牧锦程-CSDN博客

原创【YOLO 系列】基于YOLO V8的野生动物检测与报警系统【python源码+Pyqt5界面+数据集+训练代码】

在自然环境和野生动物栖息地附近，人类活动日益频繁，这不仅对生态环境产生影响，也增加了与危险动物相遇的风险。为了提高人们对潜在危险的意识并采取预防措施，我们启动了基于YOLOV8的动物检测项目。该项目旨在通过先进的目标检测技术，实时识别和区分危险与非危险动物，从而提醒人们及时规避潜在威胁。

2024-09-17 14:51:53 1270

原创【论文解读】图像序列识别：CRNN技术在场景文本识别中的应用与突破（附论文地址）

。文章主要研究了基于图像的序列识别问题，特别是场景文本识别，这是基于图像的序列识别中最重要和最具挑战性的任务之一。

2024-09-10 18:56:16 955

原创【YOLO 系列】基于YOLOV8的智能花卉分类检测系统【python源码+Pyqt5界面+数据集+训练代码】

花朵作为自然界中的重要组成部分，不仅在生态学上具有重要意义，也在园艺、农业以及艺术领域中占有一席之地。随着图像识别技术的发展，自动化的花朵分类对于植物研究、生物多样性保护以及园艺爱好者来说变得越发重要。为了提高花朵分类的效率和准确性，我们启动了基于YOLO V8的花朵分类智能识别系统项目。该项目利用深度学习技术，通过分析花朵图像，自动识别并分类不同种类的花朵，为用户提供一个高效的花朵识别工具。

2024-09-07 21:10:08 1076

原创 2024年，人工智能行业哪些证书权威？

工信部电子标准院的人工智能从业人员认证证书是由工业和信息化部电子工业标准化研究院（以下简称“电子标准院”）颁发，旨在评价和认证人工智能领域专业人员的能力和技术水平。该证书基于电子标准院牵头研制的《人工智能从业人员能力要求》标准（SJ/T11805-2022），该标准于2022年7月1日由工业和信息化部发布实施，为人工智能专业人员的认证提供了权威依据。2024年9月20日-24日在北京举办。2024年9月20日-24日在上海举办。参加以上培训并通过考试的学员可获得。的人工智能从业人员（中级）认证证书。

2024-09-02 20:00:49 285

原创【论文解读】SAM模型超级进化：面向移动端的轻量级SAM，比FastSAM快4倍！（附论文地址）

论文地址：这篇论文的标题是《FASTER SEGMENT ANYTHING: TOWARDS LIGHTWEIGHT SAM FOR MOBILE APPLICATIONS》，由Chaoning Zhang等人撰写，发表于2023年。文章主要探讨了如何将Segment Anything Model（SAM）优化，使其更适合移动设备应用。

2024-09-01 15:39:05 810

原创 YOLO 单目测距：原理、方法与代码

单目测距的一个常见方法是假设物体的尺寸已知。通过测量物体在图像中的高度（或宽度），并结合物体的实际高度（或宽度），最简单的一种方式就是利用相似三角形的原理来计算物体的距离。

2024-08-26 22:05:47 513

原创【YOLO 系列】基于YOLO V8的多种类狗狗智能识别系统【python源码+Pyqt5界面+数据集+训练代码】

狗狗作为人类最忠实的伙伴，其种类繁多，特性各异。正确识别狗狗的种类不仅对于宠物爱好者和专业繁殖者具有重要意义，也对动物保护、宠物医疗、宠物服务等行业具有重要价值。为了解决这一问题，我们启动了基于YOLO V8的多种类狗狗智能识别系统项目。

2024-08-24 14:30:39 868

原创【YOLO 系列】基于YOLO V8的驾驶员实时疲劳驾驶检测识别系统【python源码+Pyqt5界面+数据集+训练代码】

随着汽车行业的蓬勃发展，驾驶员疲劳驾驶问题日益成为交通安全的一大隐患。疲劳驾驶不仅会降低驾驶员的反应能力，还可能引发严重的交通事故，对个人及社会造成不可估量的损失。尽管市场上已有多种疲劳检测技术，但它们在实时性、准确性以及环境适应性方面仍存在不足。为此，我们引入了YOLOV8这一先进的目标检测算法，结合驾驶员疲劳驾驶数据集，开发了一套创新的疲劳检测系统。

2024-08-17 12:12:53 905

原创 YOLO V8-Segment 【单张图片推理】推理详解及部署实现

weights：模型权重文件的路径。默认为 "yolov8n.pt"。device (torch.device)：运行模型的设备。默认为 CPU。dnn：使用 OpenCV DNN 模块进行 ONNX 推断。默认为假。data：包含类名的附加 data.yaml 文件的路径。可选。fp16：启用半精度推理。仅在特定后端支持。默认为 False。fuse：融合 Conv2D + BatchNorm 层进行优化。默认为 True。verbose：启用详细日志记录。默认为 True。

2024-07-16 17:06:34 1124

原创 YOLO V8-Pose 【批量图片推理】推理详解及部署实现

在实际处理过程中，我们使用YOLO V8进行推理时，通常会针对一张图片进行推理。如果需要对多张图片进行推理，则可以通过一个循环来实现对图片逐张进行推理。单张图片推理时，需要注意图片的尺寸必须是32的倍数，否则可能导致推理失败。批量图片推理时，也需要注意图片的尺寸必须是32的倍数。需要注意的是，在批量推理时，虽然一次推理了多张图片，但实际处理方式仍然是通过循环进行的。在下面的文章中，我们将介绍如何使用更高效的方式进行批量推理，以获得更快的推理速度和更好的性能。

2024-07-10 19:12:49 1106

原创 YOLO V8-Segment 【批量图片推理】推理详解及部署实现

本文主要讲解如何实现批量处理来进行分割

2024-07-09 15:15:39 1244

原创 YOLO V8-Pose 【单张图片推理】推理详解及部署实现

weights：模型权重文件的路径。默认为 "yolov8n.pt"。device (torch.device)：运行模型的设备。默认为 CPU。dnn：使用 OpenCV DNN 模块进行 ONNX 推断。默认为假。data：包含类名的附加 data.yaml 文件的路径。可选。fp16：启用半精度推理。仅在特定后端支持。默认为 False。fuse：融合 Conv2D + BatchNorm 层进行优化。默认为 True。verbose：启用详细日志记录。默认为 True。

2024-07-02 21:56:26 1076

原创【YOLO 系列】基于YOLO V8的密集场景下行人检测识别系统【python源码+Pyqt5界面+数据集+训练代码】

在密集的城市环境中，行人检测对于公共安全、交通管理和智能监控具有重要意义。然而，传统的行人检测方法在面对密集场景时，常常因目标重叠和遮挡而难以准确识别。为了应对这一挑战，我们启动了这个项目，目的是利用YOLOV8这一先进的深度学习技术，开发一个在密集场景下具有高准确度的行人检测系统。

2024-06-25 21:13:11 1767

原创【YOLO 系列】基于YOLO V8的车载摄像头交通信号灯检测识别系统【python源码+Pyqt5界面+数据集+训练代码】

随着智能交通的发展，准确识别交通信号灯对提高道路安全和交通效率有重要的作用。传统的交通信号灯识别方法主要依靠传感器，存在安装成本高、维护困难等问题。为解决这些问题，我们利用YOLOV8技术，开发了基于车载摄像头的交通信号灯自动识别系统。

2024-06-23 15:20:35 972

原创【目标跟踪网络训练 Market-1501 数据集】DeepSort 训练自己的跟踪网络模型

Market-1501 数据集在清华大学校园中采集，夏天拍摄，在 2015 年构建并公开。它包括由6个摄像头（其中5个高清摄像头和1个低清摄像头）拍摄到的 1501 个行人、32668 个检测到的行人矩形框。每个行人至少由2个摄像头捕获到，并且在一个摄像头中可能具有多张图像。训练集有 751 人，包含 12,936 张图像，平均每个人有 17.2 张训练数据；测试集有 750 人，包含 19,732 张图像，平均每个人有 26.3 张测试数据。

2024-06-09 18:44:03 1528

原创【YOLO 系列】基于YOLO V8的输电线路绝缘子缺陷检测识别系统【python源码+Pyqt5界面+数据集+训练代码】

在电力行业，输电线的维护和监控是确保电网稳定运行的关键。绝缘子作为输电线上的重要组成部分，其状态直接影响到电力传输的安全性和可靠性。然而，传统的人工巡检方法不仅耗时耗力，而且存在一定的安全隐患。为了提高输电线维护的效率和安全性，我们启动了这个项目，目的是利用YOLOV8这一先进的深度学习技术，开发一个自动化的输电线绝缘子状态监测系统。

2024-06-05 20:30:24 1462

原创【YOLO 系列】基于YOLO V8的河道违规钓鱼检测识别系统【python源码+Pyqt5界面+数据集+训练代码】

随着社会发展和人口增长，对自然资源的保护和管理变得越来越重要。河流是重要的自然资源之一，然而，违规钓鱼等活动可能对河流生态环境造成严重破坏。本项目利用Yolov8算法，实现河道违规钓鱼检测，为水域资源保护和生态平衡的维护提供支持。

2024-06-03 20:08:40 1141

原创深度学习模型的C++部署：ONNXRUNTIME引领跨平台革命

它不仅支持主流的CPU和GPU，还能在AMD、ARM等硬件上运行，为模型部署提供了极大的灵活性和兼容性。本文作为专注于计算机视觉领域的C++模型部署系列文章的开篇，揭示了C++与ONNXRUNTIME结合在计算机视觉任务中的强大潜力。它不仅提供了接近硬件层面的优化能力，而且通过精细的内存管理和多线程支持，实现了快速且高效的模型推理。：通过实际的计算机视觉项目，如实时目标检测系统，演示如何在C++中利用ONNXRUNTIME进行模型的加载和推理。：拥有庞大的库和框架支持，包括数学运算、图像处理、机器学习等。

2024-05-31 20:23:38 1320

原创【YOLO 系列】基于YOLO V8的学生上课行为检测系统【python源码+Pyqt5界面+数据集+训练代码】

在现代教育环境中，学生上课行为的监测对于提升教学质量和学生学习效率具有重要意义。然而，传统的人工观察方法不仅效率低下，而且难以保证客观性和准确性。为了解决这一问题，我们启动了这个项目，目的是利用YOLOV8这一先进的深度学习技术，开发一个自动化的学生上课行为检测系统。

2024-05-27 20:47:18 3314

原创 YOLO V8-Detection 【批量图片推理】推理详解及部署实现

在实际处理过程中，我们使用YOLO V8进行推理时，通常会针对一张图片进行推理。如果需要对多张图片进行推理，则可以通过一个循环来实现对图片逐张进行推理。单张图片推理时，需要注意图片的尺寸必须是32的倍数，否则可能导致推理失败。批量图片推理时，也需要注意图片的尺寸必须是32的倍数。需要注意的是，在批量推理时，虽然一次推理了多张图片，但实际处理方式仍然是通过循环进行的。在下面的文章中，我们将介绍如何使用更高效的方式进行批量推理，以获得更快的推理速度和更好的性能。

2024-05-22 19:39:35 2747

原创【YOLO 系列】基于YOLO V8的PCB缺陷检测识别系统【python源码+Pyqt5界面+数据集+训练代码】

随着电子产品在各个领域的广泛应用，印刷电路板（PCB）作为电子设备的基础组件，其质量和可靠性变得至关重要。然而，由于制造过程中的复杂性和人为因素的介入，PCB常常会出现各种缺陷，如漏孔、老鼠咬痕、断路、短路、尖角和虚铜等问题。这些缺陷可能导致产品性能下降、故障甚至损坏，对产品质量和生产效率造成严重影响。为了提高PCB制造过程中的缺陷检测效率和准确性，我们展开了这个项目，旨在利用先进的深度学习技术构建一种自动化的PCB缺陷检测系统。

2024-05-19 15:20:30 1851

原创【原理&代码详解】DeepSORT算法：多目标跟踪的深度学习解决方案

匈牙利算法是一种用于解决分配问题的有效算法。在DeepSORT算法中，匈牙利算法被用于解决数据关联问题，即如何将当前帧中检测到的目标（detections）与上一帧中跟踪的目标（tracks）进行匹配。DeepSORT通过计算检测框和跟踪框之间的相似度，构建一个代价矩阵，然后利用匈牙利算法找到最小化代价的匹配方案。初始化：当视频的第一帧被检测时，每个检测到的目标初始化一个跟踪轨迹。匹配。

2024-05-13 19:46:47 6429 2

原创深入海洋：探索船只/垃圾/污染数据集

本文章主要介绍对海洋中的垃圾、船只、污染数据集进行介绍。

2024-05-10 20:54:18 772

原创【YOLO 系列】基于YOLO V8的金属表面缺陷检测检测识别系统【python源码+Pyqt5界面+数据集+训练代码】

金属表面缺陷的及时检测对于保障产品质量和生产安全至关重要。传统的人工检测方法往往效率低下、耗时长，并容易受主观因素影响。为解决这一问题，我们提出了基于深度学习技术的金属表面缺陷检测系统。本项目的最终目标是帮助金属制造行业实现缺陷检测的自动化和智能化，提高产品质量和生产效率，降低生产成本和安全风险。

2024-05-10 20:51:58 2640 1

原创【YOLO 系列】基于YOLO V8的27类蔬菜水果检测识别系统【python源码+Pyqt5界面+数据集+训练代码】

蔬菜水果的种类繁多，是人们日常生活中不可或缺的一部分。然而，在蔬菜水果的生产、销售和储存过程中，往往面临着诸多挑战，如品质检测、分类等问题。为了提高蔬菜水果行业的生产效率和产品质量，我们提出了基于深度学习技术的蔬菜水果检测系统。基于此项目，设计一个使用Pyqt5库来搭建页面展示系统。本系统支持的功能包括训练模型的导入、初始化；置信度与IOU阈值的调节、图像上传、检测、可视化结果展示、结果导出与结束检测；视频的上传、检测、可视化结果展示、结果导出与结束检测；摄像头的上传、检测、可视化结果展示与结束检测

2024-05-03 10:52:30 2770 2

YOLO V8 （Detection&Segment&Pose）batch & one.zip

00MyPro.zip

STM32F10x_StdPeriph_Lib_V3.5.0.zip

空空如也