深度学习
文章平均质量分 87
justld
努力努力再努力
展开
-
【深度学习实践】基于深度学习的图像去雾算法-ChaIR-实践
本文介绍一个去雾算法ChaIR的使用方法,可以完成图像去雾,也可以用于图像去雨、去噪音等任务。本文不涉及论文原理,只包含源代码的跑通和使用。原创 2024-08-12 18:36:57 · 1542 阅读 · 0 评论 -
OrangePi AIpro测评体验-Yolov5目标检测模型
本文介绍了OrangePi AIpro的测评结果,跑通了官方给定的示例代码,并使用图片和视频对yolov5模型进行测试,总体感觉非常nice。原创 2024-05-22 19:38:11 · 1263 阅读 · 0 评论 -
【深度学习目标检测】二十六、基于深度学习的垃圾检测系统-含数据集、GUI和源码(python,yolov8)
设计垃圾检测系统的意义在于多个方面,这些方面不仅关乎环境保护和城市管理,还涉及到技术进步和社会效益。综上所述,设计垃圾检测系统具有重要意义,不仅有助于环境保护和资源回收,还能提高城市管理和卫生水平,推动技术创新和应用拓展,产生经济效益和社会效益。同时,系统还能够应对垃圾处理挑战并符合政策和法规的要求。本文介绍了基于yolov8的行人检测计数系统,包括训练过程和数据准备过程,同时提供了推理的代码和GUI。原创 2024-05-13 12:54:48 · 1161 阅读 · 1 评论 -
【深度学习目标检测】二十五、基于深度学习的花卉分类系统-含数据集、GUI和源码(python,yolov8)
设计花卉分类系统的原因主要有以下几点:组织和识别:分类系统有助于组织和识别大量的花卉品种。通过将花卉按照特定的标准进行分类,可以更容易地找到、识别和区分不同的花卉。科学研究:分类系统为科学家提供了研究花卉的基础框架。通过对花卉进行分类,科学家可以更好地理解花卉之间的亲缘关系、进化历程和生物多样性,从而推动植物学和相关领域的研究进展。园艺和农业应用:对于园艺师和农民来说,花卉分类系统有助于选择适合特定环境和用途的花卉品种。通过了解花卉的分类信息,他们可以更有针对性地选择种植、繁殖和推广特定的花卉。原创 2024-03-29 13:37:59 · 1261 阅读 · 0 评论 -
【深度学习目标检测】二十四、基于深度学习的疲劳驾驶检测系统-含数据集、GUI和源码(python,yolov8)
疲劳驾驶是引发交通事故的重要因素之一。驾驶员在长时间驾驶或缺乏休息的情况下,反应速度和判断能力会显著下降,从而增加事故风险。通过实时检测驾驶员的疲劳状态,并及时发出警告或采取相应措施,疲劳驾驶检测系统可以显著提高道路安全性,减少因疲劳驾驶引发的事故。:长时间驾驶对驾驶员的身体健康也有不良影响,可能导致肌肉疲劳、眼睛疲劳、颈椎问题等。通过检测疲劳状态,系统可以提醒驾驶员适时休息,有助于保护驾驶员的身体健康。:疲劳驾驶不仅危险,还会导致驾驶效率下降。原创 2024-03-23 13:41:26 · 2727 阅读 · 2 评论 -
【深度学习目标检测】二十三、基于深度学习的行人检测计数系统-含数据集、GUI和源码(python,yolov8)
行人检测计数系统是一种重要的智能交通监控系统,它能够通过图像处理技术对行人进行实时检测、跟踪和计数,为城市交通规划、人流控制和安全管理提供重要数据支持。本系统基于先进的YOLOv8目标检测算法和PyQt5图形界面框架开发,具有高效、准确、易用等特点。系统特点本文介绍了基于yolov8的行人检测计数系统,包括训练过程和数据准备过程,同时提供了推理的代码和GUI。对准备相关的毕业设计的同学有着一定的帮助。原创 2024-03-13 10:34:01 · 2409 阅读 · 2 评论 -
深度学习目标检测】二十二、基于深度学习的肺炎检测系统-含数据集、GUI和源码(python,yolov8)
肺炎尽管很常见,但准确诊断是一项困难的任务。它要求训练有素的专家对胸部X光片进行检查,并通过临床病史,生命体征和实验室检查进行确认。肺炎通常表现为胸部X光片上一个或多个区域的阴影(opacity)增加。但是,由于肺部有许多其他状况,例如体液超负荷(肺水肿),出血,体液丢失(肺不张或塌陷),肺癌,放疗后或手术改变也会产生阴影(opacity),因此对胸部X光片肺炎进行诊断非常复杂。在肺外,胸膜腔积液(胸腔积液)也表现为胸部X光片的阴影(opacity)增加。原创 2024-03-03 12:19:29 · 1819 阅读 · 2 评论 -
【深度学习目标检测】二十一、基于深度学习的葡萄检测系统-含数据集、GUI和源码(python,yolov8)
葡萄检测在农业中具有多方面的意义,具体来说如下:首先,葡萄检测有助于保障农产品质量安全。通过对葡萄进行质量安全专项监测,可以确保葡萄中的农药残留、重金属等有害物质含量符合标准,从而保障消费者的健康。同时,葡萄检测还可以对葡萄的产量进行精准预测,有助于农业生产者制定科学的种植计划。其次,葡萄检测可以促进农业科技进步。随着计算机技术和精准农业的发展,图像技术已被广泛应用于葡萄检测中。这种技术可以代替人眼快速、准确地进行检测分析,有助于提高葡萄检测的效率和准确性。原创 2024-02-27 12:33:02 · 1614 阅读 · 4 评论 -
深度学习目标检测】二十、基于深度学习的雾天行人车辆检测系统-含数据集、GUI和源码(python,yolov8)
雾天车辆行人检测在多种场景中扮演着至关重要的角色。总的来说,雾天车辆行人检测技术在提升道路安全、辅助驾驶、提高交通效率以及推动自动驾驶技术的发展等方面都发挥着重要作用。本文介绍了基于深度学习yolov8的雾天行人车辆检测系统,包括训练过程和数据准备过程,同时提供了推理的代码和GUI。对准备相关的毕业设计的同学有着一定的帮助。原创 2024-02-26 14:07:26 · 3683 阅读 · 10 评论 -
【深度学习目标检测】十九、基于深度学习的芒果计数分割系统-含数据集、GUI和源码(python,yolov8)
使用深度学习算法检测芒果具有显著的优势和应用价值。综上所述,使用深度学习算法检测芒果可以提高检测效率、准确性和自动化水平,是芒果检测领域的一种重要技术手段。本文介绍了基于深度学习yolov8的芒果检测系统,包括训练过程和数据准备过程,同时提供了推理的代码和GUI。对准备相关的毕业设计的同学有着一定的帮助。原创 2024-02-24 09:56:15 · 1728 阅读 · 0 评论 -
【深度学习目标检测】十八、基于深度学习的人脸检测系统-含GUI和源码(python,yolov8)
人脸检测是计算机视觉中的一个重要方向,也是一个和人们生活息息相关的研究方向,因为人脸是人最重要的外貌特征。总之,人脸检测技术在许多领域都有广泛的应用前景,它能够提高人们生活的便利性、安全性和自动化程度。随着技术的不断进步,人脸检测将在更多领域发挥重要作用。本文介绍了基于深度学习yolov8的洋葱检测系统,包括训练过程和数据准备过程,同时提供了推理的代码和GUI。对准备计算机视觉相关的毕业设计的同学有着一定的帮助。原创 2024-02-23 09:19:54 · 1793 阅读 · 0 评论 -
【深度学习目标检测】十七、基于深度学习的洋葱检测系统-含GUI和源码(python,yolov8)
总之,使用AI实现洋葱检测可以提高农业生产的效率和农产品质量,促进农业现代化发展。以下是此项目的一些用例:1.杂货库存管理:洋葱检测器可用于超市和杂货店,通过准确识别和计数存储区域或展示架上的洋葱,自动监控和管理洋葱的库存和库存。2.洋葱收获自动化:使用洋葱检测器模型开发收获自动化设备可以帮助农民和农业公司检测和分离除草植物或土壤中的洋葱,显着提高洋葱收获过程的速度和效率。原创 2024-01-21 11:45:19 · 1185 阅读 · 0 评论 -
【深度学习目标检测】十六、基于深度学习的麦穗头系统-含GUI和源码(python,yolov8)
全球麦穗检测是植物表型分析领域的一个挑战,主要目标是检测图像中的小麦麦穗。这种检测在农业领域具有重要意义,可以帮助农民评估作物的健康状况和成熟度。然而,由于小麦麦穗在视觉上具有挑战性,准确检测它们是一项艰巨的任务。全球麦穗检测的挑战在于准确识别不同品种、不同生长环境、不同光照条件、不同拍摄角度下的麦穗。由于小麦麦穗经常重叠、颜色和外观变化多样,这使得检测更具挑战性。为了解决这些问题,研究者们采用机器学习和计算机视觉技术来开发麦穗检测算法。原创 2024-01-13 14:41:22 · 1631 阅读 · 2 评论 -
【深度学习目标检测】十五、基于深度学习的口罩检测系统-含GUI和源码(python,yolov8)
YOLOv8是一种物体检测算法,是YOLO系列算法的最新版本。YOLO(You Only Look Once)是一种实时物体检测算法,其优势在于快速且准确的检测结果。YOLOv8在之前的版本基础上进行了一系列改进和优化,提高了检测速度和准确性。YOLOv8采用了Darknet-53作为其基础网络架构。Darknet-53是一个53层的卷积神经网络,用于提取图像特征。与传统的卷积神经网络相比,Darknet-53具有更深的网络结构和更多的卷积层,可以更好地捕捉图像中的细节和语义信息。原创 2024-01-13 12:47:01 · 1441 阅读 · 0 评论 -
【深度学习目标检测】十四、基于深度学习的血细胞计数系统-含GUI(BCD数据集,yolov8)
血细胞计数是医学上一种重要的检测手段,用于评估患者的健康状况,诊断疾病,以及监测治疗效果。而目标检测是一种计算机视觉技术,用于在图像中识别和定位特定的目标。在血细胞计数中,目标检测技术可以发挥重要作用。首先,血细胞计数通常需要处理大量的血液样本,手动计数每个细胞既耗时又容易出错。使用目标检测算法,可以自动识别和计数图像中的血细胞,大大提高了计数的准确性和效率。其次,不同的血细胞(如红细胞、白细胞和血小板)具有不同的形态和大小,这使得使用传统的图像处理方法进行区分和计数变得困难。原创 2024-01-11 12:33:17 · 1059 阅读 · 0 评论 -
【深度学习目标检测】十三、基于深度学习的血细胞识别(python,目标检测,yolov8)
血细胞计数是医学上一种重要的检测手段,用于评估患者的健康状况,诊断疾病,以及监测治疗效果。而目标检测是一种计算机视觉技术,用于在图像中识别和定位特定的目标。在血细胞计数中,目标检测技术可以发挥重要作用。首先,血细胞计数通常需要处理大量的血液样本,手动计数每个细胞既耗时又容易出错。使用目标检测算法,可以自动识别和计数图像中的血细胞,大大提高了计数的准确性和效率。其次,不同的血细胞(如红细胞、白细胞和血小板)具有不同的形态和大小,这使得使用传统的图像处理方法进行区分和计数变得困难。原创 2024-01-11 10:28:28 · 1700 阅读 · 0 评论 -
【目标检测】yolov8结构及代码分析
yolov8的整体结构如下图(来自mmyolo):可以看出,主要包含Conv,C2f,SPPF,Concat,Detect几个模块。原创 2023-12-30 10:26:57 · 3222 阅读 · 2 评论 -
【大模型实践】ChatGLM3微调输入-输出模型(六)
ChatGLM3 是智谱AI和清华大学 KEG 实验室联合发布的新一代对话预训练模型。ChatGLM3-6B 是 ChatGLM3 系列中的开源模型,在保留了前两代模型对话流畅、部署门槛低等众多优秀特性的基础上,ChatGLM3-6B 引入了如下特性:更强大的基础模型: ChatGLM3-6B 的基础模型 ChatGLM3-6B-Base 采用了更多样的训练数据、更充分的训练步数和更合理的训练策略。原创 2023-12-28 16:52:59 · 3024 阅读 · 5 评论 -
【大模型实践】ChatGLM3微调对话模型(五)
ChatGLM3 是智谱AI和清华大学 KEG 实验室联合发布的新一代对话预训练模型。ChatGLM3-6B 是 ChatGLM3 系列中的开源模型,在保留了前两代模型对话流畅、部署门槛低等众多优秀特性的基础上,ChatGLM3-6B 引入了如下特性:更强大的基础模型: ChatGLM3-6B 的基础模型 ChatGLM3-6B-Base 采用了更多样的训练数据、更充分的训练步数和更合理的训练策略。原创 2023-12-27 14:23:09 · 4620 阅读 · 2 评论 -
【论文笔记】BiFormer: Vision Transformer with Bi-Level Routing Attention
vision transformer中Attention是极其重要的模块,但是它有着非常大的缺点:计算量太大。BiFormer提出了Bi-Level Routing Attention,在Attention计算时,只关注最重要的token,由此来降低计算量。原创 2023-12-26 13:49:16 · 1751 阅读 · 1 评论 -
【论文笔记】Run, Don’t Walk: Chasing Higher FLOPS for Faster Neural Networks
该论文主要提出了PConv,通过优化FLOPS提出了快速推理模型FasterNet。在设计神经网络结构的时候,大部分注意力都会放在降低FLOPs( floating-point opera-tions)上,有的时候FLOPs降低了,并不意味了推理速度加快了,这主要是因为没考虑到FLOPS(floating-point operations per second)。针对该问题,作者提出了PConv( partial convolution),通过提高FLOPS来加快推理速度。原创 2023-12-26 10:41:23 · 1070 阅读 · 3 评论 -
【深度学习目标检测】十二、基于深度学习的钢铁缺陷识别(python,目标检测,yolov8)
YOLOv8是一种物体检测算法,是YOLO系列算法的最新版本。YOLO(You Only Look Once)是一种实时物体检测算法,其优势在于快速且准确的检测结果。YOLOv8在之前的版本基础上进行了一系列改进和优化,提高了检测速度和准确性。YOLOv8采用了Darknet-53作为其基础网络架构。Darknet-53是一个53层的卷积神经网络,用于提取图像特征。与传统的卷积神经网络相比,Darknet-53具有更深的网络结构和更多的卷积层,可以更好地捕捉图像中的细节和语义信息。原创 2023-12-25 15:08:28 · 2787 阅读 · 4 评论 -
【深度学习目标检测】十一、基于深度学习的电网绝缘子缺陷识别(python,目标检测,yolov8)
YOLOv8是一种物体检测算法,是YOLO系列算法的最新版本。YOLO(You Only Look Once)是一种实时物体检测算法,其优势在于快速且准确的检测结果。YOLOv8在之前的版本基础上进行了一系列改进和优化,提高了检测速度和准确性。YOLOv8采用了Darknet-53作为其基础网络架构。Darknet-53是一个53层的卷积神经网络,用于提取图像特征。与传统的卷积神经网络相比,Darknet-53具有更深的网络结构和更多的卷积层,可以更好地捕捉图像中的细节和语义信息。原创 2023-12-25 14:35:17 · 2190 阅读 · 0 评论 -
【大模型实践】通义千问QWen 安装及体验(三)
通义千问,是推出的一个超大规模的语言模型,功能包括多轮对话、文案创作、逻辑推理、多模态理解、多语言支持。能够跟人类进行多轮的交互,也融入了多模态的知识理解,且有文案创作能力,能够续写小说,编写邮件等。本文介绍通义千问的安装过程,及使用方法。原创 2023-12-24 17:37:20 · 2381 阅读 · 3 评论 -
【大模型实践】基于文心一言的对话模型设计
文心一言(英文名:ERNIE Bot)是全新一代知识增强家族的新成员,能够与人对话互动、回答问题、协助创作,高效便捷地帮助人们获取和。文心一言从数万亿数据和数千亿知识中融合学习,得到预训练大模型,在此基础上采用有监督精调、人类反馈强化学习、提示等技术,具备知识增强、检索增强和对话增强的技术优势。本文使用gradio开发一个简单的对话页面,使用的大模型是文心一言。原创 2023-12-22 15:17:27 · 2576 阅读 · 0 评论 -
【深度学习实践】换脸应用dofaker本地部署
本文介绍了dofaker换脸应用的本地部署教程,dofaker支持windows、linux、cpu/gpu推理,不依赖于任何深度学习框架,是一个非常好用的换脸工具。本教程的部署系统为windows 11,使用CPU推理。注意:1、请确保您的所有路径不要包含中文,否则可能发生奇怪的问题(windows用户名不要是中文)2、安装好,勾选C++开发。原创 2023-12-22 14:53:36 · 803 阅读 · 0 评论 -
【大模型实践】Langchain-Chatchat构建对话模型(二)
本文介绍如何使用Langchain-Chatchat构建论文知识库和文件对话。关于Langchain-Chatchat:🤖️ 一种利用 langchain 思想实现的基于本地知识库的问答应用,目标期望建立一套对中文场景与开源模型支持友好、可离线运行的知识库问答解决方案。💡 受 GanymedeNil 的项目 document.ai 和 AlexZhangji 创建的 ChatGLM-6B Pull Request 启发,建立了全流程可使用开源模型实现的本地知识库问答应用。原创 2023-12-21 12:16:51 · 2464 阅读 · 1 评论 -
【大模型实践】Langchain-Chatchat安装体验(一)
本文介绍Langchain-Chatchat的安装方法,参考。关于Langchain-Chatchat:🤖️ 一种利用思想实现的基于本地知识库的问答应用,目标期望建立一套对中文场景与开源模型支持友好、可离线运行的知识库问答解决方案。💡 受的项目和创建的启发,建立了全流程可使用开源模型实现的本地知识库问答应用。本项目的最新版本中通过使用接入 Vicuna, Alpaca, LLaMA, Koala, RWKV 等模型,依托于框架支持通过基于提供的 API 调用服务,或使用基于的 WebUI 进行操作。原创 2023-12-21 11:43:55 · 2400 阅读 · 4 评论 -
【论文笔记】MCANet: Medical Image Segmentation withMulti-Scale Cross-Axis Attention
医疗图像分割任务中,捕获多尺度信息、构建长期依赖对分割结果有非常大的影响。该论文提出了 Multi-scale Cross-axis Attention(MCA)模块,融合了多尺度特征,并使用Attention提取全局上下文信息。原创 2023-12-20 18:38:40 · 2671 阅读 · 6 评论 -
【论文笔记】AK卷积(Convolutional Kernel with Arbitrary Sampled Shapes and Arbitrary Number of Parameters)
本文介绍AK卷积,传统的卷积有2个缺陷:1、卷积运算在固定大小的窗口运行、无法捕获其他窗口的信息,并且窗口的形状是固定的;2、卷积核的尺寸固定为,窗口大小固定为k,随着k增加,参数会快速增加。针对传统卷积的缺陷,作者提出了AK卷积,AK卷积拥有任意形状和任意的参数。作者在yolov5n和yolov8n上进行了测试,效果非常好。原创 2023-12-20 16:10:05 · 2439 阅读 · 0 评论 -
【论文笔记】动态蛇卷积(Dynamic Snake Convolution)
精确分割拓扑管状结构例如血管和道路,对医疗各个领域至关重要,可确保下游任务的准确性和效率。然而许多因素使分割任务变得复杂,包括细小脆弱的局部结构和复杂多变的全局形态。针对这个问题,作者提出了动态蛇卷积,该结构在管状分割任务上获得了极好的性能。原创 2023-12-19 12:16:02 · 7355 阅读 · 4 评论 -
【深度学习】注意力机制(七)Agent Attention
本文介绍Agent Attention注意力机制,Transformer中的Attention模块可以提取全局语义信息,但是计算量太大,Agent Attention是一种计算非常有效的Attention模块。论文:Agent Attention: On the Integration of Softmax and Linear Attention代码:https://github.comA/leaplabthu/agent-attentionSoftmax Attention,Linear Attenti原创 2023-12-19 10:37:43 · 5543 阅读 · 5 评论 -
【深度学习目标检测】十、基于yolov5的火灾烟雾识别(python,目标检测)
本文介绍了基于Yolov5的火焰烟雾检测模型,包括训练过程和数据准备过程,同时提供了推理的代码。对准备计算机视觉相关的毕业设计的同学有着一定的帮助。原创 2023-12-18 15:07:36 · 3139 阅读 · 0 评论 -
【深度学习目标检测】九、基于yolov5的路标识别(python,目标检测)
本文介绍了基于Yolov5的路标检测模型,包括训练过程和数据准备过程,同时提供了推理的代码。对准备计算机视觉相关的毕业设计的同学有着一定的帮助。原创 2023-12-18 13:26:48 · 1644 阅读 · 0 评论 -
【深度学习目标检测】九、基于yolov5的安全帽识别(python,目标检测)
本文介绍了基于Yolov5的安全帽检测模型,包括训练过程和数据准备过程,同时提供了推理的代码。对准备计算机视觉相关的毕业设计的同学有着一定的帮助。原创 2023-12-17 16:40:02 · 1502 阅读 · 0 评论 -
【深度学习目标检测】八、基于yolov5的抽烟识别(python,深度学习)
本文介绍了基于Yolov5的抽烟检测模型,包括训练过程和数据准备过程,同时提供了推理的代码。对准备计算机视觉相关的毕业设计的同学有着一定的帮助。原创 2023-12-17 15:35:06 · 1663 阅读 · 0 评论 -
【深度学习目标检测】七、基于深度学习的火灾烟雾识别(python,目标检测,yolov8)
本文介绍了基于Yolov8的火焰烟雾检测模型,包括训练过程和数据准备过程,同时提供了推理的代码。对准备计算机视觉相关的毕业设计的同学有着一定的帮助。原创 2023-12-15 18:14:11 · 3250 阅读 · 0 评论 -
【深度学习目标检测】六、基于深度学习的路标识别(python,目标检测,yolov8)
本文介绍了基于Yolov8的路标检测模型,包括训练过程和数据准备过程,同时提供了推理的代码。对准备计算机视觉相关的毕业设计的同学有着一定的帮助。原创 2023-12-15 17:05:49 · 1722 阅读 · 0 评论 -
【深度学习目标检测】四、基于深度学习的抽烟识别(python,yolov8)
YOLOv8是一种物体检测算法,是YOLO系列算法的最新版本。本文使用yolov8检测抽烟行为,适合本科毕业设计和深度学习入门者。原创 2023-12-14 18:32:57 · 2618 阅读 · 5 评论 -
【深度学习目标检测】五、基于深度学习的安全帽识别(python,目标检测)
深度学习目标检测方法则是利用深度神经网络模型进行目标检测,主要有以下几种:R-CNN系列:包括R-CNN、Fast R-CNN、Faster R-CNN等,通过候选区域法生成候选目标区域,然后使用卷积神经网络提取特征,并通过分类器对每个候选区域进行分类。SSD:Single Shot MultiBox Detector,通过在特征图上利用不同大小和形状的卷积核进行目标检测,同时预测目标的类别和位置。原创 2023-12-14 17:59:57 · 1982 阅读 · 0 评论