weixin_42117855的博客

原创 YOLOv8模型训练结果分析

https://blog.csdn.net/weixin_45277161/article/details/131046636

原创 基于YOLOv8深度学习的水稻叶片病害智能诊断系统

https://blog.csdn.net/qq_42589613/article/details/135929528?spm=1001.2101.3001.6650.5&utm_medium=distribute.pc_relevant.none-task-blog-2%7Edefault%7ECTRLIST%7ERate-5-135929528-blog-130437103.235%5Ev43%5Econtrol&depth_1-utm_source=distribute.pc_relevant.non

原创 计算机三大顶会

CVPR全称是IEEE Conference on Computer Vision and Pattern Recognition，即IEEE国际计算机视觉与模式识别会议。该会议一般在6月举行，举办地是美国，是一个一年一次的会议。ICCV 的全称是 IEEE International Conference on Computer Vision，即国际计算机视觉大会，是公认的三个会议中级别最高的。每两年召开一次，与ICCV正好错开。计算机视觉会议论文下载，其中包括ICCV、CVPR、ECCV、ACCV等。

原创 动态卷积和注意力机制的区别

注意力机制是一种重要的神经网络模块，可以使神经网络在处理序列数据时能够更好地关注与当前任务相关的信息。注意力机制可以根据输入数据中的关键信息，给予不同的权重，在传递信息时更多地关注这些重要信息。动态卷积是加强了特征的适应性，而注意力机制则是更好地关注当前任务需要的信息。动态卷积是指在卷积过程中，卷积核的权重不是固定的，而是可以根据输入数据的不同而动态调整。这样可以使卷积核能够更好地适应输入数据的特征，提高卷积网络的性能。动态卷积和注意力机制在神经网络中都是常用的技术，但具有不同的作用和目的。

原创 yolov8模型训练结果分析

https://blog.csdn.net/weixin_45277161/article/details/131046636?ydreferer=aHR0cHM6Ly93d3cuYmluZy5jb20v

原创 yolov8 训练

D:

原创 农业虫害数据集链接

https://zhuanlan.zhihu.com/p/451142782https://blog.csdn.net/qq_40481602/article/details/127215813?ydreferer=aHR0cHM6Ly93d3cuYmluZy5jb20v

原创 Anaconda 创建虚拟环境

查看当前存在的虚拟环境conda env list2.查看安装了那些包conda list3.Python创建虚拟环境conda create -n your_env_name python=x.x4.激活虚拟环境conda activate your_env_name5.安装 torch torchvision

原创 农业虫害数据集链接

https://zhuanlan.zhihu.com/p/451142782https://blog.csdn.net/qq_40481602/article/details/127215813?ydreferer=aHR0cHM6Ly93d3cuYmluZy5jb20v

原创 yolov5模型

https://blog.csdn.net/u012856866/article/details/130948742

原创 YOLOV5模型详解

总结一下，YOLO v5和前YOLO系列相比的改进：(1)增加了正样本: 方法是邻域的正样本anchor匹配策略。(2) 通过灵活的配置参数，可以得到不同复杂度的模型。(3) 通过一些内置的超参优化策略，提升整体性能。(4)和yolov4一样，都用了mosaic增强，提升小物体检测性能。

原创 yolov5改进系列

https://blog.csdn.net/weixin_43334693/article/details/130564848?spm=1001.2014.3001.5501&ydreferer=aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MzMzNDY5My9hcnRpY2xlL2RldGFpbHMvMTI5MzEyNDA5P3NwbT0xMDAxLjIxMDEuMzAwMS42NjYxLjEmdXRtX21lZGl1bT1kaXN0cmlidXRlLnBjX3JlbG

原创 YOLOV5训练

1.conda activate yolo52.D: cd D:\PycharmProjects\yolov5-zjh13. pip install -r requirements.txt4. python train.py --data marinelife.yaml --epochs 300 --weights ‘’ --cfg yolov5s.yaml --batch-size 32 --device 1

原创 R-CNN全系、SSD、YOLO全系论文链接汇总

6.SSD（2016年）：https://link.springer.com/chapter/10.1007/978-3-319-46448-0_2。3.Faster R-CNN（2015年）：https://arxiv.org/abs/1506.01497。2.Fast R-CNN（2015年）：https://arxiv.org/abs/1504.08083。1.R-CNN（2014年）：https://arxiv.org/abs/1311.2524。

原创 深度学习可视化库

etron是一个深度学习模型可视化库，其支持以下格式的模型存储文件：

原创 目标检测评价指标

https://zhuanlan.zhihu.com/p/48693246

原创 一些经典的网络

https://github.com/open-mmlab/mmdetection

原创 yolov5 参数介绍

image-weights：测试过程中，图像的那些测试地方不太好，对这些不太好的地方加权重。–quad：在dataloader时采用什么样的方式读取我们的数据。–weigths: 指的是训练好的网络模型，用来初始化网络权重。–resume： 指定你之前训练的网络模型，想继续训练这个模型。–exist-ok： 覆盖掉上一次的结果，不新建训练结果文件。–freeze：冻结哪些层，不去更新训练这几层的参数。–save-period：训练多少次保存一次网络模型。–device：训练网络的设备cpu还是gpu。

原创 yolov5模型测试

三、安装 requirements.txt 里的包 pip install -r D:\yolov5-master\requirements.txt -i https://pypi.douban.com/simple。一、下载官方代码 https://github.com/ultralytics/yolov5。二、激活 pytorch conda activate pytorch。

原创 目标检测经典数据集

https://zhuanlan.zhihu.com/p/469958802

原创 目标检测与图像分类的区别

图像分类：分类（单标签）目标检测：定位+分类。

原创 目标检测经典模型

SSD目标检测算法：

原创 数据集获取路经

原创 在Anaconda里安装软件包

进入Anaconda环境。

原创 最新的行为识别的文献

原创 行为识别数据集

原创 深度学习：通俗理解卷积神经网络（CNN-Convolutional Neural Networks）

理想的情况下，我们希望，对于那些仅仅只是做了一些像平移，缩放，旋转，微变形等简单变换的图像，计算机仍然能够识别出图中的"X"和"O"。btw，不同人的双眼 看同一个局部信息 所感受到的不同，即一千个读者有一千个哈姆雷特，所以不同的滤波器 就像不同的双眼，不同的人有着不同的反馈结果。与此同时，数据窗口滑动，导致输入在变化，但中间滤波器Filter w0的权重（即每个神经元连接数据窗口的权重）是固定不变的，这个权重不变即所谓的CNN中的参数（权重）共享机制。通常情况下，在CNN中，FC层只会在尾部出现。

原创 损失函数汇总

原创 【无标题】

分类和回归的区别：

原创 池化层的理解

池化是缩小高、长方向上的空间的运算，可分为最大池化和平均池化。

原创 from d2l import torch as d2l这个语句中torch报错的解决方法

一、在Anaconda(base)环境下 输入pip install -U d2l。安装成功，重启jupyter notebook。问题解决没有报错，记住在虚拟环境下安装d2l。如果安装出现报错情况，就用豆瓣镜像安装。

原创 菜鸟教程学习

https://www.runoob.com/

原创 码农教程的Link

http://www.manongjc.com/

原创 数组与张量的区别