLO_datasets.zip 2024/07/09 23:58 <DIR> ultralytics ...... 2024/10/14 17:07 18,979 YOLOv10训练自己的数据集（交通标志检测）.html 2024/10/14 17:09 5,980,069 YOLOv10训练自己的数据集（交通标志检测）.pdf 2024/07/10 22:33 6,534,387 yolov8n.pt ......

2024-10-14

BERT标题分类相关资源.zip
该文件为BERT标题分类相关资源，包含文本分类数据集、本地读取所需要的预训练模型以及BERT标题分类源代码。 目录结构如下： BERT标题分类相关资源 │ academy_titles.txt │ job_titles.txt │ 使用Transformers的BERT模型做帖子标题分类.ipynb └─bert-base-chinese config.json pytorch_model.bin tokenizer.json tokenizer_config.json vocab.txt

2024-10-12

诗句相关数据集.zip
该文件为诗句文本相关数据集，可用于LSTM、Transformer、GPT等训练诗句生成等应用。 目录结构如下： 诗句相关数据集 data_splited++.jl embedding++.jl id2w++.json w2id++.json

2024-10-11

本文《Ultralytics：YOLO11使用教程》相关资源
本文《Ultralytics：YOLO11使用教程》所用到的深度学习模型。

2024-10-09

吸烟、跌倒行为目标检测数据集（YOLO格式）
结构如下 Smoke-Fall-YOLO-datasets ├─trainset ├──images ├──labels ├─testset ├──images ├──labels └─smoke_fall.yaml > - [YOLOv7训练自己的数据集（口罩检测）](https://blog.csdn.net/FriendshipTang/article/details/126513426) > - [YOLOv8训练自己的数据集（足球检测）](https://blog.csdn.net/FriendshipTang/article/details/129035180) > - [YOLOv5：添加SE、CBAM、CoordAtt、ECA注意力机制](https://blog.csdn.net/FriendshipTang/article/details/130396540) > - [YOLOv5：yolov5s.yaml配置文件解读、增加小目标检测层](https://blog.csdn.net/FriendshipTang/article/details/130375883)

2024-10-08

GLCIC：全局和局部一致的图像补全
本文《GLCIC：全局和局部一致的图像补全》所使用的项目源码 项目目录结构如下： GLCIC-PyTorch-master ├─datasets │ └─img_align_celeba │ ├─test │ └─train ├─images ├─results │ └─demo │ ├─phase_1 │ ├─phase_2 │ └─phase_3 ├─model_cd ├─model_cn ├─config.json └─__pycache__

2024-08-14

SRGAN：使用生成对抗网络对图像进行超分辨率重构
此为SRGAN项目源码，项目目录结构如下： SRGAN-master ├─benchmark_results │ └─SRF_4 ├─data │ ├─DIV2K_train_HR │ ├─DIV2K_valid_HR │ ├─test │ │ ├─SRF_2 │ │ │ ├─data │ │ │ └─target │ │ ├─SRF_3 │ │ │ ├─data │ │ │ └─target │ │ ├─SRF_4 │ │ │ ├─data │ │ │ └─target │ │ └─SRF_8 │ │ ├─data │ │ └─target │ └─test_videos ├─epochs ├─images ├─out_srf_4_data │ └─test │ └─SRF_8 │ └─data ├─pytorch_ssim │ └─__pycache__ ├─statistics ├─training_results │ └─SRF_4 └─__pycache__

2024-08-13

使用Ultralytics框架进行YOLO-World目标检测
本文《Real-Time Open-Vocabulary Object Detection：使用Ultralytics框架进行YOLO-World目标检测》所用的YOLO-World目标检测模型及其测试代码。

2024-08-12

Neural Architecture Search：使用Ultralytics框架进行YOLO-NAS目标检测
本文《Neural Architecture Search：使用Ultralytics框架进行YOLO-NAS目标检测》所用的YOLO-NAS目标检测模型及其测试代码。

2024-08-12

对抗生成：基于CycleGAN的风格迁移
本文《对抗生成：基于CycleGAN的风格迁移》的项目源码 文章地址：https://blog.csdn.net/FriendshipTang/article/details/140968347 项目目录结构如下： pytorch-CycleGAN-and-pix2pix ├─data │ └─__pycache__ ├─datasets │ ├─bibtex │ └─vangogh2photo │ ├─testA │ ├─testB │ ├─trainA │ └─trainB ├─docs ├─imgs ├─models │ └─__pycache__ ├─options │ └─__pycache__ ├─scripts │ ├─edges │ └─eval_cityscapes │ └─caffemodel └─util └─__pycache__

2024-08-07

vangogh2photo.zip
文章《对抗生成：基于CycleGAN的风格迁移》所使用到的数据集。 文章地址：https://blog.csdn.net/FriendshipTang/article/details/140968347 “vangogh2photo”数据集是专门为训练一种名为CycleGAN（循环对抗生成网络）的深度学习模型而设计的。这个数据集的目的是让计算机学习将梵高的绘画风格应用到实际照片上，从而实现艺术与科技的跨界融合。 资源目录结构如下： vangogh2photo ├─testA ├─testB ├─trainA └─trainB

2024-08-07

StarGAN v2：多领域的不同图像合成
本文《PatchCore：工业异常检测中的全面召回》的项目源码 项目目录结构如下： stargan-v2 ├─assets │ └─representative │ ├─afhq │ │ ├─ref │ │ │ ├─cat │ │ │ ├─dog │ │ │ └─wild │ │ └─src │ │ ├─cat │ │ ├─dog │ │ └─wild │ ├─celeba_hq │ │ ├─ref │ │ │ ├─female │ │ │ └─male │ │ └─src │ │ ├─female │ │ └─male │ └─custom │ ├─female │ └─male ├─core │ └─__pycache__ ├─data │ └─celeba_hq │......

2024-08-07

PatchCore：工业异常检测中的全面召回
本文《PatchCore：工业异常检测中的全面召回》的项目源码 项目目录结构如下： patchcore-inspection-main ├─bin ├─checkpoints ├─images ├─models ├─mvtec │ └─bottle │ ├─ground_truth │ │ ├─broken_large │ │ ├─broken_small │ │ └─contamination │ ├─test │ │ ├─broken_large │ │ ├─broken_small │ │ ├─contamination │ │ └─good │ └─train │ └─good ├─src │ └─patchcore │ ├─datasets │ │ └─__pycache__ │ ├─networks │ └─__pycache__ └─test

2024-08-01

Segment Anything Model 2：使用Ultralytics框架进行SAM2图像分割
本文《Segment Anything Model 2：使用Ultralytics框架进行SAM2图像分割》所用的SAM2图像分割模型及其测试代码。

2024-08-01

图像分类：Pytorch实现Vision Transformer（ViT）进行图像分类
本文《图像分类：Pytorch实现Vision Transformer（ViT）进行图像分类》的项目源码

2024-04-17

图像分割：Pytorch实现UNet++进行医学细胞分割
本文《图像分割：Pytorch实现UNet++进行医学细胞分割》的完整项目代码

2024-04-15

图像生成：Pytorch实现一个简单的对抗生成网络模型
完整《Pytorch实现一个简单的对抗生成网络模型》项目代码

2024-04-10

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章？
取消 删除