- 博客(321)
- 资源 (12)
- 收藏
- 关注
RSS订阅原创 【目标检测软件 05】基于YOLO吸烟行为识别系统(PyQt5 可视化界面、1.4 万张标注数据集、完整的训练YOLOv8/YOLO11模型及 Python 源码-毕设推荐项目)
本文介绍了一款基于YOLO深度学习模型的吸烟检测系统，采用Python开发并集成PyQt5图形界面。该系统支持图片、视频、本地摄像头及网络视频流等多种输入源，能实时检测吸烟行为并标注位置，具有参数可调、结果导出等功能。系统包含完整的训练、验证和预测模块，提供14,126张标注数据集，支持模型优化与部署。通过独立线程实现流畅检测，界面采用现代化设计，适用于智能安防和行为监控场景，可作为计算机视觉与PyQt开发的学习范例。
2026-04-12 16:02:52
500
原创 【数据集 04】吸烟人脸检测数据集（1.4万张按比例划分训练、验证、测试）包含训练好的yolo11/yolov8模型
本文介绍了一个吸烟人脸检测数据集及YOLO模型训练结果。数据集包含14,126张图像，分为训练集（90%）、验证集（9%）和测试集（1%），标注了香烟和人脸两类目标。数据经过标准化（640x640）、增强等预处理。使用YOLOv8s训练200轮后，模型表现优异：训练损失（box_loss 0.738，cls_loss 0.315）、验证损失（box_loss 1.114，cls_loss 0.402）均处于优秀水平；关键指标mAP50达0.974，mAP50-95为0.688，查准率和查全率均超过0.95，
2026-04-12 15:54:48
477
原创 【GitHub 代码仓 04】Visual Studio Code Git 新手使用指南
VSCode内置Git功能指南：无需插件即可实现代码版本控制。需先安装Git并配置用户信息，VSCode会自动检测启用。核心功能包括：初始化仓库、提交代码（暂存文件后输入提交信息）、查看修改差异、分支管理（创建/切换/合并分支）、远程仓库操作（克隆/发布/同步）。冲突解决时，可选择保留当前/他人修改或合并两者。通过源代码管理面板可查看文件状态，状态栏显示分支和同步信息。提供图形化操作界面，简化Git使用流程。
2026-03-12 00:03:52
541
原创 【标注工具 03】labelfast标注工具使用指南(支持YOLO\COCO\VOC格式)v3版本
Labelfast标注工具v1.3版本新增"数据集"功能模块，包含四大核心功能：1）智能数据集划分，支持训练/验证/测试集比例分配与自动生成标准目录结构；2）选择性数据导出，可勾选特定文件进行备份；3）批量重命名工具，确保图像与标签文件同步更名；4）图像尺寸调整功能，能自动适配YOLO/COCO/VOC格式的标签坐标变换。更新优化了文件管理、预处理流程和界面交互，显著提升标注后数据处理效率。该版本同时修复了多项操作细节问题，增强工具稳定性和用户体验。
2026-03-12 00:02:39
606
原创 【GitHub 代码仓 03】Git + GitHub 实战速查手册
本手册提供Git从入门到进阶的实用指南，包含SSH/Token两种GitHub连接方式，详细讲解日常开发流程（分支管理、提交规范、冲突解决），并涵盖版本发布、标签管理、历史查看等高级操作。重点介绍如何规范提交（按功能分次提交）、创建PR、处理紧急修复，同时提供撤销修改、清理文件等实用技巧。适用于Windows/macOS/Linux环境，强调安全操作（如force-with-lease），附带常见问题速查表，帮助开发者建立高效规范的Git工作流。
2026-02-12 15:38:09
633
原创 【目标检测软件 04】基于 YOLO 目标检测与 LPRNet/OCR 车牌识别的一体化系统 （含 PyQt5 可视化界面、25 万张标注数据集、完整训练模型及 Python 源码-毕设推荐项目）
本项目开发了一款基于Python的车牌识别软件，支持图像、视频、摄像头及网络流等多种输入源。系统采用深度学习技术，同时集成LPRNet和CRNN两种OCR模型，可根据需求灵活切换。软件具备以下特点：1. 提供可视化交互界面，支持实时检测与动态标注；2. 允许自定义检测参数（置信度、IOU阈值等）；3. 支持结果导入导出及模型热替换；4. 包含完整的训练、验证、测试及模型导出功能。系统采用1.5万张包含蓝绿黄牌的数据集训练，支持ONNX格式部署，适用于智能交通、安防监控等场景。
2026-02-06 12:00:55
1166
原创 【深度学习04】基于改进 LPRNet 的高效车牌识别系统：从数据构建到工业部署的完整实践(包含源码+数据集(25万张)+训练模型)
本文基于开源项目 LPRNet_Pytorch 进行深度改造与功能扩展，构建了一套全流程、可复现、支持中文特殊车牌的车牌识别系统。该系统不仅保留了原始 LPRNet 的高效特性，还新增了多数据集兼容处理、ONNX 导出、单图测试、自动旋转校正、中文路径支持等关键能力，显著提升了工程实用性与部署友好性。
2026-02-06 09:29:42
1173
原创 【深度学习03】基于 CRNN 架构的轻量级车牌识别OCR：从数据准备到模型部署全流程解析(包含源码+数据集(25万张)+训练模型)
本文介绍了一个基于CRNN架构的开源车牌识别系统，支持端到端的车牌字符识别。系统采用CNN+CTC的简化结构，覆盖中国车牌常用字符，包含完整的数据处理、模型训练、验证评估及ONNX导出流程。项目特点包括模块化设计、工业友好部署、支持多种模型规模，在测试中达到95%以上的准确率。提供了从数据准备到模型推理的完整使用示例，适用于智能交通、安防监控等场景，并具备良好的扩展性。代码结构清晰，便于二次开发，为车牌识别任务提供了高效可靠的解决方案。
2026-02-06 09:22:58
1200
2
原创 【数据集 03】中国蓝/黄/绿车牌检测数据集（按比例划分训练、验证、测试）包含训练好的yolo11/yolov8模型
本文介绍了基于CCPD和CRPD数据集构建的1.5万张车牌检测数据集（包含蓝牌、绿牌、黄牌），并详细说明了数据集的分类、结构、预处理和分割策略。通过YOLOv8s模型训练，各项评估指标表现优异：训练损失极低（box_loss 0.336，cls_loss 0.147），验证集性能接近完美（mAP50 0.995，mAP50-95 0.938）。数据集采用科学分割（训练90%、验证9%、测试1%）和多种数据增强技术，最终模型在200轮训练后达到顶尖检测水平，泛化能力强。
2026-02-06 09:14:45
1159
原创 【数据集 02】车牌CCPD命名规则及下载地址
CCPD是中国城市车牌检测的开源数据集，包含CCPD2019（蓝牌）和CCPD2020（绿牌）两个版本。其文件名采用7字段结构编码标注信息：[区域占比]-[倾斜角度]-[边界框]-[四角点]-[车牌字符]-[亮度]-[模糊度]。CCPD2019处理7位蓝牌，CCPD2020针对8位新能源绿牌。数据集通过文件名直接包含所有标注，无需额外标注文件，支持车牌检测、字符识别等任务。两个版本的主要区别在于车牌类型和字符位数，但标注格式保持一致。
2026-02-04 17:45:09
952
原创 【Gstreamer 应用程序开发手册 02】构建应用程序——初始化GSTREAMER
Gstreamer 应用程序开发手册 构建应用程序——初始化GSTREAMER
2026-02-03 19:52:06
236
原创 【Gstreamer 应用程序开发手册 04】构建应用程序——箱（Bins）
Gstreamer 应用程序开发手册 构建应用程序——箱（Bins）
2026-02-03 19:51:22
389
原创 【Gstreamer 应用程序开发手册 05】构建应用程序——总线(Bus)
Gstreamer 应用程序开发手册 构建应用程序——总线(Bus）
2026-02-03 19:51:09
410
原创 【Gstreamer 应用程序开发手册 06】构建应用程序——衬垫和功能（Pads and capabilities）
Gstreamer 应用程序开发手册 构建应用程序——衬垫和功能（Pads and capabilities）
2026-02-03 19:50:45
669
原创 【Gstreamer 应用程序开发手册 07】构建应用程序——缓冲区和事件（Buffers and Events）
Gstreamer 应用程序开发手册 构建应用程序——缓冲区和事件（Buffers and Events）
2026-02-03 19:50:28
340
原创 【Gstreamer 应用程序开发手册 08】构建应用程序——第一个应用（Your first application）
Gstreamer 应用程序开发手册 构建应用程序——第一个应用（Your first application）
2026-02-03 19:50:05
594
原创 【GitHub 代码仓 01】Windows 命令行 Git 提交完整流程
本文详细介绍了将本地代码提交到GitHub仓库的完整流程：首先在GitHub创建空仓库并获取HTTPS地址；然后初始化本地Git仓库，配置用户信息，创建.gitignore文件；接着将文件添加到暂存区并提交到本地仓库；最后关联远程仓库并推送代码。文章还提供了日常提交的简化步骤和常用Git命令参考，适合Git新手快速掌握代码提交的基本操作。
2026-02-01 20:49:15
668
原创 【深度学习02】YOLO模型的数据集、训练、验证、预测、导出
本文详细介绍了基于YOLO模型的烟火检测全流程，包括数据集构建、模型训练、验证、预测和导出等关键环节。主要内容包括： 数据集准备：详细说明了YOLOv5和YOLOv8两种数据目录结构，并解析了标签文件格式要求。 模型训练：涵盖了单GPU/多GPU训练、参数设置、训练恢复等场景，并以烟火检测为例展示了完整训练流程和结果分析。 模型验证：介绍了验证指标解读方法，包括混淆矩阵、PR曲线等可视化工具的使用。 预测部署：讲解了预测参数配置、结果解析方法，并提供了烟火检测的预测示例。 模型导出：详细说明了ONNX等格式
2026-01-09 17:21:36
817
原创 【目标检测软件 03】基于yolo的室内烟火识别系统（含Python源码、UI界面、数据集、训练模型与代码-毕设推荐项目）
本文介绍了一款基于YOLO算法的家庭烟火识别系统，该系统采用PyQt5开发可视化界面，支持多种输入源（摄像头/图片/视频/网络流）的实时检测。系统包含2847张标注图像的数据集，支持模型训练、验证和导出ONNX格式，并提供参数调整、结果保存等功能。部署要求包括Python环境和可选GPU加速，通过模块化设计实现火灾早期预警，适用于智能家居等场景。
2026-01-09 17:18:57
1071
原创 【数据集 01】家庭室内烟火数据集（按比例划分训练、验证、测试）包含训练好的yolo11/yolov8模型
本文介绍了一个专门针对家庭室内火灾场景构建的图像数据集及其应用效果。该数据集包含2847张标注图像，分为火(2234个标注框)和烟(2285个标注框)两类，按照85:10:5的比例划分为训练集、验证集和测试集。数据集经过标准化、增强等预处理，采用YOLO11模型训练后取得良好效果：训练损失稳定下降，验证集查准率81.8%，查全率67.8%，mAP@0.5达到74.4%，显示模型对家庭烟火检测具有较好的识别能力。
2026-01-09 16:11:09
842
原创 【目标检测软件 02】AirsPy 目标检测系统操作指南
AirsPy是一款基于Python与PyQt5开发的YOLO目标检测系统，支持图像、视频、摄像头及网络流媒体的实时检测。主要功能包括：多源输入支持（本地文件/摄像头/RTSP/HTTP流）、可视化检测结果展示、参数动态调节（IoU/置信度阈值）、检测结果管理（自动保存图像/视频/Excel表格）。软件采用模块化设计，提供模型转换工具，支持.pt和ONNX格式模型，并配备友好的图形界面。系统要求Python3.11环境，推荐16GB内存，支持CPU/GPU加速。适用于工业质检、安防监控等场景，用户无需编程即可
2025-12-21 19:47:52
955
1
原创 【目标检测软件 01】YOLO识别软件功能与操作指南
摘要：本文介绍了一款基于YOLO模型的智能目标检测软件，具有直观的图形界面和多功能支持。软件支持本地文件（图片/视频）、摄像头、RTSP/HTTP流等多种媒体源输入，可实时显示检测结果并支持参数调整。主界面分为媒体资源列表、视频显示区和检测结果表格三部分，提供播放控制、模型选择、置信度调节等功能。支持检测结果保存为图像或文本文件，并可自定义软件名称和Logo。软件采用无边框设计，提供窗口控制按钮。使用前需加载有效YOLO模型（支持训练模型），支持主流YOLO版本。
2025-12-13 22:49:20
900
原创 【PyQt5 14】使用Inno Setup 打包PyQt5应用软件成安装程序
本文介绍了使用InnoSetup打包PyQt5应用程序的完整流程。首先需安装InnoSetup和PyInstaller，然后用PyInstaller将PyQt5程序打包成exe文件（支持单文件和多文件模式）。接着通过InnoSetup向导设置应用程序信息、安装路径、文件依赖、快捷方式等配置项，最后编译生成安装程序。文中详细说明了PyInstaller的各项打包参数和InnoSetup的每个配置步骤，帮助开发者将Python应用打包成专业的Windows安装包。
2025-08-14 08:42:54
1029
原创 【标注工具 02】YOLO、COCO、VOC格式规则
本文介绍了目标检测、语义分割和姿态估计任务中三种主流数据标注格式(YOLO、COCO、VOC)的具体规则。在目标检测部分，分别说明了YOLO的txt格式、COCO的json格式和VOC的xml格式的标注规范；在语义分割部分，详细描述了多边形标注点的存储方式；在姿态估计部分，重点解释了关键点坐标及其可见性的标注方法。每种格式都通过具体示例展示了数据组织结构，包括类别信息、边界框坐标、分割点坐标和关键点坐标等核心元素。这些格式规范为计算机视觉任务的数据标注工作提供了标准化参考。
2025-08-13 08:37:17
915
原创 【标注工具 01】labelfast标注工具使用指南(支持YOLO\COCO\VOC格式)
摘要： 本文介绍了自主研发的图像标注工具Labelfast，解决了主流标注工具（如LabelImg）频繁崩溃、外网访问受限、上传下载效率低及格式支持不足等痛点。Labelfast支持YOLO、COCO、VOC三种格式，提供矩形、多边形、关键点标注功能，具备自动/手动保存、撤销操作、画布缩放等特性。工具无需安装，支持Windows系统，通过分类文件（class.txt）管理类别，标注结果实时保存至labels文件夹。详细操作包括文件加载、标注绘制、格式切换及画布控制，显著提升了标注效率和本地化使用体验。
2025-08-13 08:35:18
1826
Gstreamer讲解文件和示例代码
2025-03-28
yolov5+deepsort+bytertrack+iou 人车流统计
2024-06-18
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人