luoshiyong123的博客

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！

原创 ultralytics库RT-DETR代码解析

其中，主要包含了4个函数，_get_encoder_input函数将输入整理成需要的形状，get_cdn_group添加了类似于DN-DETR的去噪分组方法，_get_decoder_input，decoder进行注意力计算。下边详细来看看这4个函数具体过程。这里相信看过我文章的小伙伴已经非常熟悉了，通过[w,h]来生成对应的锚点，只不过这里有一点特殊，这里的锚点坐标是归一化后的，另外，针对锚点归一化后的值小于0.01或者大于0.99都是无效的，所以这里维护了一个valid_mask来得到有效的锚点。

原创 yoloseg分割模型精度提高技巧（干货）

可选的解决方案是可以提前进行目标区域裁剪来减少这种损失。众所周知，在实时实例分割领域，可用的方法并不多，2019年yoloact的问世给了给了众多算法工程师一个不错的选择，之后yolo系列的实例分割方法也一直按照yoloact的思路进行实例分割任务。在部署过程中，最耗时的操作就是protos【b,32,160,160】和weights【b,20,32】之间进行的矩阵相乘操作，这个提升的解决方案有很多，以下是一些可选方案。：如果可以接受精度损失的话，在训练过程中可以把32个protos减小到16个或者8个。

原创 如何在yolov8中使用ATSS策略

在yolov8中使用的标签匹配策略是TAL,本篇文章解析一下ATSS代码相关实现以及如何把ATSS放到yolov8中使用。其次在loss.py中将assigner改为ATSS。

原创 ATSS匹配策略—CVPR 2020

ATSS标签匹配论文解读

原创 视觉大作战专栏感想

最后，就是伙伴招募了，从读书阶段到工作，一直没有志同道合的小伙伴可以并肩作战，希望在高质量文章创作上有几个小伙伴一起，主要的工作是在这个专栏里输出视觉的高质量文章，并经过我的审核发布。成功入伙的伙伴根据文章阅读量的比例可以获得等比的专栏分成，当然最主要的还是持续鼓舞自己不断学习，输出高质量文章~，比如pyqt,deepstream,rknn,android,ncnn,tensorrt等等的心得。（如yolo系列，实例分割、全景分割，目标跟踪，多模态等等）（如提速，量化，蒸馏，剪枝等等）

原创 yolov8如何评价结果

为的意义是确定41个预测box在某个iou标准下是否是TP,所以维度是[41, 10] ，41表示有41个预测box,10表示10个iou标准，分别为[0.5000, 0.5500, 0.6000, 0.6500, 0.7000, 0.7500, 0.8000, 0.8500, 0.9000, 0.9500]bbox为gt中的box信息，维度为（1，3），cls为gt的类别信息，维度为（1）bbox为gt中的box信息，维度为（1，4），cls为gt的类别信息，维度为（1）