自定义博客皮肤VIP专享

*博客头图：

格式为PNG、JPG，宽度*高度大于1920*100像素，不超过2MB，主视觉建议放在右侧，请参照线上博客头图

请上传大于1920*100像素的图片！

博客底图：

图片格式为PNG、JPG，不超过1MB，可上下左右平铺至整个背景

栏目图：

图片格式为PNG、JPG，图片宽度*高度为300*38像素，不超过0.5MB

主标题颜色：

RGB颜色，例如：#AFAFAF

Hover：

RGB颜色，例如：#AFAFAF

副标题颜色：

RGB颜色，例如：#AFAFAF

预览 取消 提交

自定义博客皮肤

-+
上一步保存

Henry的博客

佛系学习，正常摆烂

  • 博客(524)
  • 收藏
  • 关注
排序：
按最后发布时间
按访问量
RSS订阅

原创 改进系列（14）：基于Swin Transformer的SAM交互式图像分割方法研究：腹部13器官分割

本文提出了一种基于Swin Transformer架构的交互式图像分割方法，通过引入点提示机制实现用户引导的精确分割。该方法采用编码器-解码器结构，在编码阶段利用Swin Transformer的层次化特征提取能力，在解码阶段结合跳跃连接恢复空间细节。实验结果表明，该方法在标准数据集上取得了较高的分割精度，同时支持用户通过点击交互优化分割结果。本文详细介绍了网络架构设计、训练策略以及交互式推理系统的实现。关键词：交互式图像分割；深度学习；点提示；医学图像分析。

2025-06-19 16:54:34 1167 2

原创 改进系列（1）：TransUnet结合SAM box改进对MICCAI FLARE腹部13器官图像分割

本章尝试将TransUnet和SAM结合，以期望达到更换的模型TransUnet作为医学图像分割的基准，在许多数据集上均取得了很好的效果，然而最近SAM大模型的兴起，图像分割似乎有了新的方向关于图像分割项目、sam模型复现参考本人其他专栏，这里之作简单介绍TransUnet是一个专门为医学图像分割任务设计的深度学习模型。它是一种卷积神经网络（CNN），采用基于变压器的架构。TransUnet在具有相应分割掩模的大型医学图像数据集上进行训练，以学习如何从输入图像中准确分割器官、病变或其他结构。

2024-10-12 16:12:44 1798 2

原创 Unet 实战分割项目、多尺度训练、多类别分割

之前写了篇二值图像分割的项目，支持多尺度训练，网络采用backbone为vgg的unet网络。本章实现的unet网络的多类别分割，也就是分割可以是两个类别，也可以是多个类别。训练过程仍然采用多尺度训练，即网络会随机将图片缩放到设定尺寸的0.5-1.5倍之间。

2024-02-05 21:38:35 8662 21

原创 第一节：基于 Swin Transformer 与 MLCA 注意力机制的图像分类系统

本文提出了一种基于SwinTransformer和多级通道注意力机制（MLCA）的图像分类系统。该系统采用SwinTransformer作为骨干网络，结合MLCA模块通过池化融合增强通道特征表达能力。支持完整的训练流程，包括数据预处理（随机裁剪、翻转等）、Adam优化器和交叉熵损失函数。系统提供全面的评估指标（准确率、F1分数等）和可视化功能，自动保存最佳模型并生成训练曲线。采用模块化设计，便于扩展应用。实验设置包括批量大小16、学习率0.0001等参数，适用于多类别图像分类任务，兼具学术研究和实际应用价值

2025-12-23 14:24:39 836

原创 Python实现井字棋游戏：从零开始构建AI对战和双人对战模式

本文介绍了一个使用Python和Pygame库开发的井字棋游戏，包含AI对战和双人对战两种模式。文章详细讲解了游戏开发的完整流程，包括游戏初始化、界面设计、逻辑实现和AI算法。游戏采用现代化UI设计，具有智能AI对手（采用经典策略算法）、流畅的用户交互体验和完整的游戏管理功能。项目亮点包括：优先获胜的AI策略、动态视觉效果、分数统计系统等。文中还提供了扩展建议，如添加难度级别、音效和网络对战功能。通过这个项目，读者可以学习游戏开发基础、算法设计和Python编程实践。完整代码已包含，可作为学习游戏开发的优秀

2025-12-22 02:45:46 475

原创 机器学习算法：随机梯度下降算法

摘要： 动量法（Momentum）通过引入“惯性”机制改进梯度下降，解决传统SGD在优化过程中的振荡和收敛慢问题。其核心思想是结合历史梯度与当前梯度进行加权更新，使参数在一致梯度方向上加速，在变化频繁方向上抑制波动。数学上，动量法通过累积速度变量（如指数移动平均）实现平滑更新。实验对比显示，动量法在参数空间中的路径更直接，损失下降更快，尤其适用于高维非凸优化或噪声数据场景。改进版NAG进一步通过“前瞻性”梯度计算提升收敛性。动量法的优势包括加速训练、稳定优化路径，但需调整超参数（如动量系数β）。代码示例验证

2025-12-16 18:28:30 938

原创 线性回归模型：理论与应用研究

本文研究了线性回归模型的理论基础与实际应用。首先阐述了线性回归的基本原理和最小二乘法参数估计过程，推导出模型参数的解析解。然后通过Python实现了一个完整的房价预测案例，使用合成数据构建模型并进行评估。实验结果显示模型能有效捕捉房价与面积的关系，验证了线性回归的实用价值。研究涵盖了从理论推导到代码实现的全流程，为线性回归的应用提供了参考范例。

2025-12-09 08:38:22 305

原创 Lasso回归算法详解与应用

回归算法是预测数值型结果的机器学习方法，通过建立自变量与因变量关系模型进行预测。Lasso回归是一种改进的线性回归技术，通过L1正则化防止过拟合并实现特征选择，将不重要特征系数压缩为零。其目标函数包含残差平方和与系数绝对值惩罚项，参数λ控制惩罚力度。Lasso回归适用于高维数据挖掘和需要模型解释性的场景，但存在共线性问题和系数偏差等缺点。文中通过房价预测案例和股票价格分析代码展示了Lasso回归的实际应用，包括特征选择、模型训练和预测评估过程。

2025-12-01 12:00:51 1178

原创 深入解析带SE注意力机制的UNet：架构、实现与实验

本文详细解析了结合SE注意力机制的UNet模型架构。首先介绍了UNet的编码器-解码器结构和SE注意力机制的工作原理，重点阐述了SE模块通过全局平均池化和全连接层实现特征通道重校准的方法。随后详细讲解了模型实现，包括DoubleConv模块的双卷积设计、下采样和上采样模块的实现细节，以及如何将SE模块灵活嵌入各层。该模型在保持UNet原有优势的同时，通过轻量级的SE模块增强了特征表达能力，特别适用于医学图像分割等需要精细特征提取的任务。

2025-12-01 11:46:52 156

原创 基于改进TransUNet的港口船只图像分割系统研究

本文提出了一种改进的TransUNet架构用于港口船只图像分割，通过引入空间注意力机制(SA)和特征金字塔注意力模块，有效提升了复杂场景下的分割精度。系统采用模块化设计，包含数据预处理、改进网络架构、训练框架和图形化界面。创新点包括：1) SA模块增强关键区域关注；2) 特征金字塔实现多尺度融合；3) 改进的Dice+交叉熵损失函数。实验表明该系统在准确性、鲁棒性和实用性方面表现优异，为港口智能化管理提供了高效解决方案。

2025-11-07 18:38:50 811

原创 基于区域生长算法的图像分割方法设计与实现（附代码）

本文实现了一个基于区域生长的Python图像分割系统，采用8邻域生长策略，支持交互式和自动种子点选择。系统通过设定生长阈值和最小区域大小等参数，能够有效分割出与种子点灰度相似的连续区域。实验表明该方法在目标与背景对比明显的场景下表现良好，但存在对噪声敏感和参数依赖性强等局限性。未来可结合边缘检测、自适应阈值等技术进一步提升分割性能。该系统为图像分析任务提供了简单有效的分割工具。

2025-10-30 18:53:07 78

原创 分类算法-逻辑回归

本文系统介绍了逻辑回归算法的原理与应用。首先阐述了分类算法的基本概念，指出逻辑回归虽名为回归实为分类模型，其核心是通过Sigmoid函数将线性组合转换为概率值（0-1区间），并以0.5为阈值进行二分类决策。通过垃圾邮件识别案例，详细演示了特征处理、概率计算和分类决策的全过程。深入剖析了模型假设函数、对数损失函数和梯度下降优化等数学原理，将工作流程概括为模型假设、损失构建、梯度计算和参数更新四个步骤。最后分析了逻辑回归简单高效、可解释性强等优点，以及线性限制、异常值敏感等不足，并给出了客户流失预测的完整实现案

2025-10-10 14:51:21 1187

原创 基于深度残差U-Net与多尺度注意力机制的医学图像分割系统

本文提出了一种创新的医学图像分割系统，通过融合残差连接、通道注意力机制和空间金字塔池化技术，构建了高性能的UResnet分割网络。系统采用编码器-解码器架构，创新性地引入多层次特征增强模块，显著提升了医学图像中复杂组织结构的分割精度。实验结果表明，该方案在多个医学图像数据集上均取得了优异性能，边界分割精度提升15%，训练收敛速度提升30%，同时减少20%计算量。系统为临床诊断提供了可靠的技术支持，未来可扩展至3D医学图像分割和联邦学习等方向。

2025-10-09 08:30:11 648

原创 基于U-Net与Attention U-Net的医学图像分割系统详解

本文介绍了一个基于PyTorch的医学图像分割系统，支持U-Net和AttentionU-Net两种网络，适用于多类别语义分割任务。项目包含完整的数据预处理、模型训练、评估和预测功能，特别针对CT扫描等医学图像优化，提供数据增强、窗口化处理等功能。系统采用模块化设计，包含数据集处理、模型定义、训练流程、评估指标和可视化工具，并支持多种分割指标计算。项目可扩展性强，可用于医学影像、遥感和工业质检等领域，未来可集成更多模型和功能。

2025-09-26 09:25:29 1167

原创 SwinTransformer特征提取融合convNeXt创新改进

本文介绍了一个基于深度学习的图像分类系统，该系统创新性地融合了SwinTransformer和ConvNeXt架构，并结合CBAM注意力机制与多尺度特征融合技术。系统实现了完整的训练-验证-测试流程，采用FocalLoss解决类别不平衡问题，支持多种优化器和学习率策略。通过数据增强和混合架构设计，在验证集上取得了99.5%的准确率。系统提供丰富的可视化功能（损失曲线、混淆矩阵、ROC曲线等）和用户友好的图形界面，支持图像加载和实时分类，为非专业用户提供了便捷的操作体验。

2025-09-12 14:32:04 1080

原创 Unet创新改进：基于点提示的交互式图像分割系统设计与实现

摘要：本文提出了一种基于点提示的交互式图像分割系统，采用改进的U-Net架构，通过用户提供的正负样本点实现精确分割。系统包含完整的训练、验证和交互推理流程，支持多类别分割。创新性地引入点提示通道，将用户交互信息（正负样本点）与图像特征结合输入网络。实验结果显示，该系统在mIoU（0.8543）和Dice系数（0.8912）等指标上表现优异，具有快速响应和高质量分割的特点。系统采用Tkinter构建GUI界面，支持用户通过点击交互实时获取分割结果，为医学图像、自动驾驶等领域的精细分割任务提供了有效解决方案。

2025-09-12 08:57:27 1150

原创 UNet 改进：添加EfficientViMBlock

本文提出了一种改进的UNet架构，通过集成高效的EfficientViMBlock模块，将CNN的局部特征提取能力与Transformer的全局建模优势相结合。该架构包含标准UNet组件(DoubleConv、Down、Up、OutConv)和创新设计的EfficientViMBlock，后者采用深度可分离卷积和多头自注意力机制的混合结构，并引入可学习的层缩放参数优化分支融合。实验表明，这种灵活可配置的混合架构在保持UNet原有优势的同时，显著提升了特征提取效率，特别适用于医学图像分割、遥感分析等需要精确像

2025-08-10 06:24:29 325

原创 分类算法：支持向量机

支持向量机(SVM)是一种强大的机器学习分类算法，它通过寻找最优决策边界来实现分类，具有出色的泛化能力。SVM的核心思想是最大化间隔，确保决策边界远离两侧数据点，提高模型鲁棒性。它特别适合小样本、高维数据分类，如文本分类和生物医学数据分析。虽然计算成本较高，但SVM在处理非线性问题和抗过拟合方面表现优异。通过核函数如RBF，SVM能有效处理复杂边界问题。完整案例展示了SVM在非线性数据集上的应用，包括模型训练、评估和可视化决策边界的过程。

2025-08-10 06:10:22 971

原创 VGG 改进：融合CNN与Transformer的VGG模型

本文提出了一种结合VGG16 CNN和Vision Transformer的混合架构。该模型在传统VGG16的卷积层之间插入Transformer模块，包含三个核心组件：1) Transformer编码器层实现自注意力机制；2) Vision Transformer模块处理图像块序列；3) 主模型集成CNN和Transformer的优势。该架构既能提取局部特征，又能建模全局关系，通过可学习的位置编码和残差连接实现高效特征融合。实验表明，这种混合设计在保持CNN优势的同时，增强了模型的全局建模能力，为计算机视

2025-07-27 11:06:30 227

原创 SwinTransformer 改进：稀疏化注意力机制（Sparse Attention）

本文提出了一种改进的稀疏注意力机制(SparseAttention)，通过保留top-k注意力权重显著降低了Transformer模型的计算复杂度。该方法针对SwinTransformer架构实现，包含三个关键技术：1) 稀疏注意力层仅计算和保留top-k权重，减少计算量；2) 相对位置编码保持位置感知能力；3) 自动替换机制可将原始注意力层全部替换为稀疏版本。实验表明，该方法在保持模型性能的同时提升了计算效率，特别适用于高分辨率图像处理等场景。代码实现了完整的稀疏注意力模块和模型替换流程，为Transfo

2025-07-24 15:38:08 493

原创 梯度下降法详解：优化算法的核心与实现

本文系统介绍了机器学习中的核心优化算法——梯度下降法。该方法通过沿目标函数梯度反方向迭代调整参数，寻找最优解。文章详细解析了其工作原理（如盲人下山类比）、数学推导（以二次函数为例）和实现步骤，并讨论了学习率等关键参数的影响。通过Python代码实例展示了该方法在3D数据拟合中的应用，直观呈现了损失函数动态变化和参数优化过程。梯度下降法因其通用性强、计算高效等特点，成为深度学习等领域的基石算法。

2025-07-24 12:55:17 821

原创 甲状腺结节TI-RADS分类的多目标分类头任务深度学习模型评估报告

本研究开发了一个基于ResNet50的多任务深度学习模型，用于甲状腺结节的TI-RADS分类。模型同时预测成分、回声、形状、边缘和强回声灶五个关键特征，并计算最终TI-RADS等级。在192例超声图像数据集上的评估显示：1）模型在TI-RADS等级预测总体准确率达58%，各特征预测准确率95%-99%；2）当假设成分和强回声灶预测正确时，总分差异在±1分内的准确率达95%。该研究为甲状腺结节的标准化评估提供了有效工具，具有临床应用价值。完整代码可通过CSDN下载获取。

2025-07-18 12:13:58 365

原创 具身智能与人形机器人：技术革命重塑未来

        2025年，具身智能（Embodied AI）首次被写入，标志着这一技术正式成为国家战略级未来产业的核心方向。具身智能的核心在于赋予人工智能“物理身体”，使其通过多模态感知、实时决策和环境交互，实现从虚拟智能向实体智能的跨越。        作为具身智能的理想载体，人形机器人正在全球范围内迎来爆发式落地——从工厂车间到救援现场，从马拉松赛道到家庭客厅，一场“碳硅共生”的文明图景正加速展开。

2025-07-06 14:33:17 2446

原创 SwinTransformer 改进：小波+注意力模块（Wavelet-Guided Attention）

本文提出了一种结合Swin Transformer和小波引导注意力模块(WGAM)的创新模型架构。WGAM通过Haar小波分解将特征图分为四个子带(LL,LH,HL,HH)，并分别应用通道注意力和空间注意力机制，同时为各子带分配可学习权重。该模块被集成到Swin Transformer的patch embedding层之后，在不显著增加计算复杂度的情况下，实现了多尺度特征提取和自适应特征增强。实验表明，这种混合架构特别适合高分辨率图像分类、医学图像分析和遥感图像处理等任务。模型采用模块化设计，可灵活集成到其

2025-06-21 10:24:37 555

原创 基于EfficientNet的手势识别计算器系统设计与实现

本文提出了一种基于EfficientNet的手势识别计算器系统，通过深度学习技术实现了1-9手势数字的准确识别和基本算术运算。系统采用EfficientNet-B0网络架构，经过迁移学习和微调训练，在测试集上达到99%的识别准确率。PyQt5构建的图形界面支持用户上传手势图片并执行加减乘除运算，结果实时显示。研究表明该系统具有识别精度高、交互自然、操作简便等特点，在教育、辅助计算等领域具有应用价值，但仍存在仅支持静态手势识别等局限性。

2025-06-21 08:26:34 241

原创 UNet 改进：结合CAM注意力与DLKA注意力的改进UNet

本文提出一种改进的UNet网络架构，通过引入通道注意力模块(CAM)和动态大核注意力模块(DLKA)显著提升特征提取能力。该网络采用经典的编码器-解码器结构，核心创新点包括：1）Triplet_DoubleConv模块整合常规卷积、CAM和DLKA；2）CAM模块通过双路径池化学习通道重要性；3）DLKA模块使用7×7深度可分离卷积捕获大范围空间关系。网络特别适用于医学图像分割等精细任务，在保持UNet优势的同时增强了对长距离依赖和重要特征的捕捉能力。完整PyTorch实现展示了模块化设计，便于迁移应用。

2025-06-19 16:43:15 626

原创 EfficientNet 改进：StripCGLU模块的创新与应用

本文提出了一种改进的EfficientNet-b0模型，核心创新是通过引入StripCGLU模块来提升网络性能。StripCGLU结合了水平/垂直条带卷积和GLU激活机制，具有参数效率高、计算量少的优点。改进策略包括选择性替换部分MBConv为StripCGLU模块（每隔3个块插入），同时保留早期层结构。测试表明该模型适用于移动端视觉任务，在保持效率的同时提升性能。代码实现包含模块定义、模型构建及测试部分，展示了如何通过精心设计的模块改进现有网络架构。

2025-06-17 17:42:50 127

原创 SwinTransformer 改进：结合DLKA与SSPP的模型架构

本文提出了一种创新的计算机视觉模型架构，结合Swin Transformer、动态大核注意力(DLKA)和空间金字塔池化(SSPP)模块。该设计融合了Transformer的全局建模能力与CNN的局部特征提取优势，其中DLKA模块通过通道和空间注意力增强局部特征提取，SSPP模块实现多尺度特征融合。模型在Swin Transformer基础上插入这两个模块，形成兼顾全局-局部特征表达和多尺度处理的混合架构。实验验证表明，该模型适用于需要同时关注细粒度细节和全局上下文的视觉任务，为计算机视觉模型设计提供了新的

2025-06-17 13:27:09 277

原创 ShuffleNet 改进：与通道注意力机制（CAM）的结合实现

本文提出了一种改进的ShuffleNetV2模型，通过集成通道注意力机制(CAM)增强特征表示能力。CAM模块采用双分支结构（平均池化+最大池化）学习通道权重，并使用带压缩比的MLP减少参数量。模型保留了ShuffleNetV2的轻量特性，支持预训练权重加载，通过维度转换技巧将CAM无缝集成到网络中。实验验证表明，该方法在保持高效性的同时提升了模型性能，为轻量级网络设计提供了有效参考。代码开源，可直接应用于图像分类等任务。

2025-06-09 16:20:40 225

原创 改进系列（13）：基于改进U-ResNet的脊椎医学图像分割系统设计与实现

本文提出一种改进的U-ResNet医学图像分割系统，通过融合残差连接、通道注意力机制和空间金字塔池化模块，显著提升分割精度。系统采用端到端深度学习框架，实现数据预处理、模型训练到可视化分析全流程自动化。实验表明，该方法平均DSC达0.92以上，优于传统分割网络，并提供友好GUI界面支持交互式操作。改进的网络架构包含多级残差块编码器、多尺度瓶颈层和带注意力机制的解码器，配合联合损失函数优化，有效解决医学图像分割中的特征提取不足和小目标分割难题。系统还实现了六种评估指标计算和多种可视化分析功能。

2025-06-09 13:42:51 908

原创 MobileNet 改进：基于MobileNetV2和SSPP的图像分类

本文介绍了一种结合MobileNetV2和空间金字塔池化(SSPP)的轻量级图像分类模型。该模型采用MobileNetV2作为特征提取器，并集成了自定义SSPP模块，通过多尺度池化增强特征表达能力。模型结构包含特征提取、SSPP处理和线性分类三个部分，其中SSPP支持可配置的池化层级(默认1×1,2×2,4×4)。这种设计既保持了MobileNetV2的高效特性，又提升了模型对不同尺寸特征的适应能力。测试代码验证了模型可处理224×224输入并输出正确维度的分类结果。该实现为计算机视觉任务提供了一种平衡性能

2025-06-06 09:10:32 264

原创 ResUNet 改进：融合DLKA注意力机制

本报告详细分析了一个名为UResnet的深度学习网络架构，该网络结合了U-Net的编码器-解码器结构、ResNet的残差连接以及新型的Dilated Large Kernel Attention（DLKA）注意力机制。该网络设计用于图像分割任务，通过多尺度特征提取和融合实现精确的像素级预测。

2025-06-05 14:29:39 168

原创 CentOS在vmware局域网内搭建DHCP服务器【踩坑记录】

本文记录了在CentOS系统上配置DHCP服务的完整流程：首先确保NAT模式联网，修改yum镜像源后安装DHCP服务；然后配置虚拟机网络为vmnet10（虚拟交换机模式），设置CentOS静态IP时需特别注意格式规范；接着编辑dhcpd.conf文件定义IP地址池（192.168.10.200-210）、网关和DNS；最后启动DHCP服务并设置防火墙规则。成功搭建后，Windows客户端切换为自动获取IP即可完成网络配置，通过/var/lib/dhcpd/dhcpd.leases文件可查看租约信息。全程重点

2025-06-04 18:19:32 1414 1

原创 基于深度学习（Unet和SwinUnet）的医学图像分割系统设计与实现：超声心脏分割

本文提出了一种基于深度学习的医学图像分割系统，采用U-Net和Swin-Unet两种网络架构，实现了高效的医学图像分割。系统包含完整的数据预处理、模型训练评估流程，并提供用户友好的图形界面。实验结果表明，该系统在CT等医学图像分割任务中表现优异，Swin-Unet架构性能优于传统U-Net，窗宽窗位调整显著改善CT图像分割效果。系统具有模块化设计、易扩展等特点，为临床诊断提供了有效的计算机辅助工具。

2025-06-04 09:56:29 499

原创 基于人工智能算法实现的AI五子棋博弈

本项目开发了一个基于Python和Pygame的五子棋游戏系统，包含三种对战模式：人人对战、人机对战和AI对战。系统采用模块化设计，包括棋盘管理、AI决策和主程序三大模块。AI算法基于博弈树搜索和评估函数，实现了棋型识别、Alpha-Beta剪枝、迭代加深搜索等优化技术，能够提供较强对战能力。系统支持自定义游戏模式和AI参数，具有清晰的用户界面和交互设计。未来可进一步优化算法性能并扩展功能，如增加难度选择、网络对战等。项目代码结构合理，便于后续开发和改进。

2025-06-03 15:26:16 1718

原创 NLP实战(5)：基于LSTM的电影评论情感分析模型研究

本研究提出了一种基于双向LSTM的深度学习模型，用于电影评论的细粒度情感分类（5分类）。模型采用词嵌入层（100维）、双向LSTM层（2层256维）和全连接层结构，在标准数据集上通过5折交叉验证评估，平均准确率达到55.52%。实验结果显示模型能够有效区分负面、中性到正面的情感表达，其中中性情感与"有点积极/负面"的区分存在改进空间。研究提供了完整的数据预处理流程、模型架构和训练策略，代码已实现模块化，便于复现。未来可结合预训练词向量和注意力机制进一步提升性能。

2025-06-03 13:27:38 1409

原创 U-ResNet 改进：集成CoordinateAttention（坐标注意力）

本文介绍了一种名为UResNet的混合神经网络结构，它结合了ResNet的残差连接、UNet的编码-解码架构以及坐标注意力机制。该网络通过BasicBlock/BottleNeck构建块实现特征提取，采用VGGBlock进行卷积处理，并引入CoordinateAttention模块增强位置感知。在编码阶段逐层下采样，解码阶段通过上采样和跳跃连接恢复分辨率，最终输出分割结果。代码实现展示了完整的网络架构和数据处理流程，测试结果表明该模型能有效处理224×224的输入图像。这种创新组合利用了不同网络的优点，为图

2025-06-02 11:12:45 259

原创 U-ResNet 改进：集成特征金字塔网络(FPN)

本文介绍了UResNet模型的设计与实现，该模型融合了U-Net的编码器-解码器结构、ResNet的残差连接以及特征金字塔网络(FPN)的多尺度特征提取能力。模型包含Up模块、BasicBlock、BottleNeck、VGGBlock和FPN等核心组件，通过编码器下采样、解码器上采样与特征融合，最终输出分割结果。测试表明模型能正确处理256×256输入并输出对应尺寸的分割图。UResNet兼具U-Net的信息保留能力、ResNet的梯度缓解特性以及FPN的多尺度优势，为图像分割任务提供了灵活高效的解决方案

2025-06-02 10:18:00 617

原创 DeepSeek：不同模式（v3、R1）如何选择？

三种模型对比：基础版为默认选项；V3在开放性和规范性文本生成任务中表现优于R1，但使用R1时不宜提供示例（其自主性强）。官方提供PromptLibrary提示语库，V3和R1各有专用提示语模板，例如可将DeepSeek转化为智能体的定制提示方案（150字）

2025-05-29 15:29:02 711

原创 改进系列（12）：基于SAM交互式点提示的UNet腹部多脏器分割方法研究

本文提出了一种基于点提示机制的交互式UNet网络用于腹部多脏器医学图像分割。该方法在传统UNet基础上扩展输入通道，加入点提示信息，允许用户在推理阶段通过点击前景和背景区域提供交互指导。实验采用394例腹部CT图像训练，98例验证，最终在验证集上达到Dice系数0.9358和IoU 0.8805的优异性能。与全自动方法相比，该交互式分割方案更具灵活性，能有效修正边界模糊区域的分割错误，为临床医学图像分析提供了实用解决方案。

2025-05-27 10:02:06 843

基于Transformer实现的创新改进SK注意力机制图像分类项目，无人机拍摄的海滩废弃物图像，代码介绍
基于SK注意力机制的ViT图像分类系统，无人机拍摄的海滩废弃物图像，项目说明书 这套代码实现了一个融合SK（Selective Kernel）注意力机制的ViT（Vision Transformer）图像分类系统，通过创新的模型架构和完整的训练流程，为计算机视觉任务提供了高效精准的解决方案。系统核心采用ViT-B/16作为基础模型，在其分类头前插入自主研发的SKModule注意力模块，该模块通过多分支特征融合和动态权重分配机制（M=2个分支，压缩比r=16），显著提升了模型对多尺度特征的捕捉能力。实验表明，这种改进使模型在ImageNet等基准数据集上准确率提升3-5%，尤其擅长处理复杂背景下的细粒度分类任务。 系统采用工业级的数据处理流程，支持JPEG/PNG等多种图像格式，通过智能数据增强策略（包括随机裁剪、水平翻转和色彩抖动）有效提升模型泛化能力。训练模块实现了多维度指标监控体系，不仅跟踪常规的准确率和损失值，还创新性地引入特异度（Specificity）等医学影像分析常用指标，通过混淆矩阵动态计算各类别的真阴性率，为模型评估提供更全面的视角。独特的训练曲线可视化系统能同时展示6项关键指标（损失、准确率、精确率、召回率、特异度、F1分数）的实时变化，帮助开发者快速诊断模型性能瓶颈。 该框架具有三大技术亮点：首先，采用混合精度训练和CUDA加速，在单卡GPU上即可实现每秒120+图像的吞吐量；其次，创新的模型保存机制会自动保留验证集表现最佳的参数版本，并生成包含30+评估指标的详细报告；最后，模块化设计使系统能快速适配ResNet、EfficientNet等其他骨干网络。特别适合医疗影像分析、工业质检等需要高精度分类的场景，在测试中其对肺炎X光片的分类F1分数达到0.92，远超传统CNN方法。整套代码已优化为即插即用结构，只需修改配置文件即可应用于新的数据集

2025-12-17

计算机视觉数据：空中垃圾检测、图像分类【包括划分好的数据、类别字典文件、python数据可视化脚本】
计算机视觉数据：空中垃圾检测、图像分类【包括划分好的数据、类别字典文件、python数据可视化脚本】 【数据集详情】data目录下分为2个目录，train为训练集、val为验证集，存放各自的同一类数据图片。train数据总数1700，val数据总数170。可以用作yolov5的分类数据集。为了方便查看数据，提供了可视化py文件，随机传入4张图片即可展示，并且保存在当前目录。 关于神经网络改进：https://blog.csdn.net/qq_44886601/category_12858320.html 类别5： { "0": "glass", "1": "plastic_bottle_takeaway_cup", "2": "retort_pouch", "3": "take_away_container", "4": "tin_aluminium_cans" }

2025-12-17

矿区货车语义分割、语义分割数据集（约1000张数据和标签，已处理完可以直接训练，多类别图像分割）
矿区货车语义分割、语义分割数据集（约1000张数据和标签，已处理完可以直接训练，多类别图像分割） 【标签信息，0 背景 货车 查看classes文件】 数据集介绍：【已经划分好】 训练集：images图片目录+masks模板目录，700张左右图片和对应的mask图片 验证集：images图片目录+masks模板目录，300张左右图片和对应的mask图片 除此之外，包含一个图像分割的可视化脚本，随机提取一张图片，将其原始图片、GT图像、GT在原图蒙板的图像展示，并保存在当前目录下 AI改进网络介绍：https://blog.csdn.net/qq_44886601/category_12858320.html 更多图像分割网络unet、swinUnet、trasnUnet改进，参考改进专栏：https://blog.csdn.net/qq_44886601/category_12803200.html

2025-12-17

计算机视觉数据：热门街头美食分类、图像分类【包括划分好的数据、类别字典文件、python数据可视化脚本】
计算机视觉数据：热门街头美食分类、图像分类【包括划分好的数据、类别字典文件、python数据可视化脚本】 【数据集详情】data目录下分为2个目录，train为训练集、val为验证集，存放各自的同一类数据图片。train数据总数2500，val数据总数1100。可以用作yolov5的分类数据集。为了方便查看数据，提供了可视化py文件，随机传入4张图片即可展示，并且保存在当前目录。 关于神经网络改进：https://blog.csdn.net/qq_44886601/category_12858320.html 类别20： Tacos Pizza Slice Burger Hot Dog Shawarma Falafel Currywurst Fish and Chips Pani Puri Bánh Mì Arepas Churros Pretzel Empanadas Kebab (Shish Kebab) Pad Thai Gelato Crepes Poutine Samosas

2025-12-17

采用 YOLOv11-OBB 格式的 DroneVehicle 数据集： 小型车辆和大型车辆 识别+5k张数据和标签
采用 YOLOv11-OBB 格式的 DroneVehicle 数据集： 小型车辆和大型车辆 识别+5k张数据和标签

2025-12-17

resnet有效改进，ExternalAttention注意力模块，OPENCV项目+说明文档+热门食物识别
【Resnet改进系列】基于resnet+ExternalAttention改进的图像分类项目+说明文档+热门食物识别 本项目是一个基于PyTorch框架的深度学习图像分类系统。 采用卷积神经网络（CNN）实现完整的训练与评估流程。系统核心功能包括数据预处理、模型训练、性能评估和可视化分析，适用于多样化的图像分类任务。项目文件结构清晰，主要由train.py（主训练脚本）、data_utils.py（数据处理模块）和train_utils.py（训练评估工具）组成，支持命令行参数配置如数据路径、批次大小和学习率等。 数据预处理阶段通过ImageDataset类实现标准化操作：训练集采用随机裁剪、水平翻转和颜色增强等动态增强策略，验证集仅进行基础调整和归一化，均统一至224×224分辨率。训练流程支持GPU加速，自动记录损失值、准确率、精确率、召回率、特异度和F1分数六类指标，并在每轮训练后生成验证集评估报告。系统会动态保存最佳模型权重（.pth文件）至checkpoints目录，同时输出训练曲线图（含6项指标对比）和详细日志文件，便于监控过拟合/欠拟合现象。 用户可通过模块化设计灵活扩展功能：修改CNNModel类调整网络结构，自定义get_data_transforms()的数据增强策略，或增减calculate_metrics()的评估指标。项目要求数据集按类别分目录存放，依赖PyTorch、NumPy等基础库，建议合理设置batch_size以避免内存溢出。该系统整合了从数据加载到模型部署的全流程工具，兼具标准化流程与高度可定制性，为图像分类任务提供高效解决方案。

2025-12-17

基于YOLOV5【更换backbone为Swin-Transformer】对道路异常目标检测数据集的目标检测实战项目
基于YOLOV5【更换backbone为Swin-Transformer】对【道路异常】目标检测数据集的目标检测实战项目，包含代码、数据集，经测试，代码可以直接使用 【数据集介绍】道路异常图像数据，8类别：longitudinal crack - 0 longitudinal crack wide - 1 transverse crack - 2 transverse crack wide - 3 alligator crack - 4 alligator crack sunken - 5 pothole - 6 pothole deep - 7 训练集datasets-images-train：1900张图片和1900个标签txt文件组成 测试集datasets-images-val：480张图片和480个标签txt文件组成 【yolov5】项目总大小：166MB 项目迭代了100个epoch，在runs目录下保存了训练结果，训练最好的精度map0.5=0.84，map0.5:0.95=0.42。训练过程中会生成验证集的混淆矩阵，PR曲线、F1曲线等等runs/detect目录下保存了网络推理训练集的全部结果，推理效果很好 更多yolov5改进介绍、或者如何训练，请参考： https://blog.csdn.net/qq_44886601/category_12605353.html

2025-12-16

UNet+mobilenet实战改进项目+CV+X光牙齿语义分割+项目说明书+数据集
【unet改进实战】基于unet+深度可分离卷积mobilenet改进实现的【X光牙齿】图像语义分割+项目说明书+数据集 项目概述 本项目基于PyTorch框架构建了一个通用图像分割系统，全面支持二分类及多类别分割任务。 系统功能 该系统提供从数据预处理到模型训练、验证评估的全流程解决方案，具备高度可配置性和实用性： 数据处理：支持自定义图像和掩码文件格式（如.jpg、.png等），自动处理不连续标签值，集成多种数据增强技术提升模型泛化能力 模型架构：基于UNet实现，可通过参数灵活调整输入尺寸、卷积通道数等，兼容不同类别数量的分割任务（通过--num_classes参数指定） 训练功能：支持GPU加速，提供学习率、批次大小等超参数配置选项，实时记录损失曲线和评估指标（如IoU、Dice系数），自动保存最优模型权重 使用流程 按规范组织数据集（图像与掩码文件需名称对应，分别存放在images/masks子目录） 通过命令行参数启动训练，可指定： 数据路径（--data_dir） 学习率（--learning_rate） 标签映射规则（--label_mapping）等 系统输出包含： 模型权重文件（.pth） 训练曲线可视化图表 指标日志文件 注意事项 掩码图像应为单通道灰度图，标签值为整数 多分类任务推荐使用one-hot编码掩码 项目依赖主流科学计算库（PyTorch、NumPy）及可视化工具（Matplotlib），安装简便 应用领域 该系统适用于医学影像、遥感等领域的语义分割任务，兼顾易用性与扩展性。用户可通过调整UNet深度或添加注意力机制等方式进一步优化性能。 【项目说明书】包含完整代码实现与原理讲解：https://blog.csdn.net/qq_44886601/category_12858320.html

2025-12-16

道路损坏检测、图像目标检测数据【已标注，约2400张数据和标签，YOLO 标注格式】
道路损坏检测、图像目标检测数据【已标注，约2400张数据和标签，YOLO 标注格式】 类别个数【8】：longitudinal crack - 0 longitudinal crack wide - 1 transverse crack - 2 transverse crack wide - 3 alligator crack - 4 alligator crack sunken - 5 pothole - 6 pothole deep - 7【具体参考classes文件】 数据集做了7：3训练集、验证集划分。 yolov5的改进实战：https://blog.csdn.net/qq_44886601/category_12605353.html 【更多图像分类、图像分割（医学）、目标检测（yolo）的项目以及相应网络的改进，可以参考本人主页：https://blog.csdn.net/qq_44886601/category_12803200.html】

2025-12-16

牙齿分割、语义分割数据集（约2000张数据和标签，已处理完可以直接训练，多类别图像分割）
牙齿分割、语义分割数据集（约2000张数据和标签，已处理完可以直接训练，多类别图像分割） 【标签信息，0 背景 255牙齿 查看classes文件】 数据集介绍：【已经划分好】 训练集：images图片目录+masks模板目录，1400张左右图片和对应的mask图片 验证集：images图片目录+masks模板目录，600张左右图片和对应的mask图片 除此之外，包含一个图像分割的可视化脚本，随机提取一张图片，将其原始图片、GT图像、GT在原图蒙板的图像展示，并保存在当前目录下 AI改进网络介绍：https://blog.csdn.net/qq_44886601/category_12858320.html 更多图像分割网络unet、swinUnet、trasnUnet改进，参考改进专栏：https://blog.csdn.net/qq_44886601/category_12803200.html

2025-12-16

YOLOV5 改进实战项目【更换骨干网络为shufflenet】对马路垃圾检测，包含代码、数据集 经测试，代码可以直接使用
YOLOV5 改进实战项目【更换骨干网络为shufflenet】对马路垃圾检测，包含代码、数据集。经测试，代码可以直接使用。 【yolov5】项目总大小：220 MB 本项目更换了yolov5骨干网络为官方实现的shufflenet网络，曾经在水果数据集上，简单训练了100个epoch，map指标为0.96，map0.5:0.95=0.92。 【如何训练】和yolov5一样的训练方法，摆放好datasets数据，然后更改yaml文件中的类别信息即可训练 【数据集】（数据分为分为训练集和验证集） 训练集datasets-images-train：4200张图片和4200个标签txt文件组成 验证集datasets-images-val：1700张图片和1700个标签txt文件组成 更多yolov5改进介绍、或者如何训练，请参考： https://blog.csdn.net/qq_44886601/category_12605353.html

2025-12-16

垃圾检测、图像目标检测数据【已标注，约5000张数据和标签，YOLO 标注格式】
垃圾检测、图像目标检测数据【已标注，约5000张数据和标签，YOLO 标注格式】 类别个数【18】：Aluminium foil Bottle cap Bottle Broken glass Can Carton Cigarette Cup Lid Other litter Other plastic Paper Plastic bag - wrapper Plastic container Pop tab Straw Styrofoam piece Unlabeled litter 【具体参考classes文件】 数据集做了7：3训练集、验证集划分。 yolov5的改进实战：https://blog.csdn.net/qq_44886601/category_12605353.html 【更多图像分类、图像分割（医学）、目标检测（yolo）的项目以及相应网络的改进，可以参考本人主页：https://blog.csdn.net/qq_44886601/category_12803200.html】

2025-12-16

TransUnet 改进：在Transformer块中加入CBAM模块的实现的皮肤病图像分割、语义分割
TransUnet 改进：在Transformer块中加入CBAM模块的实现的皮肤病图像分割、语义分割 数据集采用【皮肤病图像分割】，数据在data目录下，划分了训练集和验证集。代码可直接运行 【改进部分】代码在TransUnet的Transformer中加入了CBAM模块。如果想要更换别的模块，只需要将CBAM替换即可 网络介绍：摆放好数据集，直接更改train脚本的参数即可，默认的epoch是100，学习率采用cos余弦退火算法，初始值0.01，衰减到0.00001。如果想在大尺度进行训练，修改img-size参数即可，优化器采用了AdamW。评估的指标为dice、iou、recall、precision、f1、pixel accuracy等等，代码会对训练和验证集进行评估，结果保存runs下的json文件中。 网络推理的时候，会自动将inference/img下所有图像进行推理，并且保存在infer_get、show下，前者是推理gt阈值图像，后者是img+推理gt的掩膜效果 更多改进项目参本人【改进专栏】https://blog.csdn.net/qq_44886601/category_12803200.html

2025-12-15

皮肤病分割、图像分割数据集（约1200张数据和标签，已处理完可以直接训练，多类别图像分割）
皮肤病分割、图像分割数据集（约1200张数据和标签，已处理完可以直接训练，多类别图像分割） 【标签信息，0 背景 1 皮肤病 查看classes文件】 数据集介绍：【已经划分好】 训练集：images图片目录+masks模板目录，900张左右图片和对应的mask图片 验证集：images图片目录+masks模板目录，380张左右图片和对应的mask图片 除此之外，包含一个图像分割的可视化脚本，随机提取一张图片，将其原始图片、GT图像、GT在原图蒙板的图像展示，并保存在当前目录下 AI改进网络介绍：https://blog.csdn.net/qq_44886601/category_12858320.html 更多图像分割网络unet、swinUnet、trasnUnet改进，参考改进专栏：https://blog.csdn.net/qq_44886601/category_12803200.html

2025-12-15

盲道、障碍物识别、图像分割数据集（约3500张数据和标签，已处理完可以直接训练，多类别图像分割）
盲道、障碍物识别、图像分割数据集（约3500张数据和标签，已处理完可以直接训练，多类别图像分割） 【标签信息，0 背景 1 盲道 2 障碍物 查看classes文件】 数据集介绍：【已经划分好】 训练集：images图片目录+masks模板目录，230张左右图片和对应的mask图片 验证集：images图片目录+masks模板目录，80张左右图片和对应的mask图片 除此之外，包含一个图像分割的可视化脚本，随机提取一张图片，将其原始图片、GT图像、GT在原图蒙板的图像展示，并保存在当前目录下 AI改进网络介绍：https://blog.csdn.net/qq_44886601/category_12858320.html 更多图像分割网络unet、swinUnet、trasnUnet改进，参考改进专栏：https://blog.csdn.net/qq_44886601/category_12803200.html

2025-12-15

家庭火灾检测、图像目标检测数据【已标注，约5000张数据和标签，YOLO 标注格式】
家庭火灾检测、图像目标检测数据【已标注，约5000张数据和标签，YOLO 标注格式】 类别个数【1】fire【具体参考classes文件】 数据集做了7：3训练集、验证集划分。 yolov5的改进实战：https://blog.csdn.net/qq_44886601/category_12605353.html 【更多图像分类、图像分割（医学）、目标检测（yolo）的项目以及相应网络的改进，可以参考本人主页：https://blog.csdn.net/qq_44886601/category_12803200.html】

2025-12-15

计算机视觉数据：废弃物识别、图像分类【包括划分好的数据、类别字典文件、python数据可视化脚本】
计算机视觉数据：废弃物识别、图像分类【包括划分好的数据、类别字典文件、python数据可视化脚本】 【数据集详情】data目录下分为2个目录，train为训练集、val为验证集，存放各自的同一类数据图片。train数据总数9200，val数据总数3900。可以用作yolov5的分类数据集。为了方便查看数据，提供了可视化py文件，随机传入4张图片即可展示，并且保存在当前目录。 关于神经网络改进：https://blog.csdn.net/qq_44886601/category_12858320.html 类别9： { "0": "Construction_Waste", "1": "Electronic_Waste", "2": "Glass_Waste", "3": "Medical_Waste", "4": "Metal_Waste", "5": "Organic_Waste", "6": "Paper_Cardboard_Waste", "7": "Plastic_Waste", "8": "Textile_Rubber_Waste" }

2025-12-15

基于Swin-Transformer改进CBAM模块+多尺度特征融合+Focal loss分类项目：废弃物识别
基于Swin-Transformer改进CBAM模块+多尺度特征融合+Focal loss分类项目：废弃物识别 【项目简介】 代码主干网络采用Swin-Transformer +CBAM+多尺度特征融合改进网络。pretrained参数为是否采用官方预训练模型。为了做对比消融试验，优化器采用了Adam和SGD、AdamW三种。损失函数采用Focal loss、学习率优化策略采用cos余弦退火算法 【评估网络】 评估的指标采用loss和准确率（accuracy），分别会在训练集和验证集上进行评估、输出、绘制曲线图像。同时会在训练集、验证集进行一系列评估，包含混淆矩阵、recall、precision、F1 score等等曲线图像，以及recall、precision、F1 score、特异度的输出信息等等。同时生成验证集的ROC、PR曲线，样本数量柱状图等。如果有测试集的话，会自动进行测试 【QT推理】直接运行qt脚本即可 分类改进专栏：https://blog.csdn.net/qq_44886601/category_12803200.html

2025-12-15

面向医学图像的交互式分割工具：PyTorch实现Unet和swinUnet分割项目：工业钢材缺陷检测
面向医学图像的交互式分割工具：PyTorch实现Unet和swinUnet分割项目：工业钢材缺陷检测 本项目集合实现了一个基于PyTorch的图像分割系统，包含数据加载、模型训练、评估和可视化功能，支持CT图像对比度增强及多类别分割任务。 【数据加载与预处理】 系统通过MyDataset类实现数据加载，支持自定义图像/掩膜路径、文件格式及基础尺寸调整。数据增强包括随机水平/垂直翻转，并提供CT图像的窗口化对比度增强选项。标签图像被二值化处理，多类别分割任务可通过grayList.txt文件定义类别灰度值。测试阶段可可视化原始图像与分割结果，支持保存预测图。 【模型训练与评估 】 训练流程包含数据集划分、数据加载器配置及学习率调度。采用交叉熵损失函数和AdamW优化器，结合余弦退火策略动态调整学习率。训练过程中实时计算并记录损失、IoU、Dice系数等指标，通过混淆矩阵评估模型性能。每轮训练后自动保存最优权重，并生成训练日志与可视化曲线（损失、IoU、精度等）。模型架构支持UNet和SwinUnet两种选择，参数量和FLOPs通过thop库计算。 【系统集成与交互界面 】 通过PyQt5构建图形界面，用户可选择图片并查看分割结果。界面集成颜色映射功能，将预测类别转换为RGB颜色显示。系统支持批量处理与结果保存，但当前版本未完全集成训练模块，需通过命令行参数配置训练参数（如--model、--epochs等）。训练脚本自动创建目录结构，保存模型权重、日志及可视化结果。 参考：https://blog.csdn.net/qq_44886601/category_12858320.html

2025-12-10

钢材表面缺陷检测、图像分割数据集（约3500张数据和标签，已处理完可以直接训练，多类别图像分割）
钢材表面缺陷检测、图像分割数据集（约3500张数据和标签，已处理完可以直接训练，多类别图像分割） 【标签信息，0 背景 缺陷 查看classes文件】 数据集介绍：【已经划分好】 训练集：images图片目录+masks模板目录，2500张左右图片和对应的mask图片 验证集：images图片目录+masks模板目录，1000张左右图片和对应的mask图片 除此之外，包含一个图像分割的可视化脚本，随机提取一张图片，将其原始图片、GT图像、GT在原图蒙板的图像展示，并保存在当前目录下 AI改进网络介绍：https://blog.csdn.net/qq_44886601/category_12858320.html 更多图像分割网络unet、swinUnet、trasnUnet改进，参考改进专栏：https://blog.csdn.net/qq_44886601/category_12803200.html

2025-12-10

城市马路上骑行者检测【已标注，约3200张数据和标签，YOLO 标注格式】
城市马路上骑行者检测【已标注，约3200张数据和标签，YOLO 标注格式】 类别个数【1】骑行者【具体参考classes文件】 数据集做了7：3训练集、验证集划分。 yolov5的改进实战：https://blog.csdn.net/qq_44886601/category_12605353.html 【更多图像分类、图像分割（医学）、目标检测（yolo）的项目以及相应网络的改进，可以参考本人主页：https://blog.csdn.net/qq_44886601/category_12803200.html】

2025-12-26

果树梨子检测【已标注，约1300张数据和标签，YOLO 标注格式】
果树梨子检测【已标注，约1300张数据和标签，YOLO 标注格式】 类别个数【1】pear【具体参考classes文件】 数据集做了7：3训练集、验证集划分。 yolov5的改进实战：https://blog.csdn.net/qq_44886601/category_12605353.html 【更多图像分类、图像分割（医学）、目标检测（yolo）的项目以及相应网络的改进，可以参考本人主页：https://blog.csdn.net/qq_44886601/category_12803200.html】

2025-12-25

YOLOV5 改进【更换骨干网络为GhostNet】：梨子数据集检测
YOLOV5 改进【更换骨干网络为GhostNet】：梨子数据集检测 【如何训练】和yolov5一样的训练方法，摆放好datasets数据，然后更改yaml文件中的类别信息即可训练 【数据集】（数据分为分为训练集和验证集） 训练集：1100左右张图片和对应的标签txt文件组成 验证集：260左右张图片和对应的标签txt文件组成 更多yolov5改进介绍、或者如何训练，请参考： https://blog.csdn.net/qq_44886601/category_12605353.html

2025-12-25

基于TransUnet和Swin-Unet 实现的医学图像语义分割对比项目：视盘视杯分割
基于TransUnet和Swin-Unet 实现的医学图像语义分割对比项目：视盘视杯分割 数据集采用【视盘视杯分割】，数据在data目录下，划分了训练集和验证集。【代码可一键运行】 【介绍】分割网络为TransUnet和Swin-Unet （可以自行选择），学习率采用cos余弦退火算法。如果想在大尺度进行训练，修改base-size参数即可，优化器采用了AdamW。评估的指标为dice、iou、recall、precision、f1、pixel accuracy等等，代码会对训练和验证集进行评估，结果保存runs下的json文件中。 网络推理的时候采用可视化推理，运行infer脚本会打开本地网页，上传图片即可进行推理 更多医学图像语义分割实战：https://blog.csdn.net/qq_44886601/category_12816068.html 图像分类、语义分割网络改进：https://blog.csdn.net/qq_44886601/category_12858320.html

2025-12-24

视盘视杯图像语义分割数据集（约1600张数据和标签，已处理完可以直接训练，多类别图像分割）
视盘视杯图像语义分割数据集（约1600张数据和标签，已处理完可以直接训练，多类别图像分割） 【标签信息， 0 - 视杯 128 - 视盘 255 - 背景 查看classes文件】 数据集介绍：【已经划分好】 训练集：images图片目录+masks模板目录，1200张左右图片和对应的mask图片 验证集：images图片目录+masks模板目录，480张左右图片和对应的mask图片 除此之外，包含一个图像分割的可视化脚本，随机提取一张图片，将其原始图片、GT图像、GT在原图蒙板的图像展示，并保存在当前目录下 AI改进网络介绍：https://blog.csdn.net/qq_44886601/category_12858320.html 更多图像分割网络unet、swinUnet、trasnUnet改进，参考改进专栏：https://blog.csdn.net/qq_44886601/category_12803200.html

2025-12-24

基于 MobileNetV3轻量级网络实现的自适应迁移学习图像识别实战：遥感土地图像分类项目，一键运行
基于 MobileNetV3轻量级网络实现的自适应迁移学习图像识别实战：遥感土地图像分类项目，一键运行 该项目是一个基于MobileNet V3模型的图像分类系统，旨在通过深度学习技术实现高效的图像分类任务。系统主要由三个模块组成：模型训练、推理预测和工具函数。首先，train.py脚本负责模型的训练过程，用户可以通过命令行参数设置模型类型、优化器、学习率、批量大小等超参数。训练过程中，脚本会自动进行数据预处理、模型初始化、训练与验证循环，并保存最佳模型权重和训练日志。训练结束后，系统会生成损失曲线、准确率曲线、混淆矩阵、recall、F1、precision、ROC曲线和AUC值等可化结果，帮助用户评估模型性能。 其次，infer.py脚本用于推理预测，可以通过Streamlit提供的Web界面上传图像，系统会调用训练好的模型进行图像分类，并返回预测结果及其置信度。 关于AI改进参考：https://blog.csdn.net/qq_44886601/category_12858320.html

2025-12-24

深度学习数据集：农村景观监测、图像分类【包括划分好的数据、类别字典文件、python数据可视化脚本】
深度学习数据集：农村景观监测【包括划分好的数据、字典文件、可视化脚本】 【数据集详情】data目录下分为2个目录，train为训练集、val为验证集，存放各自的同一类数据图片。train数据总数5000，val数据总数2100。可以用作yolov5的分类数据集。为了方便查看数据，提供了可视化py文件，随机传入4张图片即可展示，并且保存在当前目录。 关于神经网络改进：https://blog.csdn.net/qq_44886601/category_12858320.html 类别6： Cropland Forest Water Body Built-up Area Grassland Barren Land

2025-12-24

YOLOV5+vgg16（小目标检测效果好）改进项目：交通标志牌目标检测数据集（12类别）
YOLOV5+vgg16（小目标检测效果好）改进项目：交通标志牌目标检测数据集（12类别） 包含代码、数据集、训练好的权重参数，经测试，代码可以直接使用。 因为vgg代码，8倍下采样丰富，适合检测小目标 【yolov5】项目总大小：255MB 本项目更换了yolov5骨干网络为官方实现的VGG16网络，这里仅仅训练了100个epoch，网络还没收敛，加大轮次可以获取更高的网络性能 【如何训练】和yolov5一样的训练方法，摆放好datasets数据，然后更改yaml文件中的类别信息即可训练 更多yolov5改进介绍、或者如何训练，请参考： https://blog.csdn.net/qq_44886601/category_12605353.html

2025-12-24

大型交通标志检测、图像目标检测数据【已标注，约7000张数据和标签，YOLO 标注格式】
交通标志检测、图像目标检测数据【已标注，约7000张数据和标签，YOLO 标注格式】 类别个数【12】红绿灯等【具体参考classes文件】 数据集做了7：3训练集、验证集划分。 yolov5的改进实战：https://blog.csdn.net/qq_44886601/category_12605353.html 【更多图像分类、图像分割（医学）、目标检测（yolo）的项目以及相应网络的改进，可以参考本人主页：https://blog.csdn.net/qq_44886601/category_12803200.html】

2025-12-24

基于Unet融合SAM模型point提示推理遥感图像分割项目：皮肤病疾病分割
基于Unet融合SAM模型point提示推理遥感图像分割项目：皮肤病疾病分割 代码将SAM的point提示和Unet融合改进，评估指标采用dice、iou，recall、precision等，以及相应的曲线。 推理的脚本是【infer.py】，运行会生成UI界面，鼠标点击可以选择提示的前景/背景。代码会自动推理，显示掩膜图像 更多unet改进参考https://blog.csdn.net/qq_44886601/category_12858320.html【持续更新】 创新点介绍：实现了一个基于UNet的交互式图像分割系统，其核心亮点在于：1）创新性地将用户交互点作为第四通道与RGB图像拼接输入网络，实现点引导的精准分割；2）采用完整的训练-评估-应用闭环，支持余弦退火学习率调度和全面的分割指标评估（mIoU/Dice等）；3）设计了友好的GUI界面，用户只需点击前景/背景点即可实时获得可视化结果；4) 系统具有高度可扩展性，UNet架构支持自定义通道数和特征图尺寸，数据加载器内置多种增强策略，既能保证训练效果又能适应不同尺寸的输入图像。

2025-12-23

皮肤病灶图像语义分割、语义分割数据集（约5000张数据和标签，已处理完可以直接训练，多类别图像分割）
皮肤病灶图像语义分割、语义分割数据集（约5000张数据和标签，已处理完可以直接训练，多类别图像分割） 【标签信息，0 背景 255皮肤病 查看classes文件】 数据集介绍：【已经划分好】 训练集：images图片目录+masks模板目录，3600张左右图片和对应的mask图片 验证集：images图片目录+masks模板目录，1500张左右图片和对应的mask图片 除此之外，包含一个图像分割的可视化脚本，随机提取一张图片，将其原始图片、GT图像、GT在原图蒙板的图像展示，并保存在当前目录下 AI改进网络介绍：https://blog.csdn.net/qq_44886601/category_12858320.html 更多图像分割网络unet、swinUnet、trasnUnet改进，参考改进专栏：https://blog.csdn.net/qq_44886601/category_12803200.html

2025-12-23

SwinTransformer改进 + MLCA注意力机制+项目说明书 + 停车场检测+计算机视觉项目
基于SwinTransformer+MLCA注意力机制改进的完整项目实战【包含项目说明书】+ 代码 + 停车场检测 本项目是一个基于PyTorch框架的深度学习图像分类系统，采用卷积神经网络（CNN）实现完整的训练与评估流程。系统核心功能包括数据预处理、模型训练、性能评估和可视化分析，适用于多样化的图像分类任务。项目文件结构清晰，主要由train.py（主训练脚本）、data_utils.py（数据处理模块）和train_utils.py（训练评估工具）组成，支持命令行参数配置如数据路径、批次大小和学习率等。 数据预处理阶段通过ImageDataset类实现标准化操作：训练集采用随机裁剪、水平翻转和颜色增强等动态增强策略，验证集仅进行基础调整和归一化，均统一至224×224分辨率。训练流程支持GPU加速，自动记录损失值、准确率、精确率、召回率、特异度和F1分数六类指标，并在每轮训练后生成验证集评估报告。系统会动态保存最佳模型权重（.pth文件）至checkpoints目录，同时输出训练曲线图（含6项指标对比）和详细日志文件，便于监控过拟合/欠拟合现象。 用户可通过模块化设计灵活扩展功能：修改CNNModel类调整网络结构，自定义get_data_transforms()的数据增强策略，或增减calculate_metrics()的评估指标。项目要求数据集按类别分目录存放，依赖PyTorch、NumPy等基础库，建议合理设置batch_size以避免内存溢出。该系统整合了从数据加载到模型部署的全流程工具，兼具标准化流程与高度可定制性，为图像分类任务提供高效解决方案。

2025-12-23

计算机视觉数据：网球运动员动作识别、图像分类【包括划分好的数据、类别字典文件、python数据可视化脚本】
计算机视觉数据：网球运动员动作识别、图像分类【包括划分好的数据、类别字典文件、python数据可视化脚本】 【数据集详情】data目录下分为2个目录，train为训练集、val为验证集，存放各自的同一类数据图片。train数据总数1400，val数据总数600。可以用作yolov5的分类数据集。为了方便查看数据，提供了可视化py文件，随机传入4张图片即可展示，并且保存在当前目录。 关于神经网络改进：https://blog.csdn.net/qq_44886601/category_12858320.html 类别4： { "0": "backhand", "1": "forehand", "2": "ready_position", "3": "serve" }

2025-12-23

网球运动员动作识别+目标检测+json标签
backhand shot (backhand) forehand shot (forehand) ready position (ready_position) serve (serve)

2025-12-23

计算机视觉数据：停车场空置和占用空间检测、图像分类【包括划分好的数据、类别字典文件、python数据可视化脚本】
计算机视觉数据：停车场空置和占用空间检测、图像分类【包括划分好的数据、类别字典文件、python数据可视化脚本】 【数据集详情】data目录下分为2个目录，train为训练集、val为验证集，存放各自的同一类数据图片。train数据总数4800，val数据总数900。可以用作yolov5的分类数据集。为了方便查看数据，提供了可视化py文件，随机传入4张图片即可展示，并且保存在当前目录。 关于神经网络改进：https://blog.csdn.net/qq_44886601/category_12858320.html 类别2： { "0": "busy", "1": "free" }

2025-12-23

DenseNet121,161,169,201等模型实现的迁移学习、自适应图像识别项目实战：运动员动作图像分类

DenseNet121,161,169,201等模型实现的迁移学习、自适应图像识别项目实战：运动员动作图像分类 【项目简介】 代码主干网络采用DenseNet家族系列，包括densenet121,161,169,201模型。训练的时候是否需要载入官方在imageNet数据集上的预训练权重或者仅仅训练分类输出层，只需要更改pretrained和freeze_layers参数即可。为了做对比消融试验，优化器采用了Adam和SGD两种，如果需要增加其他的，可以自行在if语句中添加。损失函数采用多类别的交叉熵、学习率优化策略采用cos余弦退火算法 【评估网络】 评估的指标采用loss和准确率（accuracy），分别会在训练集和验证集上进行评估、输出、绘制曲线图像。同时会在训练集、验证集进行评估，包含混淆矩阵、recall、precision、F1 score等等曲线图像，以及recall、precision、F1 score、特异度的输出信息等等。 【如果想要更换数据集训练，参考readme文件】 【本项目为运动员动作图像分类（约5k张数据），包含数据集和标签，可以一键运行】

2025-12-23

基于SwinUnet融合SAM point创新改进完整语义分割项目：卫星建筑屋顶图像语义分割（包含完整数据集和代码）
基于SwinUnet融合SAM point创新改进完整语义分割项目：卫星建筑屋顶图像语义分割（包含完整数据集和代码） 核心创新在于将**点提示学习机制与Swin UNet相结合**，实现了**用户引导的智能分割范式**。该系统在架构设计、训练策略和交互方式上均实现了重大突破，具体体现在以下几个层面： **首先，在模型架构上进行了根本性创新。** 系统摒弃了传统的卷积神经网络，采用基于Swin Transformer的U型编解码器作为主干网络。Swin Transformer通过引入**移位窗口自注意力机制**，在保持全局建模能力的同时大幅降低了计算复杂度，能够有效捕获多尺度语义信息。更为关键的是，模型创新地将**点提示作为第四输入通道**，将用户交互信息以空间热图的形式与原始RGB图像拼接，形成4通道输入。这种设计使得网络能够同时处理视觉特征和用户意图，实现了端到端的交互式学习。 **其次，在训练策略上实现了智能化革新。** 数据集加载器(`dataset.py`)采用**动态点采样机制**，在每轮训练中随机从真实掩码的前景区域采样点作为正样本提示，当缺乏前景时则采样背景点作为负样本提示。这种**课程学习策略**使模型能够学习如何响应各种点提示情况，极大增强了模型的鲁棒性和泛化能力。训练过程还结合了余弦退火学习率调度和AdamW优化器，确保模型稳定收敛到最优解。 **第三，在交互体验上实现了革命性突破。** 推理界面(`infer.py`)基于Tkinter构建了直观的图形化交互系统，用户可通过**左键点击指定前景、右键点击指定背景**的方式提供点提示。系统实时响应用户输入，将点坐标映射为空间热图后与原始图像共同输入训练好的模型，生成精确的分割结果。这种交互方式极大地降低了专业分割的门槛，使得非专业用户也能通过简单点击获得高质量分割效果。

2025-12-18

遥感建筑屋顶语义分割、语义分割数据集（约6000张数据和标签，已处理完可以直接训练，多类别图像分割）
遥感建筑语义分割、语义分割数据集（约6000张数据和标签，已处理完可以直接训练，多类别图像分割） 【标签信息，0 背景 255建筑 查看classes文件】 数据集介绍：【已经划分好】 训练集：images图片目录+masks模板目录，4200张左右图片和对应的mask图片 验证集：images图片目录+masks模板目录，1800张左右图片和对应的mask图片 除此之外，包含一个图像分割的可视化脚本，随机提取一张图片，将其原始图片、GT图像、GT在原图蒙板的图像展示，并保存在当前目录下 AI改进网络介绍：https://blog.csdn.net/qq_44886601/category_12858320.html 更多图像分割网络unet、swinUnet、trasnUnet改进，参考改进专栏：https://blog.csdn.net/qq_44886601/category_12803200.html

2025-12-18

yolov8 实现的风力涡轮机图像检测完整项目python实现（毕业设计&课程设计&项目开发）
yolov8 实现的风力涡轮机图像检测完整项目python实现（毕业设计&课程设计&项目开发） 【数据集介绍】类别个数（1）：风力涡轮机（共约2300张数据和标签） 训练自定义数据集摆放好数据后，更改mydata.yaml文件即可。训练或者推理的话，根据目标下编写的train和predict脚本实现即可。本项目还提供了预训练权重，可以根据不同的检测任务进行微调以达到好的检测精度。 关于yolov5改进介绍、或者如何训练，请参考： https://blog.csdn.net/qq_44886601/category_12605353.html yolov8训练数据的介绍： https://blog.csdn.net/qq_44886601/article/details/139810906

2025-12-18

风力涡轮机检测、图像目标检测数据【已标注，约2300张数据和标签，YOLO 标注格式】
风力涡轮机检测、图像目标检测数据【已标注，约2300张数据和标签，YOLO 标注格式】 类别个数【2】cable tower turbine等【具体参考classes文件】 数据集做了7：3训练集、验证集划分。 yolov5的改进实战：https://blog.csdn.net/qq_44886601/category_12605353.html 【更多图像分类、图像分割（医学）、目标检测（yolo）的项目以及相应网络的改进，可以参考本人主页：https://blog.csdn.net/qq_44886601/category_12803200.html】

2025-12-18

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章？
取消 删除