luoshiyong123的博客

原创 医学图像2025-2026分割方向文章精选

本报告针对国际期刊Computers in Biology and Medicine（CBM）在2025年和2026年发表的图像分割（Image Segmentation）与目标检测（Object Detection）方向的开源论文进行系统性调研。CBM是计算机科学与生物医学交叉领域的顶级期刊，影响因子稳定在较高水平，其发表的论文在医学图像分析、深度学习辅助诊断等方面具有重要的学术影响力。

原创 视觉 / 多模态强化学习 主流环境与开源案例汇总

以下内容分为核心训练 / 评测环境和经典 & 前沿落地案例两部分，覆盖从入门级基准到工业级框架，全部包含开源方案与核心特性，适配 2025-2026 年最新技术进展。

原创 无人机智能体的实现的一些思考

最近打算实现一个基于无人机场景的智能体，能够统一这个领域的一些相关应用。

原创 世界目标检测（Open-Vocabulary Detection）领域前沿模型与技术调研报告

开放词汇目标检测（Open-Vocabulary Object Detection，简称OVD）是计算机视觉领域近年来最具突破性的研究方向之一，旨在使目标检测模型能够识别训练过程中未曾见过的物体类别，从而实现真正意义上的“万物检测”。随着视觉-语言预训练模型的快速发展，特别是CLIP、DINO等技术的成熟，OVD领域在2023至2025年间迎来了技术爆发的关键时期。本报告深入调研了该领域的核心技术路线、主要前沿模型、重要技术突破以及应用场景，为研究者和工程师提供全面而系统的技术参考。

原创 lightrag最全教程

参见我的cadn博客https://blog.csdn.net/luoshiyong123/article/details/158497222?spm=1001.2014.3001.5501LightRAG 是一个 基于知识图谱的检索增强生成（RAG）框架 ，与传统RAG的主要区别：参数名称默认值说明kv_storageJsonKVStorage键值存储vector_storageNanoVectorDBStorage向量存储graph_storageNetworkXStorage图存储doc_status

原创 lightrag安装和部署

如果遇到1的错误，这里是bun的版本问题，请卸载原来的版本，并安装v1.3.5版本。最后启动lightrag-server。（3）配置llm和embedding。(1)安装lightrag。(2) 安装webui。安装bunv1.3.5。这里应该就能正常安装了。

原创 目标匹配系列一之superpoint

采用类 VGG 的卷积主干（5 层卷积，无池化，步长 1，padding 保持特征图尺寸为输入的 1/8），输出 128 维特征图（H/8×W/8×128），为双分支提供共享特征。：将编码器输出扩展为 65 通道（8×8 像素块内 64 个位置的角点概率 + 1 个无角点概率），经 Softmax 得到概率图，再通过非极大值抑制（NMS）筛选出离散关键点坐标。（3）对第二步使用的图片进行几何变换得到新的图片，这样就有了已知位姿关系的图片对，把这两张图片输入SuperPoint网络，提取特征点和描述子。

原创 SAM3自动标注（segment anything3）

​ 与sam,sam2不同，sam3新增了对于text prompt的支持，也引入了“类别“的概念。​ 分割结果仍然很炸裂，感觉比许多抠图的模型都好。​ 在推理视频的视频也兼容了图片文件夹（

原创 qwen2.5vl源码解析

​ 在vit中比如划分patch是：756//14=54,1008/14=72，那每一个向量长度就是3*14*14=588长度，一共有54*72=3888个图像块,但是这里多了个时间维度2，所以向量长度就为3*2*14*14=1176。processor中处理text代码如下。

原创 图像与点云融合技术综述：近年来相关论文整理

对齐策略：从硬投影到软关联，从显式对齐到隐式学习，注意力机制和Transformer架构的引入显著提升了对齐的灵活性和鲁棒性。融合方法：从早期融合、深度融合到统一BEV空间融合，融合策略不断优化，在保留各模态优势的同时实现高效的信息整合。应用效果：在KITTI、nuScenes、Waymo等主流数据集上，融合方法相比单模态方法取得了显著的性能提升，特别是在远距离和小目标检测等难点场景中。发展趋势。

原创 rknn模型部署技巧

【代码】rknn模型部署技巧。

原创 mnn大模型推理之编译MNN

本文介绍了使用llm-export工具导出Qwen2.5-0.5B模型的过程。首先通过源码安装llm-export，下载模型并测试效果后，将其导出为ONNX和MNN格式（支持自定义量化参数）。然后尝试编译mnn-llm库运行模型失败后，转而编译MNN主库成功运行demo。文章详细记录了各步骤的命令行操作，包括模型导出、编译选项和运行结果，为相关开发者提供了实践参考。

原创 第一课 安卓UI熟悉

这里的src/main/java/com.example.myui/MainActivity.kt是文件入口，然后在res下边建立一个xml界面文件，这个文件就是如何制作app的界面的，界面制作支持两种方式，一种就是通过在android里边直接点进去，这里会有很多的空间，通过拖拉拽，然后设置布局来设置界面，另外一种通过代码写布局，在AI没有出来之前肯定是第一种方便，但是现在直接通过大模型生成xml内容即可。之后就可以根据句柄去设置不同控件的回调函数，来做一些复杂的操作了。

原创 ue和airsim目标定位原理

（1）⽆⼈机⻜⾏⾼度低于3000⽶，这样可以把地⾯近似为平⾯，⽽⾮球体模型（2）待检测⽬标处于地平⾯上，⽽⾮建筑物之上，否则⽆法准确定位（好像也可以）

原创 airsim中的setting文件配置详细解析

【代码】airsim中的setting文件配置详细解析。

原创 ubuntu中docker环境使用界面方法

【代码】ubuntu中docker环境使用界面方法。

原创 Pix2seq全文解析

本文介绍了Pix2Seq目标检测框架，该框架将检测任务转换为语言建模问题。主要内容包括：(1)将检测标注转为token序列的方法，包括坐标离散化和特殊标记定义；(2)图像编码和解码过程，详细说明了掩码生成机制和Transformer解码器结构；(3)损失函数和预测头的实现方式；(4)对方法的评价，指出其简化了传统检测流程，但存在token生成效率问题。该方法创新性地使用语言模型思路解决检测任务，虽在推理效率上存在不足，但在大模型时代具有发展潜力。

原创 未来更新计划

1.如何用大模型+强化学习去提高像素级别分割的效果。2.强化学习+视觉去做定位+避障+导航。

原创 vscode代码同步服务器

为什么会写这篇帖子，是因为往往本地没有运行环境，但是本地可以连接公司的git，要想做到既能快速保存写代码过程中的每一处小的修改，也能做到服务器运行代码，在本地写代码，服务器运行，本地和服务器自动同步是个好的解决方案。

原创 wsl查看磁盘文件并清理空间

【代码】wsl查看磁盘文件并清理空间。

原创 无人机机器人资源整合

FAST_LIO。

原创 windows笔记本连接RKNN3588网络配置解析

这里如果本机是windows电脑的话，直接将以下的文件放（https://pan.baidu.com/s/1HRuZ0BlKFP65PEp1-16qFw?这几天拿到了一块RKNN3588的板子，准备做视觉和Ros开发用，但是拿到后就蒙蔽了，不知道怎么ssh连到板子上去，更甚者不知道怎么配置网络让RKNN能够联网更新环境，这里记录一下整个过程。：RKNN板子插上电源以后，通过USB-typec接口一端连接板子，一端连接电脑即可。如果是ubuntu环境的话，就更简单了，直接执行以下命令即可。

原创 ubuntu22.04编译PX4无人机仿真实践

如果某个python包安装失败，可以单独通过其他源来安装。编译完成即可显示：Ready for takeoff。克隆PX4源码，并且更新子模块。

原创 RKNN3588配置推理环境

【代码】RKNN3588配置推理环境。

原创 LLaMA-Factory微调DeepSeek-R1-Distill-Qwen-7B

根据患者的详细病史和实验室检查结果，可以得出以下结论：\n\n1. **病因分析**：\n - **细菌感染**：尤其是Streptococcus pyogenes，可能导致关节炎，常见于儿童。\n\n4. **治疗转归**：\n - **切开引流后体温下降**和**急性症状消退**：说明感染得到了初步控制，可能细菌已被清除。从不同的角度来看，答案可能会有所不同：\n\n1. **从生物学角度来看**：鸡的形成需要经过漫长的进化过程，可能需要先有母鸡或其他条件，然后再有蛋的出现。

原创 目标跟踪最新文章阅读列表

原创 nvidia-smi安装显卡驱动

发现是显卡供电不够的原因，一天白干。

原创 docker常用命令

【代码】docker常用命令。

原创 mmdet支持custom数据集格式读取和评测

在使用mmdet过程中，通常使用coco格式的数据格式，或者使用cocoapi进行精度的评测，不得不说一句太麻烦了，因为通常我们的det标注都是通过labelme或者其他标注软件来的，而且coco格式的标注把所有的数据放到一起不利于对单个文件管理。parse_data_info和filter_data两个方法。如果有不懂的欢迎提问~

原创 检测及分割常用标注格式转换

【代码】检测及分割常用标注格式转换。

原创 yolov8以及yolov10增加小目标检测层

【代码】yolov8以及yolov10增加小目标检测层。

原创 unet/transunet/setr结构PPT图

unet,transunet,setr网络结构

原创 qwen2.5vl技术报告解读

通义千问

原创 python面试高频考点（深度学习大模型方向）

在Python中，上下文管理器（Context Manager） 是一种通过 with 语句管理资源的协议，确保资源（如文件、数据库连接、线程锁等）在使用后被正确释放，避免资源泄漏return self.file # 返回资源对象self.file.close() # 确保文件关闭# 使用示例3.python中的函数传参是传值还是传引用？变量是对象的标签：Python中变量本身不存储值，而是存储对对象的引用（即内存地址）。

原创 Linux系统增加用户用于深度学习

【代码】Linux系统增加用户用于深度学习。

原创 pyqt实现yolov8主界面和登录界面以及数据库

【代码】pyqt实现yolov8主界面和登录界面以及数据库。

原创 mmdet数据读取过程解析

最近在将mmdet适配到自己的数据上，经过研究发现mmdet仅支持coco，voc等少数几类数据集，所以需要自己重新写一个dataset来解决，顺便熟悉一下mmdet的数据读取过程，这里以检测任务的yolov3为模型，voc数据集为例子来解析这个过程1.数据读取过程解析 这里在mmdetection/mmdet/datasets/cisdi.py新建了一个数据集CisdiDataset，其中内容参考voc数据集这里的JsonData

原创 vscode调试常用选项

在vscode调试过程中，存在一个文件来控制调试的相关选项，位置为mmdetection/.vscode/launch.json。

原创 目标检测之DINO详解

相比之下，我们的混合查询选择方法仅使用前K个选定特征来增强位置查询，并保持内容查询的可学习性不变。method for anchor initialization，a look forward twice scheme for box pre diction，在coco上使用resnet多尺度特征获得了（和DN-DETR相比）+6.0AP和+2.7AP的显著提升（12epoch和24epoch）,DINO在取得更好结果的同时，显著减少了模型大小和预训练数据量。在DETR和DN-DETR 中，解码器。

原创 基于ultralytics库的RTDETR独家大全（原创）

RTDETR作为目标检测和分割领域的新兴技术，具有巨大的发展潜力。通过本专栏的基础入门和高阶创新改进部分的学习，读者将能够全面了解RTDETR的基本原理、实现方法以及优化策略，为进一步的研究和应用打下坚实的基础。期待与大家一起在视觉大作战专栏中探索RTDETR的无限可能！