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

自定义博客皮肤

-+
  • 博客(7)
  • 收藏
  • 关注

原创 基于yolov10的学生课堂行为检测系统,支持图像、视频和摄像实时检测【pytorch框架、python】

基于yolov10的学生课堂行为检测系统是在pytorch框架下实现的,这是一个完整的项目,包括代码,数据集,训练好的模型权重,模型训练记录,ui界面和各种模型指标(准确率、精确率、召回率等)等。ui界面由pyqt5设计实现。超详细的pycharm+anaconda搭建python虚拟环境-CSDN博客​该项目可以使用已经训练好的模型权重,也可以自己重新训练,自己训练也比较简单:第一步:修改data/data.yaml中的数据集路径第二步:模型训练,即运行train.py文件。

2024-09-26 10:30:00 321

原创 基于yolov10的樱桃成熟度检测系统,支持图像、视频和摄像实时检测【pytorch框架、python】

基于yolov10的樱桃成熟度检测系统是在pytorch框架下实现的,这是一个完整的项目,包括代码,数据集,训练好的模型权重,模型训练记录,ui界面和各种模型指标(准确率、精确率、召回率等)等。ui界面由pyqt5设计实现。超详细的pycharm+anaconda搭建python虚拟环境-CSDN博客​该项目可以使用已经训练好的模型权重,也可以自己重新训练,自己训练也比较简单:第一步:修改data/data.yaml中的数据集路径第二步:模型训练,即运行train.py文件。

2024-09-25 10:45:00 497

原创 基于yolov10的工地安全帽检测,支持图像、视频和摄像实时检测【pytorch框架、python】

基于yolov10的工地安全帽检测系统是在pytorch框架下实现的,这是一个完整的项目,包括代码,数据集,训练好的模型权重,模型训练记录,ui界面和各种模型指标(准确率、精确率、召回率等)等。ui界面由pyqt5设计实现。超详细的pycharm+anaconda搭建python虚拟环境-CSDN博客​该项目可以使用已经训练好的模型权重,也可以自己重新训练,自己训练也比较简单:第一步:修改data/data.yaml中的数据集路径第二步:模型训练,即运行train.py文件。

2024-09-24 10:45:00 818

原创 基于yolov10的苹果成熟度检测,支持图像、视频和摄像实时检测【pytorch框架、python】

基于yolov10的苹果成熟度检测系统是在pytorch框架下实现的,这是一个完整的项目,包括代码,数据集,训练好的模型权重,模型训练记录,ui界面和各种模型指标(准确率、精确率、召回率等)等。ui界面由pyqt5设计实现。超详细的pycharm+anaconda搭建python虚拟环境-CSDN博客​该项目可以使用已经训练好的模型权重,也可以自己重新训练,自己训练也比较简单:第一步:修改data/data.yaml中的数据集路径第二步:模型训练,即运行train.py文件。

2024-09-23 14:35:49 849

原创 基于yolov10的飞机蒙皮缺陷检测系统,支持图像、视频和摄像实时检测【pytorch框架、python】

基于yolov10的飞机蒙皮缺陷检测系统是在pytorch框架下实现的,这是一个完整的项目,包括代码,数据集,训练好的模型权重,模型训练记录,ui界面等。ui界面由pyqt5设计实现。超详细的pycharm+anaconda搭建python虚拟环境-CSDN博客​该项目可以使用已经训练好的模型权重,也可以自己重新训练,自己训练也比较简单:第一步:修改data/data.yaml中的数据集路径第二步:模型训练,即运行train.py文件第三步:模型验证,当模型训练完后,运行val.py文件。

2024-09-22 15:24:53 570

原创 基于yolov10的电梯电瓶车,电动车检测系统,支持图像、视频和摄像实时检测【pytorch框架、python】

基于yolov10的电梯电瓶车,电动车检测系统是在pytorch框架下实现的,这是一个完整的项目,包括代码,数据集,训练好的模型权重,模型训练记录,ui界面等。ui界面由pyqt5设计实现。超详细的pycharm+anaconda搭建python虚拟环境-CSDN博客​该项目可以使用已经训练好的模型权重,也可以自己重新训练,自己训练也比较简单:第一步:修改data/data.yaml中的数据集路径第二步:模型训练,即运行train.py文件第三步:模型验证,当模型训练完后,运行val.py文件。

2024-09-21 14:47:50 727

原创 超详细的pycharm+anaconda搭建python虚拟环境

超详细的pycharm+anaconda搭建python虚拟环境

2024-09-19 19:32:11 1958

空空如也

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