qq_44992785的博客

【代码】查看VOC数据集XML标签是否有空标签。

【代码】yolo系列自己画检测框box。

【代码】将文件夹中的文件名保存在txt文件中。

【代码】统计XML数据集共有多少类别与实例。

【代码】COCO转VOC格式。

【代码】yolo格式转xml格式。

如果pyqt界面中使用了多线程，在打包成exe后会出现点击多线程任务会重新加载整个界面，需要在打包为exe前在ui界面的main函数下加上multiprocessing.freeze_support()

有时候本地pip的时候http会超时所以加上清华源路径会飞快！

pyqt5+yolox搭建检测系统

yolov8使用pycocotools进行评估

本文利用matplotlib绘制几个常见的图，例如折线图，直方图，饼状等

透射变换举例

ONNX模型转换+推理

YOLOv8与YOLOX的对比

linux将本地代码上传到远程git仓库

YOLOv8保姆级动手把手攻略

目标检测评价指标

目标检测的数据集标注一般通过labelimg插件进行标注，有很多样本类型很容易进行标注对于这些很容易进行标注的数据集我们在进行模型迭代的时候经常也要进行标注这样导致很废时间，我们假设是在你已经有一个训练好基于某个任务的模型，这时你又有了新的训练样本那么如果不想费力再一个一个进行标注，可以通过当前已经训练好的模型线对这些未标记的样本进行推理再将每个样本的结果保存到xml文件中。将保存下来的xml文件使用labelimg插件就可以自动进行匹配。

目前主流的目标检测器以YOLOX为例，后处理后的output基本上output[: , :4]前四个代表的bbox的坐标一般会将中心宽高的形式转换成左上角右下角点坐标的形式，至于output[: , :4] output[:, :5]分别是obj是否包含物体的得分和类别得分，但是目前例如YOLOv8已经没有obj得分了似乎只有分类得分大家根据情况对脚本进行更改。最后一个维度为类别索引.首先这里这里只是给大家提供一个脚本，具体从model出来的output需要经过的一些后处理例如nms自行解决。

【机器学习】利用DBSCAN-基于密度的空间聚类算法计算出一批经纬度中的中心点，并筛选出离群点。