人工智能_SYBH-CSDN博客

原创 YOLOv5/v8车牌识别系统，QT可视化界面，可更换模型，更换.pt文件可以可视化其他深度学习项目，详细环境搭建+视频展示

yolov5/yolov8车牌识别2.0可视化QT界面runs文件夹中，存放训练和评估的结果图。

2024-05-07 16:03:40 2517 29

原创 2024年车辆检测+车距检测+行人检测+车辆识别+车牌识别+车距预测（附YOLOv5和YOLOv8最新版源码）

运用yolov5进行车距检测，车辆识别，行人识别，车牌检测！

2023-01-12 22:41:44 17791 53

原创计算机二级C语言题库（60套真题+刷题软件）2024年新题第二套

1、在数据库的三级模式中,外模式（用户模式或子模式）_____。A. 只有3个B. 只有2个C. 可以有任意多个D. 只有1个本题考查的知识点是数据库设计基础。外模式也称子模式或用户模式。它是用户的数据视图，也就是用户所见到的数据模式，它由概念模式推导而出。概念模式给出了系统全局的数据描述而外模式则给出每个用户的局部数据描述。一个概念模式可以有若干个外模式，每个用户只关心与它有关的模式，这样不仅可以屏蔽大量无关信息而且有利于数据保护。所以本题答案为C。2、在商场购物时,顾客可以购买不同的商品,而同样的商品也

2022-10-08 23:02:34 33151 1

原创 AI识别教程 yolov5 （穿越火线，csgo等FPS游戏识别）

该程序不需要用游戏内存数据，也不往服务器发送作弊指令，只是通过计算机视觉来分析游戏画面，定位敌人，把准星移动过去，跟人类玩家操作一模一样，因此反外挂程序无法检测到它。而且更恐怖的是这AI程序全平台通用，把操作送进去，就可以实现“枪枪爆头”。.....................

2022-04-29 19:27:35 39196 76

原创 python爬虫项目（二十）：爬取旅游网站景点信息及评价，构建旅游推荐平台

在数字化时代，越来越多的人通过旅游网站来规划旅行，获取目的地的信息和用户评价。因此，构建一个旅游推荐平台，能够帮助用户更方便地找到他们感兴趣的景点，将极大提高用户的旅行体验。本项目将围绕爬取旅游网站的景点信息和用户评价，构建一个基于推荐系统的旅游平台。通过爬取旅游网站的景点信息和用户评价，并构建旅游推荐平台，我们能够为用户提供个性化的景点推荐。这种推荐系统不仅能提高用户的体验，还能为旅游网站带来更高的用户黏性。未来可以考虑加入更多的用户行为数据和景点特征，以提升推荐的准确性。

2024-10-01 23:50:14 517

原创 python爬虫项目（十九）：爬取各大美食网站食谱数据，建立美食推荐系统

随着互联网的发展，美食网站如雨后春笋般涌现，成为了用户获取食谱和烹饪技巧的重要平台。本项目旨在爬取各大美食网站的食谱数据，构建一个美食推荐系统，帮助用户更轻松地找到他们感兴趣的食谱。通过爬取各大美食网站的食谱数据并构建美食推荐系统，我们能够为用户提供个性化的食谱推荐。这种推荐系统不仅能提高用户的体验，还能为美食网站带来更高的用户黏性。未来可以考虑加入更多的用户行为数据和食谱特征，以提升推荐的准确性。可以使用用户的评分数据构建用户-食谱矩阵，使用ALS（交替最小二乘法）或SVD（奇异值分解）进行推荐。

2024-10-01 23:48:23 768

原创 python爬虫项目（十八）：爬取视频并进行视频内容分析

短视频平台拥有大量的用户和丰富的视频内容。随着短视频的迅猛发展，对这些视频内容的分析也越来越受到关注。通过视频，并进行内容分析，可以帮助我们理解用户偏好、热门内容类型以及潜在的营销机会。通过爬取视频数据并进行内容分析，我们能够获得对用户偏好的深入了解。：由于的反爬虫机制，直接爬取这些平台的数据可能会受到限制，建议使用API（如开放平台的API）进行数据获取。我们可以使用NLTK或TextBlob进行情感分析，以了解用户对视频的情感倾向。对于视频内容的分析，我们可以统计每个视频的标签，识别热门主题。

2024-10-01 23:45:46 623

原创 python爬虫项目（十七）：爬取书籍评论数据，构建自动化推荐系统

在信息爆炸的时代，书籍评论作为用户对图书的反馈和评价，不仅对其他读者的购书决策有重要影响，也为书籍推荐系统提供了宝贵的数据资源。我们可以通过交叉验证的方式计算这些指标，并调整推荐算法的参数，以提升推荐效果。通过爬取书籍评论数据并构建自动化推荐系统，我们能够帮助用户快速找到符合其兴趣的书籍。项目中涉及的数据爬取、数据处理、推荐算法和模型评估等多个方面，展示了数据科学在实际应用中的重要性。希望本博客能够为你在书籍推荐系统的构建方面提供有价值的指导，激励你进一步探索数据科学与推荐系统的结合。

2024-10-01 23:43:29 788

原创 python爬虫项目（十六）：爬取各大视频网站评论，分析用户对不同类型视频的反应

这些平台上，用户的评论不仅反映了对视频内容的直接反馈，更是潜在的市场趋势和用户偏好的重要数据源。通过分析用户评论，我们可以深入了解用户对不同类型视频的反应，进而为内容创作者和营销人员提供有价值的洞察。本博客将详细介绍如何爬取视频网站的评论数据，并对这些评论进行情感分析，最后总结出用户对不同类型视频的反应特点。例如，可能会发现搞笑视频的评论多为正面，而科技类视频的评论则可能更加中性或负面。通过对各大视频网站评论的爬取与分析，我们不仅能够深入理解用户的偏好和行为，还能够为内容创作者提供宝贵的反馈。

2024-10-01 23:41:42 636

原创 python爬虫项目（十五）：爬取房产中介网站，分析房价变化趋势

爬取特定房产中介网站的数据（如链家、房天下等）。清洗和处理数据，确保数据质量。分析房价变化趋势。可视化房价变化，为决策提供依据。

2024-10-01 23:37:59 624

原创 python爬虫项目（十四）：构建区域经济发展动态监测系统

爬取特定的政府公开数据（如GDP、就业率、产业结构等）。清洗与处理数据，确保数据的准确性和一致性。可视化展示区域经济发展的动态变化。使用机器学习模型进行经济趋势预测。通过本篇博客，我们实现了一个区域经济发展动态监测系统，详细介绍了从数据爬取、清洗、可视化到经济趋势预测的整个流程。该系统不仅可以帮助我们实时监测区域经济的发展动态，还能为经济政策的制定和调整提供数据支持。未来，我们可以进一步扩展系统的功能，提升模型的准确性，使其在区域经济研究中发挥更大的作用。

2024-10-01 23:35:34 305

原创 python爬虫项目（十三）：爬取各类网盘的资源链接，搭建资源搜索平台

通过爬取各类网盘资源链接并搭建搜索平台，我们为用户提供了方便的资源查找服务。用户评论系统：允许用户对资源进行评论和评分，提升平台的互动性。资源分类功能：根据资源类型、大小等信息对资源进行分类，提高搜索效率。多平台整合：支持更多的网盘平台，扩大资源范围。

2024-10-01 23:32:14 518

原创 python爬虫项目（十二）：爬取各大音乐平台排行榜并分析音乐类型趋势

爬取各大音乐平台（如网易云音乐、QQ音乐、酷狗音乐等）的排行榜数据。分析不同音乐类型的趋势，如流行、摇滚、电子等。可视化结果，展示不同音乐类型在排行榜中的变化。通过本项目，我们成功爬取了各大音乐平台的排行榜数据，并对音乐类型的趋势进行了分析。爬取数据：使用requests和爬取网易云音乐和 QQ 音乐的排行榜。数据处理：将数据存储在 DataFrame 中，并根据歌曲名称匹配音乐类型。趋势分析：对不同类型的音乐进行统计和分析，了解趋势变化。可视化：使用matplotlib和seaborn。

2024-10-01 23:20:54 158

原创 python爬虫项目（十一）：爬取知乎问题及答案数据，进行用户兴趣偏好分析

爬取知乎上的某个问题及其答案数据。基于答案内容和用户信息分析用户的兴趣偏好。进行数据可视化，展示用户对特定话题的兴趣和趋势。爬取知乎数据：使用Selenium爬取知乎的答案和用户信息。数据预处理：对答案进行中文分词和清洗，为后续分析做准备。兴趣偏好分析：使用TF-IDF或LDA模型进行主题分析，提取用户在讨论中的兴趣关键词。情感分析：使用SnowNLP对答案进行情感分类，了解用户对问题的态度。数据可视化：通过柱状图、词云等方式展示用户的兴趣偏好和情感分布。

2024-10-01 23:18:45 464

原创 python爬虫项目（十）：爬取微博热搜榜数据并分析不同话题的流行周期

通过爬取微博热搜榜数据并分析不同话题的流行周期，我们能够清晰地了解热门话题的生命周期及其热度变化。拓展数据范围：增加更多的时间节点，进行长期趋势分析。情感分析：对话题相关的评论进行情感分析，了解用户情绪对话题流行的影响。机器学习模型：尝试使用机器学习模型预测未来热搜话题，探索更复杂的影响因素。

2024-10-01 23:15:27 335

原创 python爬虫项目（九）：爬取京东/淘宝商品评论并进行情感分析

爬取电商平台（如京东、淘宝）上某商品的评论。分析评论的情感倾向（如正面、负面、中性）。数据可视化，展示不同评论情感的比例和具体分析。

2024-10-01 23:13:04 307

原创 python爬虫项目（八）：爬取B站视频数据并进行视频流行趋势预测

随着视频平台的普及，B站（哔哩哔哩）作为中国知名的弹幕视频网站，拥有大量用户和内容创作者。我们可以利用ARIMA模型进行时间序列预测，特别适合预测连续时间点上的数据，如视频播放量的增长趋势。# 可视化相关系数矩阵。

2024-10-01 23:10:29 635

原创 python爬虫项目（七）：爬取天气预报网站数据，分析不同地区的气候变化趋势

爬取天气预报网站的数据，获取不同地区的气温、湿度、降水量等气候信息。对这些数据进行分析，发现不同地区的气候变化趋势。通过可视化手段展示气候变化的长期趋势。

2024-10-01 23:08:31 572

原创 python爬虫项目（六）：爬取豆瓣电影评论数据并建立电影评分预测模型

本文通过爬取豆瓣电影评论数据，利用自然语言处理技术进行文本分析，结合机器学习与深度学习模型构建了一个电影评分预测系统。未来可以结合更多特征，如用户个人偏好、电影类型、上映时间等，进一步优化预测效果。

2024-10-01 23:04:33 270

原创 python爬虫项目（五）：爬取社交媒体评论并分析热点话题

爬取社交媒体评论（如Twitter、Reddit、微博等平台）。对爬取的文本数据进行预处理，提取出关键的词汇和话题。通过文本聚类、主题模型等方法识别热门话题。使用数据可视化工具展示热点话题的分布和趋势。

2024-10-01 23:02:24 536

原创 python爬虫项目（四）：爬取股票市场数据并构建自动化投资决策系统

通过上述步骤，我们成功构建了一个能够从股票市场爬取数据、进行技术分析和机器学习预测，并结合自动化交易策略的投资决策系统。在未来，可以结合更多的金融衍生品数据、市场情绪分析等进一步提升预测的准确性，构建一个更加复杂和全面的自动化投资系统。

2024-10-01 23:00:11 489

原创 python爬虫项目（三）：爬取各大新闻门户网站的新闻内容，生成情感分析报告

使用爬虫技术从几个大型新闻门户网站上抓取新闻内容。对抓取到的新闻进行预处理（如去除无效字符、分词等）。使用自然语言处理技术进行情感分析，并将结果可视化。分析各新闻网站的情感倾向，生成一份情感分析报告。

2024-10-01 22:57:56 311

原创 python爬虫项目（二）：爬取招聘网站岗位信息并进行求职者偏好分析

通过招聘网站的岗位信息爬取和求职者偏好分析，可以深入了解当前的就业市场趋势、求职者的偏好和热门技能需求。未来可以进一步细化分析，例如根据行业或职业类别进行更详细的研究，同时还可以结合更多的个人求职数据，帮助公司优化招聘策略。

2024-10-01 22:55:22 580

原创 python爬虫项目（一）：爬取电商网站商品价格变化历史并分析趋势

本文展示了如何通过先进的爬虫技术从电商网站中获取商品价格变化数据，并利用数据分析和预测技术分析价格趋势。通过结合时间序列模型与机器学习方法，能够较准确地预测未来价格波动，为电商商家和消费者提供有效的决策支持。

2024-10-01 22:51:33 503

原创 2024年中国研究生数学建模竞赛 A题风电场有功功率优化分配 chatgpt4 详细思路和代码

中国研究生数学建模竞赛A题涉及风电场有功功率优化分配，其中每个问题具有不同的侧重点。接下来我将针对每个问题，详细解释解题思路，并给出相关的建模方法。如果需要代码的部分，会提供相应的详细代码。

2024-09-21 12:05:10 440

原创 2024年华为杯研究生数学建模大赛 E题高速公路应急车道紧急启用模型详细思路代码

以下代码将逐步展示如何实现每个模块。

2024-09-21 11:05:51 402

原创 2024年中国研究生数学建模竞赛D题大数据驱动的地理综合问题思路代码

通过年平均降雨量的变化趋势以及最大最小值范围，我们可以总结出降雨量在1990到2020年间的波动情况以及是否存在显著的增加或减少趋势。暴雨形成与地形和气候密切相关，特别是在山区和海岸线附近，地形的起伏会影响气流运动，进而影响降水模式。地形因素如海拔高度、坡度、地形复杂度，结合气候因素如降水量、气温、风速，可以建立一个数学模型来描述地形-气候相互作用在极端天气中的影响。该模型通过结合地形和气候因素，揭示了地形对气候的调控作用。

2024-09-21 10:09:38 486

原创 2024年中国研究生数学建模竞赛F题 X射线脉冲星光子到达时间建模详细思路和代码

若光子到达探测器的时刻对应MJD为58119.1651507519，根据问题1中卫星的位置、速度以及附件4提供的脉冲星位置参考历元、自行参数信息，计算脉冲星光子到达航天器与太阳系质心间的时延（附件3提供了太阳系天体位置信息的DE系列历表）。若光子到达卫星时刻对应的MJD（约化儒略日）为57062.0（TT时间尺度，其含义见附录），根据问题1中卫星在GCRS中的位置坐标，在得到其在太阳系质心坐标系中位置基础上，计算脉冲星光子到达卫星与太阳系质心的传播路径时间差。脉冲星光子到达探测器的时间服从非齐次泊松分布。

2024-09-21 08:56:46 610

原创 2024年中国研究生数学建模竞赛E题高速公路应急车道紧急启用模型详细思路和代码

通常情况下，应急车道是救生通道，不能随意占用，但若合理使用，比如在某路段通过上、中、下游交通流量的监控发现很有可能会发生拥堵，而该路段没有发生事故的情况下，允许使用应急车道，及时降低车流密度，很有可能会避免一次大拥堵。交通事故是偶然的，随机的，难以控制，不在本题的讨论范围内。当通过报警或无人机巡查发现该路段有交通事故发生时，再通过告示装置让正在应急车道上的车辆撤到行车道上（为了提高车辆撤离的效率，可通过无人机或沿途的高清摄像头将还在应急车道上的车牌显示在路旁的告示装置上），这样可以不影响道路救援。

2024-09-21 08:55:18 643

原创 2024年中国研究生数学建模竞赛D题大数据驱动的地理综合问题详细思路和代码

如以三大阶梯概括中国的地形特征，以秦岭—淮河一线和其它地理区划的方式揭示中国气温、降水、植被、土壤及生态环境在水平和垂直方向上的地带性与非地带性规律，利用胡焕庸线[4]、T型开发结构等描绘我国人口、社会和经济发展的总体格局。每一类覆被类型的文件分别以覆被类型的英文名词开头，以年份结尾。由于本题的附带数据较大（6个数据集，共6.24GB），参赛选手可从赛前24小时（北京时间2024年9月20日上午8:00）起，至竞赛结束（北京时间2024年9月25日中午12:00）止，下载加密过的数据集压缩包。

2024-09-21 08:54:16 818

原创 2024年中国研究生数学建模竞赛C题数据驱动下磁性元件的磁芯损耗建模详细思路和代码

请通过分析斯坦麦茨方程（公式（2）），在同一种磁芯材料、正弦波形下，对于不同温度变化，磁芯损耗预测效果存在的差异性，构造一种可适用于不同温度变化的磁芯损耗修正方程（即在原斯坦麦茨方程基础上，增加温度这个因素，以适应不同温度变化，使磁芯损耗预测效果更好）；在磁性元件的设计与优化领域内，磁芯损耗固然是一个不容忽视的核心评价指标，但在工程实践中，为了实现磁性元件整体性能的卓越与最优化，需要综合考虑多个评价指标，其中，传输磁能就是重要的评价指标之一，因此，同时考虑磁芯损耗与传输磁能这二个评价指标，

2024-09-21 08:53:31 1212

原创 2024年中国研究生数学建模竞赛B题 WLAN组网中网络吞吐量建模详细思路和代码

本专栏全部内容都是结合最新的OpenAI o1-preview、OpenAI o1-mini 整理发布，不存在代写论文，请不要盲目订阅，不支持退款，2024年所有数学建模竞赛赛题思路都会发布到专栏内，不用重复订阅。2024年中国研究生数学建模竞赛B题（华为题目）WLAN组网中网络吞吐量建模一、背景无线局域网（Wireless Local Area Network，WLAN）是一种无线计算机网络，使用无线信道作为传输介质连接两个或多个设备。WLAN基于IEEE 802.11标准不断演进，驱动力是人们的业

2024-09-21 08:52:19 747

原创 2024年中国研究生数学建模竞赛A题风电场有功功率优化分配详细思路和代码

风速与风机的发电功率之间具有正相关性，一个直观的理解是，当风所携带的风能被风机完全消化转化为电能后，风机所承受的推力（风推动风轮平面产生的推力）和扭矩（风轮实际转速与当前风速下应达到的转速不匹配带来的扭矩）是最小的；需展示所计算结果与数据中提供的雨流计数法所得结果的相似程度（能反映累积疲劳损伤程度增长情况即可，不必与参考结果相等），需将包括100s时长内所有100台风机的全部200件元件的每秒疲劳损伤值（可以不考虑在此之前的疲劳损伤值，即初始时刻可以从0开始）列入附件5表格中；关于疲劳损伤有几个基本概念。

2024-09-21 08:50:50 446

原创 2024年“华为杯”第二十一届中国研究生数学建模竞赛 F题 X射线脉冲星光子到达时间建模常用的思路和模型

本专栏全部内容都是结合最新的OpenAI o1-preview、OpenAI o1-mini 整理发布，不存在代写论文，请不要盲目订阅，不支持退款，2024年所有数学建模竞赛赛题思路都会发布到专栏内，不用重复订阅。

2024-09-20 21:36:00 488

原创 2024年“华为杯”第二十一届中国研究生数学建模竞赛 E题高速公路应急车道紧急启用模型常用的思路和模型

2024-09-20 21:35:07 943

原创 2024年“华为杯”第二十一届中国研究生数学建模竞赛 D题大数据驱动的地理综合问题常用的思路和模型

它通过将复杂问题分解为目标、准则、子准则和备选方案的层次结构，定性因素通过量化转化为定量因素，帮助决策者评估和比较各备选方案的重要性或优劣。比较依据专家经验或历史数据，通过标度量表对重要性进行打分，例如1表示同等重要，3表示一个因素稍微重要，5表示明显重要，7表示强烈重要，9表示极其重要。例如，城市交通流量优化可以通过AHP模型设定交通流量优化的目标，考虑安全性、经济性、效率等因素，最终得出最优的交通流管控方案。例如，评估医院效率时，投入变量可以是医生人数、床位数，产出变量可以是治愈人数、出院人数。

2024-09-20 21:32:14 662

原创 2024年“华为杯”第二十一届中国研究生数学建模竞赛 C题数据驱动下磁性元件的磁芯损耗建模常用的思路和模型

2024-09-20 21:29:53 1204

原创 2024年“华为杯”第二十一届中国研究生数学建模竞赛 B题 WLAN组网中网络吞吐量建模常用的思路和模型

2024-09-20 21:25:40 746

原创 2024年“华为杯”第二十一届中国研究生数学建模竞赛 A题风电场有功功率优化分配常用的思路和模型

2024-09-20 21:18:05 525

原创 2024 年华数杯全国大学生数学建模竞赛题目 A 题机器臂关节角路径的优化设计问题四思路和matlab代码，正在持续更新中

这段代码首先从Excel文件中读取了位置信息，然后绘制了一个散点图，每个点代表一个货物或者障碍物，通过文本标签展示每个点的标识。: 从附件.xlsx的Sheet2中读取多个货物和障碍物的位置信息。通常可以使用MATLAB的。函数需要根据具体机械臂的运动学模型和路径规划算法来实现，以计算出每个关节的角度路径。需要根据实际情况实现，其目的是从起始位置到第一个任务位置的最优路径规划。函数，将货物和障碍物的位置在地图上显示出来，以便直观地了解环境。: 使用MATLAB的绘图功能，例如。函数来读取Excel文件。

2024-08-04 23:26:00 188

第20章偏微分方程的数值解.pdf

第20章偏微分方程的数值解

2024-05-14

数学建模的29个通用模型及matlab解法.zip

第01章线性规划。第02章整数规划第03章非线性规划第04章动态规划第05章图与网络第06章排队论第07章对策论第08章层次分析法第09章插值与拟合第10章数据的统计描述和分析第11章方差分析第12章回归分析第13章微分方程建模第14章稳定状态模型第15章常微分方程的解法第16章差分方程模型第17章马氏链模型第18章变分法模型第19章神经网络模型第20章偏微分方程的数值解第21章目标规划第22章模糊数学模型第23章现代优化算法第24章时间序列模型第25章存贮论第26章经济与金融中的优化问题第27章生产与服务运作管理中的优化问题第28章灰色系统理论及其应用第29章多元分析第30章偏最小二乘回归

2024-05-14

yolo猫狗识别数据集，YOLO动物识别数据集，包括训练好的yolov5模型，包含几千张jpg和对应的txt文件

支持['bird','cat', 'cow', 'dog', 'horse', 'sheep']6种动物的检测 yolo猫狗识别数据集，YOLO动物识别数据集，包括训练好的yolov5模型，包含几千张jpg和对应的txt文件支持['bird','cat', 'cow', 'dog', 'horse', 'sheep']6种动物的检测 yolo猫狗识别数据集，YOLO动物识别数据集，包括训练好的yolov5模型，包含几千张jpg和对应的txt文件支持['bird','cat', 'cow', 'dog', 'horse', 'sheep']6种动物的检测 yolo猫狗识别数据集，YOLO动物识别数据集，包括训练好的yolov5模型，包含几千张jpg和对应的txt文件支持['bird','cat', 'cow', 'dog', 'horse', 'sheep']6种动物的检测 yolo猫狗识别数据集，YOLO动物识别数据集，包括训练好的yolov5模型，包含几千张jpg和对应的txt文件

2024-05-09

Squeezed Edge YOLO：边缘设备上的板载对象检测

由于其在自主导航中的关键作用，对高效车载物体检测的需求正在增加。然而，由于 YOLO 等资源受限的边缘设备上的计算要求很高，因此在此类模型上部署此类检测模型具有挑战性。本文研究了一种名为Squeezed Edge YOLO的压缩目标检测模型。该模型被压缩和优化为千字节的参数，以适应此类边缘设备的板载。为了评估 Squeezed Edge YOLO，使用了两个用例 - 人体和形状检测 - 来展示模型的准确性和性能。此外，该模型还部署在具有 8 个 RISC-V 内核的 GAP8 处理器和具有 4GB 内存的 NVIDIA Jetson Nano 上。实验结果表明，Squeezed Edge YOLO模型尺寸优化了8倍，能效提高了76%，整个过程提高了3.3倍。

2024-04-11

奥地利自动驾驶深度学习视觉模型YOLO和DETR的首次定性观察

本研究探讨了单阶段和两阶段二维目标检测算法的应用，如你只看一次（YOLO）、实时设计模型（RT-DETR）算法在自动物体检测中的应用，以提高奥地利道路上自动驾驶的道路安全性。YOLO算法是一种最先进的实时物体检测系统，以其效率和准确性而闻名。在驾驶环境中，其快速识别和跟踪物体的潜力对于高级驾驶辅助系统（ADAS）和自动驾驶汽车至关重要。该研究的重点是奥地利的道路状况和交通情况带来的独特挑战。该国多样化的景观、不同的天气条件和特定的交通法规需要一种量身定制的方法来进行可靠的物体检测。该研究利用了一个选择性数据集，包括在奥地利道路上拍摄的图像和视频，包括城市、农村和高山环境。

2024-04-11

使用YOLO从SDSS图像中检测到边缘低表面亮度星系候选星系

低表面亮度星系（LSBG）是星系群中较暗的成员，被认为是众多的。然而，由于它们的表面亮度低，寻找广域LSBGs样本是困难的，这反过来又限制了我们充分了解星系的形成和演化以及星系关系的能力。边缘LSBG由于其独特的方向，为研究星系结构和星系成分提供了极好的机会。在这项工作中，我们利用You Only Look Once目标检测算法，通过在斯隆数字巡天（SDSS）中训练281个边缘LSBG来构建边缘LSBG检测模型gri-波段合成图像。该模型在测试集上的召回率为94.64%，纯度为95.38%。我们搜索了 938,046gri来自 SDSS 数据发布 16 的波段图像，发现了 52,293 个候选 LSBG。为了提高候选LSBG的纯度并减少污染，我们采用了深度支持向量数据描述算法来识别候选样品中的异常。最终，我们编制了一个包含 40,759 个边缘 LSBG 候选药物的目录。该样本与训练数据集具有相似的特征，主要由蓝色边缘的 LSBG 候选者组成。该目录可通过此 https URL 在线获取。

2024-04-11

yolo使用TomFormer及早准确检测番茄叶病

番茄叶病对番茄种植者构成了重大挑战，导致作物产量大幅下降。及时准确地识别番茄叶病对于成功实施病害管理策略至关重要。本文介绍了一种基于变压器的模型，称为TomFormer，用于番茄叶病检测。该论文的主要贡献包括以下几点：首先，我们提出了一种检测番茄叶病的新方法，即采用结合视觉转换器和卷积神经网络的融合模型。其次，我们的目标是将我们提出的方法应用于Hello Stretch机器人，以实现番茄叶病的实时诊断。第三，我们通过将我们的方法与 YOLOS、DETR、ViT 和 Swin 等模型进行比较来评估我们的方法，证明其能够实现最先进的结果。为了进行实验，我们使用了三个番茄叶病数据集，即 KUTomaDATA、PlantDoc 和 PlanVillage，其中 KUTomaDATA 是从阿联酋阿布扎比的一个温室收集的。最后，我们对模型的性能进行了全面分析，并彻底讨论了我们方法固有的局限性。TomFormer 在 KUTomaDATA、PlantDoc 和 PlantVillage 数据集上表现良好，平均准确率（mAP）得分分别为 87%、81% 和 83%。mAP的比较结果表明，我们的方法

2024-04-11

具有混合注意力特征金字塔网络的YOLO算法，用于焊点缺陷检测

传统的人工检测焊点缺陷在工业生产中不再适用，因为效率低、评估不一致、成本高、缺乏实时数据。针对工业场景表面贴装技术中焊点缺陷检测精度低、误检率高、计算成本高等问题，提出了一种新的方法。所提出的解决方案是专门为焊点缺陷检测算法设计的混合注意力机制，通过提高精度同时降低计算成本来改善制造过程中的质量控制。混合注意力机制包括一种增强的多头自注意力和协调注意力机制，增加了注意力网络感知上下文信息的能力，并增强了网络特征的利用范围。坐标注意力机制增强了不同通道之间的连接，减少了位置信息丢失。混合注意力机制增强了网络感知远距离位置信息和学习局部特征的能力。改进后的算法模型对焊点缺陷检测具有较好的检测能力，mAP达到91.5%，比“只看一次”第5版算法高4.3%，优于其他对比算法。与其他版本相比，平均平均精度、精度、召回率和每秒帧数指标也有所改进。在满足实时检测要求的同时，可以提高检测精度。

2024-04-11

DiffYOLO：通过YOLO和扩散模型进行抗噪声目标检测

以YOLO系列为代表的目标检测模型得到了广泛的应用，并在高质量的数据集上取得了很好的成绩，但并不是所有的工作条件都是理想的。为了解决在低质量数据集上定位目标的问题，现有方法要么训练新的目标检测网络，要么需要大量低质量数据集进行训练。然而，我们在本文中提出了一个框架，并将其应用于称为 DiffYOLO 的 YOLO 模型。具体来说，我们从去噪扩散概率模型中提取特征图，以增强训练有素的模型，这使我们能够在高质量数据集上微调YOLO，并在低质量数据集上进行测试。结果证明，该框架不仅可以证明在噪声数据集上的性能，还可以证明在高质量测试数据集上的检测结果。我们稍后将补充更多的实验（使用各种数据集和网络架构）。

2024-04-11

YOLOv7无人机实时探测人体

计算机视觉和遥感中最重要的问题之一是物体检测，它可以识别图片中不同事物的特定类别。公共安全的两个关键数据来源是无人驾驶飞行器（UAV）产生的热红外（TIR）遥感多场景照片和视频。由于目标尺度小，场景信息复杂，相对于可观看视频的分辨率较低，并且缺乏公开可用的标记数据集和训练模型，因此其目标检测过程仍然很困难。本研究提出了一种用于图片和视频的UAV TIR目标检测框架。用于收集地面TIR照片和视频的前视红外（FLIR）相机用于创建基于CNN架构的“你只看一次”（YOLO）模型。结果表明，在验证任务中，使用YOLOv7（YOLO版本7）最先进的模型\cite{1}，检测人体的平均精度为IOU（Intersection over Union）= 0.5，为72.5%，而检测速度约为161帧/秒（FPS/秒）。该应用展示了YOLO架构的实用性，该应用根据YOLOv7模型从各种无人机的观察角度评估了无人机TIR视频中人员的交叉检测性能。本工作对使用深度学习模型的TIR图片和视频目标检测进行定性和定量评估得到了有利的支持。

2024-04-11

使用 YOLO 对牛栏编号进行分类

本文介绍了CowStallNumbers数据集，该数据集是从奶牛视频中提取的图像集合，旨在推进奶牛摊位数量检测领域。该数据集包括 1042 张训练图像和 261 张测试图像，摊位数范围为 0 到 60。为了增强数据集，我们对YOLO模型进行了微调，并应用了数据增强技术，包括随机裁剪、中心裁剪和随机旋转。实验结果表明，识别失速数的准确率为95.4%。

2024-04-11

YOLO-Former：YOLO与ViT握手

所提出的YOLO-Former方法将Transformer和YOLOv4的思想无缝集成，创建了一个高精度、高效率的目标检测系统。该方法利用了 YOLOv4 的快速推理速度，并通过集成卷积注意力和 transformer 模块，融合了 transformer 架构的优势。结果验证了所提方法的有效性，在Pascal VOC数据集上的平均精度（mAP）为85.76\%，同时保持了较高的预测速度，帧速率为每秒10.85帧。这项工作的贡献在于展示了这两种最先进技术的创新组合如何导致目标检测领域的进一步改进。

2024-04-11

使用 YOLOv7 和 ESRGAN 改进坑洼检测

坑洼是常见的道路危险，会对车辆造成损坏并给驾驶员带来安全风险。卷积神经网络（CNN）的引入在业界广泛用于基于深度学习方法的目标检测，并在硬件改进和软件实现方面取得了重大进展。在本文中，提出了一种独特的更好算法，以保证使用低分辨率相机或低分辨率图像和视频源，通过超分辨率生成对抗网络（SRGAN）使用超分辨率（SR）进行自动坑洼检测。然后，我们继续使用 You Only Look Once （YOLO）网络（即 YOLOv7 网络）在低质量和高质量行车记录仪图像上建立基线坑洼检测性能。然后，我们说明并检查了在对低质量图像进行放大实施后，在基准之上获得的速度和准确性。

2024-04-11

基于YOLO的动态序列匹配模型，实现高效的无覆盖图像隐写

许多现有的无封面隐写术方法在封面图像和隐藏数据之间建立了映射关系。存在一个问题，即存储在数据库中的图像数量会随着隐写能力的增加而呈指数增长。对高隐写能力的需求使得构建图像数据库具有挑战性。为了提高隐写系统的图像库利用率和抗攻击能力，我们提出了一种基于动态匹配子串的高效无覆盖方案。YOLO用于选择最优对象，并在这些对象和加扰因子之间建立映射字典。借助该字典，每个图像都被有效地分配给特定的加扰因子，该因子用于加扰接收器的序列键。为了在有限的图像库中实现足够的隐写能力，加扰序列的所有子串都具有隐藏数据的潜力。完成秘密信息匹配后，将从数据库中获得理想数量的stego图像。实验结果表明，该技术在数据负载、传输安全性、隐藏能力等方面优于以往大多数工作。在典型的几何攻击下，它平均可以恢复79.85%的秘密信息。此外，只需要大约 200 个随机图像即可满足每个图像 19 位的容量。

2024-04-11

基于深度学习的综合感知与通信系统中的目标-用户关联

在集成传感和通信（ISAC）系统中，将雷达目标与通信用户设备（UE）相匹配可用于多种通信任务，例如主动切换和波束预测。在本文中，我们考虑了一种雷达辅助通信系统，其中基站（BS）配备了具有双重目标的多输入多输出（MIMO）雷达：（i）将车载雷达目标与通信波束空间中的车载设备（VE）相关联，以及（ii）根据雷达数据预测每个VE的波束成形矢量。建议的目标用户（T2U）关联包括两个阶段。首先，从距角图像中检测车辆雷达目标，并估计每个目标的波束成形矢量。然后，将推断出的每目标波束成形矢量与BS上用于通信的波束成形矢量进行匹配，以执行目标到用户（T2U）关联。通过修改“只看一次”（YOLO）模型，在模拟的距离角度雷达图像上进行训练，从而获得联合多目标检测和波束推理。不同城市车辆出行情景下的仿真结果表明，所提T2U方法提供了随BS天线阵列尺寸增加而增加的正确关联概率，突出了波束空间中VE可分离性的相应增加。此外，我们表明，改进后的YOLO架构可以有效地进行波束预测和雷达目标检测，在不同天线阵列尺寸下，后者的平均精度相似。

2024-04-11

使用基于YOLO的学习方法对农业进行实时目标检测和机器人操作

优化普通种植作物的作物收获过程对于农业产业化的目标具有重要意义。如今，机器视觉的利用使农作物的自动识别成为可能，从而提高了收割效率，但挑战仍然存在。本研究提出了一个新框架，该框架结合了卷积神经网络（CNN）的两个独立架构，以便在模拟环境中同时完成作物检测和收获（机器人操作）的任务。模拟环境中的裁剪图像会进行随机旋转、裁剪、亮度和对比度调整，以创建用于数据集生成的增强图像。“你只看一次”算法框架与传统的矩形边界框一起使用，用于作物定位。随后，所提出的方法通过视觉几何组模型利用获取的图像数据，以揭示机器人操作的抓取位置。

2024-04-11

YOLO-World：实时开放词汇对象检测

You Only Look Once （YOLO）系列探测器已成为高效实用的工具。但是，它们对预定义和训练对象类别的依赖限制了它们在开放场景中的适用性。为了解决这一局限性，我们引入了 YOLO-World，这是一种创新方法，通过视觉语言建模和大规模数据集的预训练，增强了 YOLO 的开放词汇检测功能。具体而言，我们提出了一种新的可重新参数化的视觉-语言路径聚合网络（RepVL-PAN）和区域-文本对比损失，以促进视觉和语言信息之间的交互。我们的方法擅长以零射程、高效率检测各种物体。在具有挑战性的 LVIS 数据集上，YOLO-World 在 V100 上以 52.0 FPS 实现了 35.4 AP，在准确性和速度方面都优于许多最先进的方法。此外，经过微调的 YOLO-World 在多个下游任务上取得了出色的性能，包括对象检测和开放词汇实例分割。

2024-04-11

基于YOLO的红外小目标检测范式

在计算机视觉中，检测红外图像中从小到小的目标是一项具有挑战性的任务，尤其是在将这些目标与嘈杂或有纹理的背景区分开来时。与分割神经网络相比，YOLO 等传统目标检测方法难以检测微小目标，导致检测小目标时性能较弱。为了在保持高检测率的同时减少误报的数量，我们引入了反之亦然YOLO检测器训练的决策标准。后者利用了出乎意料的小目标，以区分他们与复杂背景。将这一统计标准添加到YOLOv7-tine中，弥合了用于红外小目标检测和目标检测网络的最先进的分割方法之间的性能差距。它还显著提高了YOLO在少镜头设置下的鲁棒性。

2024-04-11

使用YOLO v7在磁共振成像中检测肾脏

简介本研究探讨了使用最新的 You Only Look Once （YOLO V7）物体检测方法，通过训练和测试医学图像格式上的改进 YOLO V7，来增强医学成像中的肾脏检测。方法研究纳入878例肾细胞癌（RCC）不同亚型患者和206例肾脏正常患者。共检索到1084例患者的5657次MRI扫描。从回顾性维护的数据库中招募了 326 名患者，涉及 1034 个肿瘤，并在他们的肿瘤周围绘制了边界框。在 80% 的注释案例上训练了主要模型，其中 20% 用于测试（主要测试集）。然后使用最佳主要模型来识别其余 861 名患者的肿瘤，并使用该模型在他们的扫描中生成边界框坐标。创建了 10 个基准训练集，其中包含未分段患者的生成坐标。用于预测主要测试集中肾脏的最终模型。我们报告了阳性预测值（PPV）、灵敏度和平均精密度（mAP）。结果初级训练集的平均PPV为0.94 +/- 0.01，灵敏度为0.87 +/- 0.04，mAP为0.91 +/- 0.02。最佳主要模型的 PPV 为 0.97，灵敏度为 0.92，mAP 为 0.95。最终模型的平均 PPV 为 0.95 +/- 0.03

2024-04-11

YOLO-CIANNA：在无线电数据中进行深度学习的星系检测 I. 一种受YOLO启发的新型源检测方法应用于SKAO SDC1

即将到来的平方公里阵列（SKA）将为天文仪器产生的数据量设定一个新标准，这可能会挑战广泛采用的数据分析工具，这些工具无法与数据大小进行充分扩展。本研究旨在通过应用现代深度学习目标检测技术，为海量射电天文数据集开发一种新的源检测和表征方法。这些方法已经证明了它们在复杂的计算机视觉任务中的效率，我们试图确定它们在应用于天文数据时的具体优势和劣势。我们介绍了YOLO-CIANNA，这是一款专为天文数据集设计的高度定制的深度学习目标探测器。本文介绍了该方法，并描述了解决射电天文图像特定挑战所需的所有低级适应。我们使用来自 SKAO SDC1 数据集的模拟 2D 连续体图像演示了这种方法的功能。我们的方法优于特定 SDC1 数据集上所有其他已发表的结果。使用 SDC1 指标，我们将挑战获胜分数提高了 +139\%，将唯一其他挑战后参与的分数提高了 +61\%。我们的目录的检测纯度为 94%，同时检测的来源比以前的最高分结果多 40 至 60%。经过训练的模型还可以强制在后处理中达到 99% 的纯度，并且仍然比其他高分方法多检测 10% 到 30% 的来源。它还能够实时检测，在单个 GPU 上每秒

2024-04-11

深度学习国际象棋游戏数据集

数据集介绍数据介绍这是从Lichess.org网站上的精选用户那里收集的20,000多个游戏的集合，以及如何收集更多游戏。将来，我还会收集更多游戏。内容范围游戏编号；额定（T / F）；开始时间; 时间结束; 转弯数量; 游戏状态；优胜者; 时间增量；白色玩家编号；白人球员等级；黑人玩家ID；黑人球员等级；标准象棋符号的所有动作；开放的生态（任何给定开口的标准化代码，在此处列出）；开幕名称；开启层（开启阶段的移动次数）探索方向单个国际象棋游戏中包含许多信息，更不用说多个游戏的完整数据集了。它主要是一种模式游戏，而数据科学就是要检测数据模式，这就是为什么国际象棋是过去在AI领域投入最多的原因之一。该数据集收集了20,000个游戏中可用的所有信息，并以易于处理的格式进行了分析，例如，分析了允许玩家以黑白棋获胜的方式，多少元（游戏外）影响游戏的因素，黑白与空缺与胜利之间的关系等等。

2024-07-31

深度学习行人检测数据集

行人检测的图片，内置10000张行人图像，1000张骑自行车图像，1000张骑车图像。

2024-07-31

Kolektor：表面缺陷数据集

该数据集是Kolektor Group收集并标注的电子换向器缺陷数据集。数据集中包含了50种编写的电子换向器，每种有8张图片以及其语义分割的label。图像的大小为500×1240像素。数据集介绍该数据集是Kolektor Group收集并标注的电子换向器缺陷数据集。数据集中包含了50种编写的电子换向器，每种有8张图片以及其语义分割的label。图像的大小为500×1240像素。数据集包括： 399幅图片：52幅可见缺陷图像、347幅图像无任何缺陷尺寸的原始图像：宽度：500 px，高度：1240至1270 px 对于训练和评估，图像应该调整到512 x 1408 px。对于每个项目，缺陷仅在至少一个图像中可见，而两个项目在两个图像上有缺陷，这意味着有52个图像中的缺陷是可见的。其余347幅图像作为无缺陷表面的负面例子.

2024-07-31

TA关注的人

第20章 偏微分方程的数值解.pdf

数学建模的29个通用模型及matlab解法.zip

yolo猫狗识别数据集，YOLO动物识别数据集，包括训练好的yolov5模型，包含几千张jpg和对应的txt文件

Squeezed Edge YOLO：边缘设备上的板载对象检测

奥地利自动驾驶深度学习视觉模型YOLO和DETR的首次定性观察

使用YOLO从SDSS图像中检测到边缘低表面亮度星系候选星系

yolo使用TomFormer及早准确检测番茄叶病

具有混合注意力特征金字塔网络的YOLO算法，用于焊点缺陷检测

DiffYOLO：通过YOLO和扩散模型进行抗噪声目标检测

YOLOv7无人机实时探测人体

使用 YOLO 对牛栏编号进行分类

YOLO-Former：YOLO与ViT握手

使用 YOLOv7 和 ESRGAN 改进坑洼检测

基于YOLO的动态序列匹配模型，实现高效的无覆盖图像隐写

基于深度学习的综合感知与通信系统中的目标-用户关联

使用基于YOLO的学习方法对农业进行实时目标检测和机器人操作

YOLO-World：实时开放词汇对象检测

基于YOLO的红外小目标检测范式

使用YOLO v7在磁共振成像中检测肾脏

YOLO-CIANNA：在无线电数据中进行深度学习的星系检测 I. 一种受YOLO启发的新型源检测方法应用于SKAO SDC1

深度学习 国际象棋游戏数据集

深度学习行人检测数据集

Kolektor：表面缺陷数据集

第25章 存贮论.pdf

第30章 偏最小二乘回归.pdf

第28章 灰色系统理论及其应用.pdf

第21章 目标规划.pdf

第23章 现代优化算法.pdf

第19章 神经网络模型.pdf

第16章 差分方程模型.pdf

第13章 微分方程建模.pdf

第12章 回归分析.pdf

第14章 稳定状态模型.pdf

第11章 方差分析.pdf

第07章 对策论.pdf

第08章 层次分析法.pdf

第09章 插值与拟合.pdf

第04章 动态规划.pdf

第06章 排队论.pdf

第05章 图与网络.pdf

C++开发实用教程最好的

第20章偏微分方程的数值解.pdf

深度学习国际象棋游戏数据集

第25章存贮论.pdf

第30章偏最小二乘回归.pdf

第28章灰色系统理论及其应用.pdf

第21章目标规划.pdf

第23章现代优化算法.pdf

第19章神经网络模型.pdf

第16章差分方程模型.pdf

第13章微分方程建模.pdf

第12章回归分析.pdf

第14章稳定状态模型.pdf

第11章方差分析.pdf

第07章对策论.pdf

第08章层次分析法.pdf

第09章插值与拟合.pdf

第04章动态规划.pdf

第06章排队论.pdf

第05章图与网络.pdf