- 博客(63)
- 收藏
- 关注
RSS订阅原创 LabelImg报错：IndexError: list index out of range 解决方法
LabelImg标注工具闪退问题通常由标签文件中的类别索引越界导致。当标注文件中的类别编号超过classes.txt中定义的类别数量时，程序会抛出"IndexError: list index out of range"错误。常见原因包括：修改类别数量未同步更新标签、合并数据集时编号冲突或导出工具异常。可通过Python脚本快速检测问题文件，方法为遍历标签文件检查类别编号是否超出classes.txt的类别总数。解决方案为修正异常文件中的类别编号，确保其索引值在合理范围内。该问题多发生于
2026-06-05 15:20:34
197
原创 LabelImg KeyError 错误解决方案
这是 LabelImg 的一个已知 bug，原代码在访问字典时缺少存在性检查。添加 shape in self.shapes_to_items条件判断后，可以避免因字典中找不到对应 key 而导致的崩溃问题。
2026-06-05 08:57:49
160
原创 LabelImg 标签字体大小修改教程
本文介绍了如何调整LabelImg图像标注工具中过大的标签字体大小。通过修改labelImg.py文件中的动态计算系数（默认0.02），可缩小高分辨率图片的标注字体。具体步骤包括：1）定位Python环境中的labelImg.py文件；2）修改第1165行附近的计算公式，将系数0.02调整为更小值（如0.01）；3）重启软件生效。该方法简单直接，用户可根据实际需求调整系数优化标注体验。
2026-06-04 15:25:33
174
原创 时间复杂度和空间复杂度怎么计算
本文以「两数之和」问题为例，分析算法的时间与空间复杂度。哈希表解法的时间复杂度为O(n)，因为进行了n次哈希表操作（O(1)）；空间复杂度为O(n)，存储了n个元素。相比之下，暴力枚举法时间复杂度为O(n²)。这体现了"空间换时间"的优化思想：通过额外空间降低时间复杂度。文章还总结了常见算法的复杂度判断技巧，如单层循环O(n)、双层循环O(n²)、二分查找O(logn)和递归O(n)等。
2026-06-04 15:03:26
199
原创 图片哈希值
图片哈希值是用于表示图片视觉特征的固定长度字符串，对内容编码而非文件本身，具有抗缩放、压缩等特性。常见算法包括：1. aHash（快速，抗缩放，对亮度敏感）；2. dHash（常用，亮度鲁棒，去重效果好，基于相邻像素比较）；3. pHash（符合人眼感知，抗压缩强，利用DCT变换）；4. wHash（精度高，抗模糊/压缩，基于小波变换）。示例显示相似图片哈希值接近，不同图片差异显著，适用于去重和相似性检测。Python库（如imagehash）可快速计算哈希值。
2026-06-02 10:45:24
183
原创 目标检测的分类原则
目标检测分类设计的关键在于合理性和实用性，而非类别数量。核心原则包括：类别必须互斥且视觉差异明显（如避免"鸟vs动物"或地域性细分）、同一类别需覆盖多样场景（如不同天气/距离的鸟类）、避免按尺寸分类。类别数量应根据数据规模调整（小数据集5-10类，大数据集可达100类）。判断标准是人类能否稳定区分（95%准确率）。需注意类别过多会导致数据不平衡、标签噪声和AP下降，尤其在检测任务中会影响分类和定位性能。最终应基于任务需求、视觉差异和数据特性来优化类别设计。
2026-06-01 10:48:12
308
原创 Inner-IoU: More Effective Intersection over Union Loss with Auxiliary Bounding Box
本文提出了一种新型边界框回归损失函数Inner-IoU，通过引入缩放因子ratio生成不同尺度的辅助边界框计算损失，有效解决了现有IoU损失泛化能力弱的问题。理论分析表明，较小辅助框可加速高IoU样本回归，较大辅助框则促进低IoU样本收敛。实验证明，将Inner-IoU集成到现有IoU损失中，在PASCAL VOC和AI-TOD数据集上分别实现了0.5%以上的AP提升，尤其在小目标检测任务中表现突出。该方法无需增加额外损失项，仅通过调整辅助框尺度即可提升检测性能，具有较强泛化能力。代码已开源。
2026-05-18 15:59:58
380
原创 TensorRT C++如何申请、使用、释放显存
TensorRT推理中的显存管理主要涉及三部分：用户手动管理的输入/输出Buffer、TensorRT内部Workspace和CUDA自动管理的Stream/Context。核心操作包括使用cudaMalloc申请显存和cudaFree释放显存，未释放会导致显存泄漏。完整生命周期包含创建engine/context、申请I/O Buffer、数据拷贝、推理执行和显存释放等步骤。优化建议包括Buffer复用和合理使用CUDA Stream，通过减少cudaMalloc/cudaFree调用提升性能。关键注意事
2025-12-21 16:08:57
598
原创 条件变量（Condition Variable）
本文介绍了C++中条件变量(ConditionVariable)在多线程同步中的应用。条件变量配合互斥量使用，可避免线程忙等待，实现高效线程间通信。通过生产者-消费者模型示例，展示了条件变量的核心使用流程：等待线程通过wait()阻塞，通知线程通过notify_one/all()唤醒等待线程。重点解析了wait()的内部机制：自动释放锁、条件检查、重新加锁的过程。文章还详细说明了生产结束时的处理方式，包括设置结束标志和使用notify_all()确保消费者线程安全退出。该机制有效解决了线程同步中的资源浪费问
2025-12-19 14:25:30
870
原创 C++中的互斥量（Mutex）
摘要：互斥量(Mutex)是C++多线程编程中防止数据竞争的核心同步机制，通过"上锁"确保同一时间只有一个线程访问共享资源。文章介绍了三种使用方式：1)基本lock/unlock方法（需注意异常安全）；2)推荐使用的RAII风格lock_guard（自动管理锁生命周期）；3)更灵活的unique_lock（支持手动控制）。通过计数器示例展示了Mutex的实际应用，并指出死锁风险及解决方案（统一加锁顺序或使用std::lock）。正确使用Mutex可确保多线程程序的数据一致性和稳定性。
2025-12-19 13:34:06
364
原创 C++中引用类型变量 int&
本文介绍了C++中引用的概念和使用。引用(int&)是变量的别名，必须初始化且不可更改指向，与指针不同。引用不占独立内存，修改引用即修改原变量。引用常用于函数参数传递，避免拷贝提高效率，const引用可实现只读访问。相比指针，引用更安全但灵活性较低。合理使用引用能提升代码效率和可读性。
2025-12-18 11:22:08
276
原创 YOLOv8 TensorRT C++ 保姆级教程
本文详细介绍了YOLOv8模型在Windows系统下的部署流程。主要内容包括：1）环境准备（CUDA、TensorRT、Visual Studio、CMake、OpenCV安装配置）；2）YOLOv8模型转换（从PyTorch到ONNX再到TensorRT格式）；3）使用C++实现模型推理，包括静态图片检测和实时摄像头检测两种方式。文章提供了完整的代码示例和详细的环境配置说明，重点解决了模型转换过程中可能遇到的兼容性问题，并展示了最终的目标检测效果。适合计算机视觉开发者参考实现高性能的YOLOv8部署方案。
2025-12-13 22:14:05
1256
原创 grad_norm（梯度范数）是什么？
摘要：梯度范数(grad_norm)是衡量神经网络训练状态的关键指标，计算所有参数梯度的L2范数。它帮助诊断训练问题：数值过大(>1000)可能预示梯度爆炸或学习率过高；趋近于零则可能是梯度消失或网络冻结；剧烈波动反映优化器不稳定；正常但loss不降则暗示数据或loss设计问题。PyTorch中可通过遍历参数梯度计算总范数。作为loss变化的"晴雨表"，梯度范数是排查训练异常的首选诊断工具，能快速定位学习率设置、梯度稳定性等核心问题。
2025-12-07 16:55:47
1211
原创 Diffusion模型相比GAN优势与缺点？
摘要：Diffusion模型和GAN各有优劣。Diffusion训练稳定、生成质量高且多样，支持精细控制（如ControlNet），但推理速度慢、计算成本高。GAN训练难度大且易崩溃，但推理速度快，适合实时应用。当前主流图像生成（如Stable Diffusion）多采用Diffusion，而实时场景（如游戏）仍依赖GAN。选择取决于需求：高质量生成选Diffusion，实时性要求高则选GAN。
2025-12-07 16:43:00
543
原创 多模态模型（CLIP / BLIP / SAM）核心差异与适用范围
CLIP、BLIP和SAM是多模态AI领域的三大核心模型，各司其职又相互补充。CLIP专注于图文语义对齐，通过对比学习实现跨模态检索；BLIP擅长图像理解与文本生成，支持视觉问答和图像描述；SAM则专精像素级分割，实现精细可控的物体分割。三者形成"语义-理解-像素"的层级结构：CLIP建立语义关联，BLIP深化语义理解，SAM处理视觉细节。这种互补性使它们常被联合使用，共同构建更强大的多模态AI系统，覆盖从语义匹配到像素操作的全流程需求。
2025-12-07 16:35:08
333
原创 训练不稳定如何判断是优化器问题？
本文总结了判断训练不稳定是否由优化器引起的方法。首先分析不同优化器特性：Adam类收敛快但易抖动，SGD稳定但收敛慢。其次观察loss曲线形态：剧烈震荡通常源于Adam学习率过大，停滞不动则可能是SGD学习率太小。特别强调学习率和权重衰减配置的关键作用，指出Adam类对学习率敏感，需配合warmup使用。针对Transformer模型，推荐使用AdamW+小学习率+warmup的组合。最终结论指出：loss剧烈波动多因Adam配置不当，loss下降缓慢则常是SGD学习率不足所致。
2025-12-07 16:29:40
333
原创 传统池化层和 卷积 + 步幅区别
传统池化与卷积+步幅在目标检测中均可实现下采样，但原理不同。传统池化无参数、计算简单，但会丢失信息；卷积+步幅可学习下采样特征，计算开销大但更灵活。现代检测网络多采用卷积+步幅替代池化，但在FPN等模块中仍保留池化思想。两者各有优劣：池化侧重平移不变性，卷积+步幅兼具特征提取能力。
2025-09-06 11:19:38
304
原创 目标检测中的池化层
池化层是一种下采样操作，通过划分窗口进行区域汇聚（最大/平均值），降低特征图分辨率，减少计算量和参数量。其核心步骤包括窗口划分、区域聚合和输出生成。现代网络逐渐用卷积+步幅替代传统池化，但在FPN等模块中仍保留池化思想。典型应用包括减少计算复杂度、加快训练速度，同时需注意可能带来的信息丢失问题。
2025-09-06 11:09:07
456
原创 yolo格式批量修改类别
本教程详细介绍了如何使用提供的 Python 脚本批量修改 YOLO 格式标注文件中的类别标签。通过配置路径和运行脚本，您可以快速将指定目录下所有 .txt 文件中的类别 ID 从 3 改为 0。请确保在操作前备份数据，并根据实际需求调整脚本。
2025-04-03 19:17:28
746
原创 教程：如何使用 JSON 合并脚本
本教程将指导您如何使用提供的 Python 脚本将多个 COCO 格式的 JSON 标注文件合并为一个单独的 JSON 文件。该脚本会自动处理 image id（图像 ID）、bbox id（标注 ID）和 category id（类别 ID），确保合并后的文件中的 ID 是唯一且连续的。
2025-04-03 18:59:28
851
原创 图像数据增强教程：为目标检测任务准备数据
在目标检测任务中，数据增强是一种关键技术，通过对原始图像应用多种变换来增加训练数据的多样性，从而提升模型的泛化能力。本教程将详细讲解一个基于 Python 和 OpenCV 的图像数据增强工具，专为目标检测任务设计。该工具支持旋转、平移、裁剪、翻转、亮度调整、噪声添加和 Cutout 等增强方法，并能自动调整边界框（Bounding Box）坐标。
2025-03-29 16:27:01
1276
原创 提取 VOC 数据集标签类别
VOC（PASCAL Visual Object Classes）是一个经典的计算机视觉数据集，广泛用于物体检测任务。其标注文件通常采用 XML 格式，包含图像中的物体类别、边界框坐标等信息。本教程将通过一个示例代码，展示如何使用 Python 的 xml.dom.minidom 模块读取 VOC 数据集的 XML 文件，并提取所有唯一的标签类别。
2025-03-26 15:38:01
512
原创 使用 pycocotools 统计 COCO 标注每个类别的图像数量和标注框数量。
COCO（Common Objects in Context）是一个广泛用于计算机视觉任务（如物体检测、实例分割）的数据集格式。pycocotools 是一个 Python 库，专门用于加载和操作 COCO 数据集的标注文件（通常是 JSON 格式）。本教程将通过一个示例代码，展示如何使用 pycocotools 加载 COCO 标注文件，提取类别信息，并统计每个类别的图像数量和标注框数量。
2025-03-26 15:23:11
702
原创 扩张/空洞卷积可视化
本文介绍了一种基于膨胀卷积的可视化方法，并提供了灵活的参数调整方式以优化特征图的呈现效果。通过修改特征图大小（size）、调整膨胀率（dilated_rates）、改变卷积核大小（k）以及自定义可视化参数（如颜色映射、网格线样式和文字颜色阈值），用户可以轻松定制膨胀卷积的行为及其可视化结果。文中详细说明了每个参数的修改位置和方法：特征图大小在main函数中设定，膨胀率通过dilated_rates列表调整，卷积核大小在dilated_conv_one_pixel和dilated_conv_all_map函数
2025-03-25 19:20:06
395
原创 将 YOLO 格式的标注文件（.txt）转换为 VOC 格式的 XML 标注文件
"""此函数用于将yolo格式txt标注文件转换为voc格式xml标注文件在自己的标注图片文件夹下建三个子文件夹，分别命名为picture、txt、xml"""函数接收三个参数：picPath：图片所在文件夹路径。txtPath：YOLO 格式的 .txt 文件所在文件夹路径。xmlPath：生成的 .xml 文件保存路径。
2025-03-18 10:05:02
1724
原创 将 VOC 格式 XML 转换为 YOLO 格式 TXT
这是一个列表，定义了数据集中所有物体的类别名称。类别名称的顺序非常重要，因为它们的索引（从0开始）将作为YOLO格式中的class_id。
2025-03-18 09:53:19
416
原创 将COCO格式的物体检测数据集划分训练集、验证集和测试集
设置数据集的根目录、图像文件夹和注释文件路径。根目录："D:\\dataset"图像文件夹："D:\\dataset\\images"注释文件："D:\\dataset\\annotations.json"# 数据集路径（请根据实际情况修改）
2025-03-17 18:49:50
1507
原创 CUDA与CUDNN在Windows下的安装与配置
点击后等待一会即可进行下载，我是Windows11操作系统所以选择Windows，Version选择11，选择本地下载exe(local)，最后Download进行本地下载。把CUDA选一下，还需要注意一点，如果你前面没有安装vs，需要把CUDA里面的Visual Studio Integration取消勾选，否则会安装不成功。我的CUDA Version为12.5，说明该显卡最高支持到12.5，我这里就选择12.4的版本，你也可以选择更低的版本更低的版本。点击下载后，需要你进行注册。选择自定义，下一步。
2025-03-16 11:30:52
1667
原创 数据处理图像增强
后至少会随机选择一种增强方式生效，返回增强后的图像和更新后的 bounding boxes。里面实现了旋转、平移、裁剪、亮度调整、加噪声、cutout、翻转等多种增强方法。读取原始 XML 文件，提取出每个目标的 bounding box 和类别；分别保存增强后的图片和对应的 XML 标注文件。
2025-03-08 10:17:35
439
原创 双非计算机研究生如何进国企
我在21年本科毕业的时候，互联网计算机行业基本上还是一片形式大好。那时候就想这去北上广闯闯，有可能是年轻的原因。当时毕业的同学大家都找了比较高薪的工作。我本科毕业后考研加上读研正好经历了口罩，并且我毕业就26了。心态上发生了变化，内心非常迫切的想让自己稳定下来。所以研究生必要大部分人都选择了公务员、事业编和国企。如何进国企呢？
2024-12-17 11:16:35
2449
1
原创 win11左边部分图标，不能点击解决方案
最近一段时间，电脑左边部分图标经常无故点击不了，也没有高亮反映。然后尝试了三种方案，最后发现竟然是word与win11有冲突。我列举三种方案，仅供大家参考。
2024-11-04 16:14:55
5613
8
原创 IEEE Transactions on Intelligent Transportation Systems投稿指南
一般会需要介绍信。介绍信内容如下：I am writing to submit the enclosed manuscript entitled "你期刊的名字" for consideration in介绍一下你论文的大概内容列出你的创新Sincerely,通信作者名字Professor单位, 城市 邮编, 国家通信作者邮箱。
2024-08-08 10:16:53
5911
15
原创 Apriori算法，python实现
df = pd.read_excel('D:\\Document_Exercitation\\关联规则apriori-python\\数据.xls',keep_default_na=False)这个函数实现了Apriori算法的主要流程，用于发现数据集中频繁项集。参数 minSupport=0.02 指定了最小支持度阈值，表示频繁项集在数据集中至少出现的比例为 2%。参数 minConf=0.35 指定了最小置信度阈值，表示生成的关联规则的置信度至少为 35%。假如有五个购买清单，一行代表一个单子。
2024-07-30 17:00:31
1479
原创 Pattern Recognition投稿指南
2024.8.8 With Editor 没动静，感觉很慢。2024.8.8 拒绝拒绝原因大致是格式问题，要求修改重新提交Comment 1Comment 2Comment 3Comment 4Comment 5。
2024-07-15 22:02:43
9351
38
原创 YOLO建立没有目标的负样本标签
images_list = os.listdir(r"D:\Document_Exercitation\Video_Segmentation\picture1") # 遍历整个文件夹下的文件并返回一个列表。txt_name.append(j.split(".")[0]) # 若带有后缀名，split去掉后缀名。在yolo格式中，如果想让无目标地背景图片参与训练，需要创建与图片名字一样的空白的txt文件。如果标注文件夹里，没有相应图片的标注，则就创建一个同样名字的空白txt作为负样本的标签。
2024-07-15 15:09:35
2298
原创 Python文件批量重新命名
fold_dir = 'C:/Users/10431/Desktop/4517+VOC/JPEGImages/JPEGImages' # 需要修改的文件所在的文件夹。os.rename(fold_dir + '/' + temp, fold_dir + new_filename) # 文件重命名后替换原文件名。这一行指定了源代码文件使用的字符编码为 UTF-8，确保文件中包含的任何非 ASCII 字符都能够被正确处理。文件夹中所有文件的名称，并将这些名称存储在。，存储了需要批量修改文件名的文件夹路径。
2024-07-15 10:22:00
491
原创 MATLAB一维数据转换二维图像的方法
首先我们需要准备一个mat数据文件。文件格式如下这个项目提供了24中转图像的类型：时频类：梅尔频谱图Mel spectrogram短时傅里叶变换short-time Fourier transform变换S-transform魏格纳分布Wigner-Ville Distribution离散魏格纳分布Discrete Wigner-Ville Distribution希尔伯特变换Hilbert-Huang Transform。
2024-07-12 13:47:39
1180
8
原创 txt生成大模型一问一答标签
{"id": "identity_1", "conversations": [{"from": "user", "value": "1. 前言\n在进行文本处理和 数据分析等任务时，经常需要将结果追加写入到已有的txt文件中。{"id": "identity_2", "conversations": [{"from": "user", "value": "Python 函数形参\n在定义函数时，括号中声明的变量列表是形参。\n\n在调用函数时：\n\n所有的参数都是必需的。"value": "你好"
2024-07-09 14:02:26
1251
空空如也
swin transformer 训练时间长
2023-04-20
TA创建的收藏夹 TA关注的收藏夹
TA关注的人