世上最好用多分类标注工具
世上最好用图像多分类标注工具，开放源代码
启动文件：
label_pic_2025_0418.py
配置文：
[default]
rate = 0.01
save_weight = 0
pic_width = 100
last_dir_bk = F:\project\cls\cls_tool2025\data_demo
last_dir = C:/Users/Administrator/Documents/WeChat Files/libanggeng/FileStorage/File/2025-04/test_new/test_new
ready_path = D:\work_renti\renti_hand\train_hand_0417\test1
[cls]
default = bad/ok/other,val/train
default2 = none/ban/small/big,val/train,sku_id
similar = none/ban/small/big,val/train,size_0/size_1
guige = none/ban/small/big,val/train,size_0/size_1
old = none/incomplete,is_train
label_file = label.csv
last_dir 和标签：default
vscode devcontainer 调试
vscode devcontainer 调试代码插件
yolo 检测平滑去抖动关键点平滑去抖动
1.检测
yolo_json.py
2.
track_kaerman.py 识别低速度区域并进行卡尔曼 平滑
track_OneEuro.py 识别低速度区域并进行卡尔曼 一欧元跟踪算法平滑
track_move_avg.py 识别低速度区域并进行移动平均平滑，效果明显改善
track_move_avg_new.py 识别低速度区域并进行移动平均平滑，效果明显改善
track_move_sm.py 识别低速度区域并进行超平滑轨迹处理，平滑效果更好，窗口70
rf-detr-base.pth
rf-detr-base 模型，不能上外网的可以下载
泊松融合实例2025源代码
网上给的泊松融合例子，代码不够简洁明了，花了很长时间验证，现在整理了一下，
代码和示例图都已配齐，只管执行就好，效果还是不错的。
本博客直接给出来最好的效果和源代码
博客地址：
https://blog.csdn.net/jacke121/article/details/144937827
tiny-cuda-cnn.zip
tiny-cuda-cnn库，linux安装编译
official repo: https://github.com/NVlabs/tiny-cuda-nn
该包可以显著提高NeRF训练速度，是Instant-NGP、Threestudio和NeRFstudio等框架中，必须使用的。
本文提供tiny-cuda-nn可以安装的完整包的下载链接
分享下载成功概率高的一套流程：【先下载pytorch3d，再下载tiny-cuda-nn】
conda install pytorch==2.0.0 torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia -y
# FORCE_CUDA=1 pip install "git+https://github.com/facebookresearch/pytorch3d.git" #
conda install -c fvcore -c iopath
cd tiny-cuda-nn/bindings/torch
python setup.py install
nvdiffrast frpc-linux-amd64
nvdiffrast 包下载，
测试linu可以用，安装方法：python setup.py install
frpc_linux_amd64 包，下载好的
直线检测分割网络源代码
直线检测cnn网络， 包含训练代码，推理代码
用分割网络来实现直线检测，需要标注。精度比较好，速度也很快，包含旋转，裁剪，翻转等数据增强。
'代码路径
train_daoge_line2.py
' 推理
daoge_fenge_line2.py
yolov8 训练源代码，无缝支持labelme标注
yolov8最新源码版，原版只支持标注格式为txt格式，笔者以前训练yolo用labelme的json格式标注，统一格式，数据管理，可视化，查badcase更方便。
修改了数据格式，增加支持labelmejson独立格式标注
标注样例：
{
"version": "5.3.1",
"flags": {},
"shapes": [
{
"label": "dao",
"points": [
[
1990.9259259259259,
322.3395061728395
],
[
53.75,
689.5000000000001
]
预测发现还是会有重叠框，加上nms过滤重叠框，效果会更好
本预测代码已经加上nms机制
训练代码：train_det_new.py
保存模型会保存精度，免得best.pt 会过拟合。
yolov8 华为昇腾适配
yolov8 华为昇腾适配源代码和模型
在人工智能飞速发展的当下，目标检测算法一直备受瞩目，而 YOLOv8 更是其中的佼佼者，凭借其出色的精度与检测速度收获了大量开发者与研究团队的青睐。华为昇腾作为业内领先的人工智能计算平台，有着强大的算力支撑以及高效的运算架构，为诸多前沿算法的落地应用提供了绝佳土壤。适配 YOLOv8 与华为昇腾平台，不仅极具技术挑战，更是有着重大意义。适配工作需要深入挖掘 YOLOv8 的源代码架构，精准剖析每一个模块、每一行关键代码，从数据加载、模型构建，到推理计算、后处理等诸多环节，都要依据华为昇腾的硬件特性、指令集规范进行细致入微的调整与优化；与此同时，适配的模型也不能马虎，要结合昇腾独有的 AI Core 架构，对 YOLOv8 原本的模型权重进行适配性转化，充分挖掘昇腾在并行计算、张量加速等方面的优势，让经过适配后的模型在昇腾硬件上得以高效运行，全方位释放其强大性能，大幅提升目标检测效率，从而为安防监控、自动驾驶、工业质检等众多依赖目标检测技术的领域，
pt转昇腾 om格式：
pt2om2.py
包括推理代码：
yolov8_om_infer.py
转场分割代码封装源代码
本算法根据TransNetV2-SBD 做了代码封装，可以直接用来进行转场判断，也支持直接把mp4视频根据转场分割
平台是基于TensorFlow的，执行入口transnetv2_demo.py
TensorFlow gpu和cpu都支持：
tensorflow 2.12.0
tensorflow-estimator 2.12.0
tensorflow-gpu 2.8.0
tensorflow-intel 2.12.0
tensorflow-io-gcs-filesystem 0.31.0
termcolor 2.3.0
opencv 中文 字体库
opencv 中文 字体库
自研人脸关键点，轻量级高精度人脸关键点
自研人脸关键点，轻量级高精度人脸关键点98个点，模型大小700多kb
低头，抬头，侧脸，都可准确识别，
可以转ncnn，mnn在手机上cpu到3毫秒以内
带人脸跟踪算法；
包含训练代码：
train_lbg_box_new.py
推理代码
demo_v5_face.py
人脸检测、人脸关键点综合示例代码；
demo_v5_nopad_last.py
yolov5 face onnx转ncnn代码：
Peppa-Facial-Landmark-kuoda\deploy\onnx_2_ncnn_yolov5.py
人脸关键点onnx转ncnn：
onnx_2_ncnn_mark.py
yolov10最新源码版，训练支持labelme标注
yolov10最新源码版，原版只支持标注格式为txt格式，笔者以前训练yolo用labelme的json格式标注，统一格式，数据管理，可视化，查badcase更方便。
修改了数据格式，增加支持labelmejson独立格式标注
标注样例：
{
"version": "5.3.1",
"flags": {},
"shapes": [
{
"label": "dao",
"points": [
[
1990.9259259259259,
322.3395061728395
],
[
53.75,
689.5000000000001
]
预测发现还是会有重叠框，加上nms过滤重叠框，效果会更好
本预测代码已经加上nms机制
pyqt opengl 3d渲染源码 正交投影，透视投影
pyqt opengl 3d渲染源码
支持格式，3d画线，立方体（也可以进行扩展二次开发），可以旋转，平移，缩放
支持鼠标点选提示，鼠标和立方体交点3d坐标，
代码经过反复优化，测试，效果比较稳定。
最新代码：
widget_opengl_change1.py
通过圆柱组合形成立方体，支持正交投影，透视投影无缝切换，
左下角显示3d坐标。
其他代码也有学习和参考价值
rk3588 麒麟系统硬解码 硬编码源代码
rk3588 麒麟系统硬解码h264 硬编码264源代码
qt c++ 项目， 亲测成功
项目带有librockchip-mpp安装文件，
librockchip-mpp-dev_1.5.0-1rk4_arm64.deb
安装rockchip-mpp deb
sudo dpkg -i librockchip-mpp-dev_1.5.0-1rk4_arm64.deb
使用终端命令和apt工具：打开终端，使用以下命令安装deb文件并解决依赖关系：
sudo apt install ./librockchip-mpp-dev_1.5.0-1rk4_arm64.deb
需要提前安装ffmpeg库，main.cpp中有回调函数，mpp_decoder_frame_callback，用来接收解码后的frame，
经过测试，效率挺高的，可以达到30帧以内。
qt c++ http-server 多线程源代码
qt c++ 实现 http_server 在子线程启动，收到消息后，更新主线程的ui显示，不卡顿
本人亲测成功，希望给大家提供便利。
跨平台的，Windows，linux，arm，麒麟系统都能用
网络流量异常检测系统源代码
网络流量异常检测系统
基于Network-anomaly-detection-with-deep-learning-along-with-UI 做的改进
改进1
抓包工具更新 Npcap下载：
https://npcap.com/#download
改进2，原来代码用了多线程，在Windows系统运行会导致死机，本次针对死机做了改进
改进2，源代码对pandas 的dataframe操作导致频繁报警，改进之后频繁报警没有了。
麒麟3588系统语音播报源代码
麒麟3588系统语音播报源代码
麒麟arm系统qt c++文本生成播报系统源代码
可以定制播报人性别，多款播报人可供选择，支持中英文，c++ qt示例源代码，亲测成功。
QListWidget 自定义样式，解决QPixmap不能读取图片的问题。
qt c++ sqlite 封装
qt c++ sqlite 封装
自研扩散模型高光谱修复网络
自研扩散模型高光谱修复网络
基于MST_Plus_Plus 网络改造。
试验数据
扩散模型loss初步测试降到了0.005，比不加扩散loss小了20倍，
训练入口
train_cos_img.py
bvh最新播放器 python源代码
bvh最新播放器
可以显示骨骼名称，旋转角度，自适应大小，支持3维npz数据可视化
python实现，提供源代码，修改和完善很方便。
根据3维npz生成bvh
bvh最新播放器 python源代码
详细介绍：
https://blog.csdn.net/jacke121/article/details/138809268
opengl 安装包下载；
支持python3.9 3.10
https://download.csdn.net/download/jacke121/88840304
rknn 麒麟系统adb驱动安装
rknn 麒麟系统adb驱动安装
BIWI vocaset模板
BIWI vocaset模板
包括FLAME_sample.ply
FLAME_masks.pkl
BIWI/templates.pkl
BIWI/F1.obj
BIWI.ply
rknn yolov5 rtsp
rknn yolov5的官方网站
https://github.com/airockchip/rknn-toolkit2
里面有rk3588 yolov5的推理示例程序，也包括Android推理实例程序，但是Android平台不支持rstp实时推理
本项目用ffmpeg拉流，mpp硬解码，然后rknn yolov5推理跑通，
调用代码在MainActivity，识别结果mpp硬编码保存为264视频文件。
本项目也支持264裸流视频文件推理。
问财选股导出excel pythony源代码
python问财选股导出excel功能开发，导出csv格式，带界面，也可以基于这个做二次开发或者改进
依赖项pandas，pyqt5
自研lstm多目标跟踪，DanceTrack验证集精度98%
多目标跟踪这几年一直是算法难题，用过传统跟踪算法，fairmot、bytetrack，效果不是特别理想，自己思考研究了一种基于lstm和多头注意力机制的多目标跟踪算法，支持gru，tcn，TimeSeriesTransformer，lstm和多头注意力机制效果最好，在DanceTrack数据集验证集精度99%，其他算法精度也在98以上， 1060显卡每帧平均推理速度2ms。
本算法是多目标跟踪算法，算法不含检测，检测算法可以用任意检测算法对接。
生成训练数据：
get_track_data_new.py
可视化数据标签：
data/view_track.py
训练入口：
train_cos_lstm.py
可视化测试入口：
demo_track.py
测试准确率：
demo_track_cls.py
本算法算是在多目标跟踪算法的一种思考，抛转引玉，欢迎有志之士一起交流分享。
强大好用的人体关键点标注工具
之前想研发一款好的人体关键点识别算法，发现网上竟然没有一款好用的人体关键点标注工具，labelme标注时各个关节点是断开的，不能联动，然后自己就开发了一款人体关键点标注工具，关节点直接可以联动，还有关节点放大特效，方便标注。
实际效果演示网址：
https://www.bilibili.com/video/BV18A4m1G73y/?vd_source=2cd2b3646627adc5dc5f2bf8b7fac8fd
https://blog.csdn.net/jacke121/article/details/135849963
pyopengl windows x64 whl安装包
pyopengl windows x64 whl安装包
本资源提供了python3.9和3.10版本，x64位安装包。
官方的下载地址已经失效
http://www.lfd.uci.edu/~gohlke/pythonlibs/#pyopengl
mmpose 预测转json标注
mmpose 预测的2d点转成json文件，方便labelme标注
背景：mmpose或者其他2d关键点，bad case标注是个难题，这个脚本可以把mmpose预测的关键点，转为json文件，方便进行二次标注或修改。
3d-nms cuda代码
3d_nms c++代码和 cuda cu代码，win11编译成功,linux也可以用
python setup.py build
python setup.py install
MobileViT v3 pytorch代码
MobileViT v3 pytorch代码，几乎都不能加载官方的预训练模型，本人经过调整修改，
可以加载官方预训练模型，原创不易，希望多多支持
OpenPCDet ingroup-inds库 windows编译
OpenPCDet ingroup_inds库 windows编译
原版是linux代码，在Windows上编译失败，本人经过修改，可以编译成功。
Ultra-Fast-Lane-Detection-v2 pytorch版
Ultra-Fast-Lane-Detection-v2 pytorch版
Ultra-Fast-Lane-Detection-v2官方原版数据加载用的nvidia.dali.pipeline
Windows没有nvidia库，所以无法训练，数据增强也不方便，特地实现了pytorch的dataset版，可以训练，推理预测
训练收敛更快
可以在这个基础上改进，很方便。
insightface/alignment 人脸关键点的pytorch版本
landmark 106个点，很强大的算法，算法介绍；
https://blog.csdn.net/jacke121/article/details/116605765
模型4.8m，
gpu测试13ms左右，分辨率192*192
入口代码：
demo_v5_face.py
学习研究比较合适
yolov5 face onnx推理代码
yolov5 face onnx推理，支持原版yolov5 face 导出的onnx，亲测成功
支持yolov5 face m模型，也支持yolov5 blazeface 。
yolov7 分割 tensorrt 推理源代码
yolov7 mask分割 tensorrt 推理源代码，网上没有人实现，和大佬一起熬了好几个通宵研发出来，支持tensorrt8，win10平台，亲测成功，可运行
linux也支持，可自行跨平台适配。
labelme-5.1.1
labelme-5.1.1，设置了自动保存，标签不保存图片，自定义标签颜色，亲测成功，
博客地址：
https://blog.csdn.net/jacke121/article/details/112288397
3DDFA-V2.5-opencv-yolov5face
3DDFA_V2.5原本人脸检测器是facebox，
facebox在脸部超过一半被遮挡时效果较差，
人脸检测器换成yolov5-face，yolov5-face在脸遮挡超过一半时关键点不太准确。
图片处理是imageio，换成opencv。
demo_cam_v5face.py
yolov5-face 依赖项：
models，加载模型用
yolov5_face，人脸检测器。
yolov7训练 json标注格式代码
yolov7训练只支持txt格式，自己添加了json标注格式解析和支持。
RSS订阅
2012
10