程序员Linc
码龄17年
求更新 关注
提问 私信
  • 博客:8,574,385
    社区:20,286
    问答:40,600
    动态:482
    8,635,753
    总访问量
  • 674
    原创
  • 769
    排名
  • 4,784
    粉丝
  • 94
    关注
IP属地以运营商信息为准,境内显示到省(区、市),境外显示到国家(地区)
IP 属地:辽宁省
加入CSDN时间: 2008-03-03

个人简介:资深技术专家,专注移动开发与人工智能领域15年+

博客简介:

懒人的技术笔记

博客描述:
做一个好设计,写一手好程序,经营一个好产品。
查看详细资料
个人成就
  • 博客专家认证
  • 获得2,752次点赞
  • 内容获得1,332次评论
  • 获得2,427次收藏
  • 代码片获得1,287次分享
  • 原力等级
    原力等级
    5
    原力分
    1,552
    本月获得
    12
创作历程
  • 67篇
    2025年
  • 1篇
    2023年
  • 1篇
    2022年
  • 4篇
    2020年
  • 1篇
    2019年
  • 3篇
    2018年
  • 19篇
    2017年
  • 14篇
    2016年
  • 115篇
    2015年
  • 93篇
    2014年
  • 73篇
    2013年
  • 48篇
    2012年
  • 210篇
    2011年
  • 355篇
    2010年
  • 11篇
    2009年
成就勋章
TA的专栏
  • 深度学习
    2篇
  • 边缘计算
    12篇
  • Android实战技巧
    60篇
  • OCR技术实践探索
    6篇
  • 人工智能
    16篇
  • 计算机视觉
    24篇
  • 机器视觉
    2篇
  • IT痴汉的工作现状
    64篇
  • OpenCV
    3篇
  • 5分钟面试题
  • iOS菜鸟笔记
    4篇
  • Docker实践
    9篇
  • 突击Mercurial SCM(HG)
    13篇
  • Raspberry pi,一个好玩的派
    10篇
  • Android问题集锦
    60篇
  • 简单的Python
    1篇
  • Android
    263篇
  • Java多线程
  • Bada
    8篇
  • iPhone
    11篇
  • Nokia
    89篇
  • Windows Phone
    28篇
  • 笔记
    22篇
  • 备忘
    67篇
  • 项目管理
    3篇
  • C++
    112篇
  • .NET
    17篇
  • Boost
    7篇
  • DataBase
    11篇
  • IT相关法律法规
    1篇
  • JAVA
    52篇
  • Linux
    72篇
  • SCM
    25篇
  • WEB开发
    9篇
  • Windows相关
    20篇
  • World Cup
    3篇
  • 业内新闻
    3篇
  • 名人堂
    1篇
  • 数据结构与算法
    4篇
  • 汇编学习
    4篇
  • 移动领域相关知识
    17篇
  • 系统运维
    4篇
  • 网络通信
    27篇
  • 设计模式
    3篇
  • 面试题
    21篇
  • 游戏
    11篇
  • 敏捷
    2篇
  • 职场英语
    3篇
  • 程序员与养生
    2篇
  • 湖畔散文
    71篇
  • 花园随笔
    24篇
  • LAB9-Raspberry Pi
    10篇
  • LAB7-Arduino
  • 虚拟机
    2篇
  • cocos-js
    1篇
  • 年终总结
    3篇

TA关注的专栏 0

TA关注的收藏夹 0

TA关注的社区 16

TA参与的活动 0

TA的推广
兴趣领域 设置
  • 移动开发
    android
  • 人工智能
    opencv目标检测机器学习深度学习
创作活动更多

新星杯·14天创作挑战营·第13期

这是一个以写作博客为目的的创作活动,旨在鼓励大学生博主们挖掘自己的创作潜能,展现自己的写作才华。如果你是一位热爱写作的、想要展现自己创作才华的小伙伴,那么,快来参加吧!我们一起发掘写作的魅力,书写出属于我们的故事。我们诚挚邀请你们参加为期14天的创作挑战赛!注: 1、参赛者可以进入活动群进行交流、互相鼓励与支持(开卷),虚竹哥会分享创作心得和涨粉心得,答疑及活动群请见:https://bbs.csdn.net/topics/619781944 【进活动群,得奖概率会更大,因为有辅导】 2、文章质量分查询:https://www.csdn.net/qc

89人参与 去参加
  • 最近
  • 文章
  • 专栏
  • 代码仓
  • 资源
  • 收藏
  • 关注/订阅/互动
更多
  • 最近

  • 文章

  • 专栏

  • 代码仓

  • 资源

  • 收藏

  • 关注/订阅/互动

  • 社区

  • 帖子

  • 问答

  • 课程

  • 视频

搜索 取消

写给新人的深度学习扫盲贴:TensorFlow与Keras

本文介绍了深度学习框架TensorFlow与Keras的核心概念及安装使用。TensorFlow是Google开源的工业级深度学习引擎,提供灵活性和跨平台支持;Keras则是高级API,以简洁易用著称。二者在TensorFlow 2.0中整合,形成互补关系。文章详细讲解了张量、神经网络层和模型构建等基础概念,并提供了从环境配置到验证安装的完整指南,最后通过MNIST手写数字识别的"Hello World"示例演示了基本工作流程。测试结果显示模型在5轮训练后达到了97.4%的测试准确率。
原创
博文更新于 2025.05.29 ·
1312 阅读 ·
29 点赞 ·
0 评论 ·
25 收藏

RK3588芯片NPU的使用:yolov8-pose例子图片检测在安卓系统部署与源码深度解析(rknn api)

该方法对检测模型的输出进行后处理,包括 检测框解码、置信度过滤、非极大值抑制(NMS)以及关键点坐标映射,最终输出人体检测框和对应的关键点信息,封装在object_detect_result_list中。SDK支持的查询命令很多,具体参考官方文档:04_Rockchip_RKNPU_API_Reference_RKNNRT_V2.3.0_CN.pdf。:用于 RKNN_QUERY_IN_OUT_NUM 命令的返回结果,存储模型的输入/输出张量数量。没什么好说的,输入设置完毕后,执行模型推理。
原创
博文更新于 2025.04.25 ·
1751 阅读 ·
48 点赞 ·
3 评论 ·
42 收藏

RK3588芯片NPU的使用:官方rknn_yolov5_android_apk_demo运行与解读

本文将完成两项任务:- 官方的调用摄像头动态目标识别例子运行在rk3588的开发板上。- 解读源码以增加对rknn开发的认识。
原创
博文更新于 2025.04.24 ·
1558 阅读 ·
46 点赞 ·
0 评论 ·
24 收藏

RK3588芯片NPU的使用:Windows11 Docker中编译YOLOv8-Pose C Demo并在开发板运行实践

本文将在RKNN Docker环境中编译YOLOv8-Pose C Demo,并通过adb工具部署到RK3588开发板。
原创
博文更新于 2025.04.23 ·
472 阅读 ·
5 点赞 ·
0 评论 ·
6 收藏

RK3588芯片NPU的使用:PPOCRv4例子在安卓系统部署

将PPOCRv4 C语言例子适配安卓端,提供选择图片后进行OCR识别功能。PPOCRv4 C语言例子请参考之前的博文。
原创
博文更新于 2025.04.21 ·
1281 阅读 ·
11 点赞 ·
0 评论 ·
20 收藏

瑞芯微RKNN安卓NPU部署实战:PPOCRv4 OCR推理Demo

发布资源 2025.04.21 ·
zip

RK3588芯片NPU的使用:Windows11 Docker中运行PPOCRv4例子

PPOCR-Det核心功能实现**文字区域检测**,基于DB++(Dynamic Binarization++)算法改进,支持多尺度特征融合和自适应阈值预测。
原创
博文更新于 2025.04.20 ·
709 阅读 ·
10 点赞 ·
4 评论 ·
5 收藏

PP-OCR的安卓端部署

如果直接用官方提供的模型去跑,其实还是挺香的,OCR是飞浆框架下最厉害的库了。安卓部署官方也有demo的(当然是几年前的),PaddleOCR–deploy下去找,我也放到csdn下载了。例子中使用的PP-OCRv2的模型,想想现在都PP-OCRv4了,是不是心中着急?代码结构依然是Java层+Native层。
原创
博文更新于 2025.04.18 ·
1380 阅读 ·
18 点赞 ·
0 评论 ·
16 收藏

周三周四两天都在搞Paddle OCR 实在是把我给劝退了! 坑我不浅! 如果直接用它的模型,什么也不改,用着也还简单容易。 但是你要微调模型,那好吧,折磨正式开始!

发布动态 2025.04.17

PaddleOCR Android 部署demo

发布资源 2025.04.17 ·
zip

手把手部署YOLOv5到RK3588安卓端:NPU加速与JNI/C/Kotlin接口开发指南

本次实践成功在RK3588安卓平台上部署了YOLOv5目标检测模型,并充分利用其NPU硬件加速能力,实现了高效的边缘计算推理。通过本Demo,我们完成了从模型转换(PyTorch→RKNN)、JNI接口封装到安卓应用集成的全流程验证,为后续产品级AI应用开发提供了可复用的技术方案。
原创
博文更新于 2025.04.14 ·
1233 阅读 ·
27 点赞 ·
0 评论 ·
16 收藏

基于RK3588边缘计算的安卓端NPU加速YOLOv5推理实践:入门Demo实现

发布资源 2025.04.13 ·
zip

基于Termux的Android平台C++控制台程序开发指南

今天我想通过一个例子,让你的C++控制台程序直接可以运行在安卓手机上。这样你写的那些运行在PC上的好玩的C++程序,直接无痛的搞到手机上了,还不需要构建真正的安卓应用,是不是有点意思?学习C++的同学们听到此消息都兴奋的不得了!
原创
博文更新于 2025.04.13 ·
1394 阅读 ·
35 点赞 ·
0 评论 ·
12 收藏

五分钟了解智能体

智能体的终极形态,是构建能与我们共同进化的心智社会
原创
博文更新于 2025.04.12 ·
837 阅读 ·
12 点赞 ·
0 评论 ·
7 收藏

RK3588芯片NPU的使用及编程入门:rknn_model_zoo的yolov5 c++ example源码解析

今天深入分析了rknn_model_zoo中YOLOv5的C++示例代码,包括:- 模型加载与初始化的完整流程(init_yolov5_model)- 图像预处理中的Letterbox实现细节- NPU推理过程的关键API调用(rknn_inputs_set/rknn_run)- 后处理中的置信度过滤与NMS实现
原创
博文更新于 2025.04.11 ·
1365 阅读 ·
29 点赞 ·
0 评论 ·
25 收藏

2025年的Android NDK 快速开发入门

十年前写过一篇介绍NDK开发的文章,今天看来已经发生了很多变化,NDK开发变得更加容易了。下面就写一篇当下NDK开发快速入门。**原生开发套件 (NDK) **是一套工具,使开发者能够在 Android 应用中使用 C 和 C++ 代码,并提供众多平台库。官方默认使用CMake作为构建工具。
原创
博文更新于 2025.04.11 ·
1053 阅读 ·
11 点赞 ·
0 评论 ·
6 收藏

写给新人的深度学习扫盲贴:ReLu和梯度

什么是梯度?梯度是多元函数在某一点处变化率最大的方向及其大小,是导数的多维推广。数学定义:对函数fx1x2xnfx1​x2​...xn​∇f∂f∂x1∂f∂x2∂f∂xn∇f∂x1​∂f​∂x2​∂f​...∂xn​∂f​物理意义:梯度指向函数值增长最快的方向,梯度大小表示变化速率。
原创
博文更新于 2025.04.09 ·
964 阅读 ·
15 点赞 ·
1 评论 ·
14 收藏

RK3588芯片NPU的使用:Windows11 Docker中运行MobileNet模型以及部署到开发板进行目标检测

Docker启动后,来到rknn_model_zoo中mobilenet的示例目录│ ├── cpp # Cpp项目例子,部署会用到 │ ├── model # 模型目录 │ │ ├── bell.jpg # 例子中用到的待检测图片 │ │ ├── download_model.sh # 下载模型脚本 │ │ └── synset.txt # ImageNet类别标签文件 │ └── python # Python工具链 | └── mobilenet.py # 核心工具脚本。
原创
博文更新于 2025.04.08 ·
1120 阅读 ·
13 点赞 ·
0 评论 ·
17 收藏

MobileNet简介:一个轻量化的神经网络架构|嵌入式与边缘计算

从V1到V4,MobileNet的演进体现了轻量化模型设计的三大趋势:**自动化架构搜索**、**硬件协同优化**与**通用性提升**。随着MobileNet V4在移动生态中的普及,边缘智能将加速渗透至智能安防、工业检测、远程医疗等领域。
原创
博文更新于 2025.04.07 ·
1818 阅读 ·
6 点赞 ·
0 评论 ·
10 收藏

RKNN-Toolkit2支持的深度学习框架技术浅析:Caffe、TensorFlow、TF Lite、ONNX、DarkNet与PyTorch

RKNN-Toolkit2支持的深度学习框架包括Caffe、TensorFlow、TensorFlow Lite、ONNX、DarkNet和PyTorch。
原创
博文更新于 2025.04.06 ·
1107 阅读 ·
24 点赞 ·
0 评论 ·
12 收藏
加载更多