- 博客(391)
- 收藏
- 关注
RSS订阅
原创 基于ResNet + LLM大语言模型的分类识别系统设计与实现，Web前后端分离，Django+vue3+AI助手模块+ResNet50算法+LLM 联动+Element Plus等技术，全网独发
分类识别任务是计算机视觉中的重要任务，广泛应用于智慧校园分类、智慧农业、智慧生活场景分类等领域。常见的分类模型有 VGGNet、ResNet 、MobileNet 、ConvNeXt、DenseNet、ViT、Swin Transformer、YOLOv8/11/26。本项目结合 ResNet分类识别算法 + LLM大语言模型联动 ，使用 Django + Vue3，构建了一个通用的 Web 前后端系统，用户端 + 管理端 ，便于用户操作检，不仅可以用于大论文的工作量展示，还可以作为毕业设计。
2026-01-29 17:28:29
251
原创 AutoDL使用教程，以PaddleOCR在服务器训练为例子，使用AI远程服务器训练深度学习、多模态、AI大模型训练等，包括Xshell和Xftp安装、服务器环境配置等，linux常用命令，超w字教程
AutoDL使用教程，以PaddleOCR在服务器训练为例子，使用AI远程服务器训练深度学习、多模态、AI大模型训练等，包括Xshell和Xftp安装、服务器环境配置等，linux常用命令，超w字教程
2025-12-21 00:39:06
1260
原创 《深度学习项目改进与实战》，改进专栏目录和介绍
专栏将深度学习相关项目都写在本专栏，《一次订阅解锁全部，都有源码，永久观看》，包括车牌识别、股票预测、人脸识别、风格迁移、图像修复、图像超分辨重建、图像分割等任务，Web/PyQt系统实现，卷积改进，魔改对比实验，模型剪枝，模型蒸馏，模型量化，全网独家整合改进专栏，为不同领域的同学发表论文提供了大力支持
2025-06-25 12:57:12
1692
1
原创 基于Django+Vue3的目标检测系统设计与实现，Web前后端分离，Vue3前台系统+Django后台管理系统开发，YOLOv11 Web目标检测，实现图片、视频和摄像头检测等功能，全网独发
基于Django+Vue3的智能目标检测系统设计与实现，Web前后端分离，YOLOv11 Web目标检测，Vue3前台系统+Django后台管理系统开发，实现图片检测、视频检测、摄像头检测、登录、注册和个人中心功能
2025-04-05 01:45:49
2975
原创 基于Django+Vue3的智能目标检测系统设计与实现，Vue3前台系统+Django后台管理系统开发，Web前后端分离，YOLOv8 Web目标检测，实现图片、视频和摄像头检测等功能，全网独发
目标检测是计算机视觉中的重要任务，广泛应用于安防监控、自动驾驶、智能家居等领域。YOLO系列模型由于其高效的检测速度和较高的准确率，成为目标检测任务的首选算法之一。本项目结合 YOLOv8 与 Django + Vue3，构建一个Vue3前台系统+Django后台管理系统开发，便于用户进行目标检测的操作和展示，实现对图片、视频实时目标检测，不仅可以用于大论文的工作量展示，还可以作为毕业设计。支持更换自己模型、图片检测、实时视频检测、置信度调节和IoU参数调节。同时支持目标检测、实例分割、关键点检测等任务
2025-03-29 01:27:00
4723
6
原创 YOLOv8/YOLOv11目标检测系统与多目标跟踪检测系统，使用PySide6搭建目标检测系统，支持目标检测、分割、姿势估计、旋转框，用户端系统+后台管理系统可用于大论文凑工作量或毕设必备
YOLOv8/YOLOv11目标检测系统与多目标跟踪检测系统，目标检测、分割、姿势估计、obb（旋转框），用户端系统+后台管理系统开发实战，可用于大论文凑工作量或毕设必备，全网最详细教程，系统支持 目标检测、分割、姿势估计、obb（旋转框）等模型进来检测，是一个通用的目标跟踪与目标检测系统，适配多种场景如：鱼苗检测与跟踪、行人多目标跟踪、车辆多目标跟踪、牛只行为识别与跟踪、口罩佩戴检测、安全帽佩戴检测、火灾检测等。
2024-11-08 14:30:03
9759
19
原创 《MATLAB项目实战》，专栏目录和介绍
MATLAB 是一款强大且广泛应用的数值计算和数据可视化软件工具，它提供了一个高效、简洁的编程环境，使用户能够进行从简单的矩阵运算到复杂的多维数据分析的各种计算任务。无论是在人工智能、计算机视觉、图像处理还是其他领域，MATLAB 都能够提供精准、快速的解决方案，因此成为了全球科研人员、工程师以及数据分析师的得力工具。
2024-09-25 00:30:00
5636
5
原创 《手把手教你YOLOv10实战》，专栏目录和介绍
在计算机视觉领域，目标检测技术一直是研究和应用的热点，而YOLO系列算法凭借其高效性和精确性，成为了广泛应用的选择。YOLOv10作为YOLO系列的最新版本，继承并扩展了前辈的优点，同时也带来了许多创新和改进。本专栏将手把手教你掌握YOLOv10的实战技巧，包括算法改进、环境配置和训练自己数据集等，让你能够迅速上手并应用到实际项目中。
2024-09-14 09:44:00
3023
8
原创 《手把手教你YOLOv9实战》，改进专栏目录
为了提供友好的操作效果，本专栏将会手把手搭建可视化界面，我将用PyQt5 搭建一个可视化界面，可视化界面能够实现基本的图像加载与检测功能，如支持视频、摄像头，还支持更换不同的 YOLOv9 模型，并适应不同领域（如口罩检测系统、人脸检测系统、工业缺陷检测系统等），界面灵活、功能强大。通过YOLOv9加以改进设计，形成新的算法框架，一起水科研和论文，专栏会一直持续更新中，本专栏适合目标检测、分割、分类。
2024-08-09 14:48:14
1751
2
原创 《YOLO26/YOLO11/YOLOv8改进与系统实战》，改进与系统实战专栏目录和介绍
YOLOv8 是目前比较火和比较成熟的深度学习框架，是2023年1月发布的，由 Ultralytics 团队开发。Ultralytics自YOLOv5 开始一直积极维护和更新 YOLO 框架，因此 YOLOv8 也享有持续的维护与升级支持。因此我写下《手把手教你YOLOv8实战》专栏，专门为那些对计算机视觉、深度学习、以及目标检测技术感兴趣的读者设计。通过本专栏，你将深入理解 YOLOv8 的核心原理与实际应用，从0 开始学习并掌握如何使用 YOLOv8 完成各类目标检测任务，帮助你快速上手并掌握 YOLO
2024-08-09 10:47:42
15706
17
原创 深度学习模型训练环境，无须自己配置环境，星图AI服务器训练镜像，租用 GPU 训练自己的深度学习模型教程
深度学习模型训练环境，无须自己配置环境，星图AI服务器训练镜像，租用 GPU 训练自己的深度学习模型教程
2026-01-31 17:33:42
69
原创 tensorflow1.15 gpu版本安装，cu113，windows安装
tensorflow1.15 gpu版本安装，cu113，windows安装
2026-01-31 12:25:45
206
原创 模型压缩 | 模型剪枝篇，ResNet50模型剪枝，使用 DepGraph 进行结构化剪枝与模型微调，几乎无损剪枝（附完整代码）
ResNet50模型剪枝，使用 DepGraph 进行结构化剪枝，模型微调，几乎无损剪枝（附完整代码）。在剪枝领域的非常见的方法分为：非结构化剪枝（权重剪枝） 与 结构化剪枝。本文将使用 ResNet50 算法 结合 CVPR 2023 的热门论文《DepGraph: Towards Any Structural Pruning》进行模型剪枝代码实战，代码可以直接运行，一文带你剪枝自己模型，科研路上少走弯路。
2026-01-30 22:58:55
255
原创 模型训练篇 | 手把手教你使用ResNet训练自己数据集和推理，ResNet50通用物体分类识别，含完整代码和数据集，全网最详细教程
手把手教你使用ResNet训练自己数据集和推理，ResNet50通用物体分类识别，含完整代码和数据集，全网最详细教程。本篇文章将带你学习 ResNet50 模型构建、ResNet50训练自己数据集、数据集处理、推理和验证、模型剪枝与模型改进等。 本篇教程适配各种分类识别任务，可以说是一个通用的教程，只需修改自己的数据集即可完成自己领域的任务和系统实现。
2026-01-29 17:25:00
278
原创 手把手教你使用 DCT-Net 算法完成人像卡通化 Web 系统，采用 Gradio 开发前端页面，包含完整源码
手把手教你使用 DCT-Net 算法完成人像卡通化 Web 系统，采用 Gradio 开发前端页面，包含完整源码。DCT-Net 是一种用于少样本（few-shot）肖像风格化的新型图像转换模型。在仅有少量风格样本（约100张）的情况下，模型能够产生高质量的风格迁移结果，具有卓越的高保真内容合成能力，以及处理复杂场景（如遮挡和配饰）的强泛化性。此外，它通过一个优雅的评估网络，仅利用部分观测数据（即风格化的头部训练样本）即可实现全身图像的转换。
2026-01-11 00:08:40
104
原创 手把手教你使用 YOLOv11/v8 算法 + PaddleOCR 算法完成车牌检测和车牌识别系统，AI智能体，毛玻璃系统，包括PaddlePaddle安装、数据集预处理、模型训练、AI大模型应用等
手把手教你使用 YOLOv11/v8算法 + PaddleOCR算法完成车牌检测和车牌识别系统，AI智能体，毛玻璃系统，包括PaddlePaddle安装、数据集预处理、模型训练、AI大模型应用等。车牌识别系统支持 蓝牌、绿牌、黄牌、双层车牌等车牌识别。
2025-12-26 23:49:18
1100
原创 手把手教你使用 Faster-Whisper 实时语音输入转文本，本地部署教程
手把手教你使用 Faster-Whisper 实时语音输入转文本，本地部署教程。要想实现像豆包、微信等一样的语音输入功能，通常有两种主流方案：云端 API（轻量、准确度极高）和 本地模型（免费、隐私、无需联网）。由于目前开发的系统需要添加一个语音识别功能，刚好记录一下使用 Faster-Whisper 实时语音输入转文本
2025-12-24 15:11:16
1322
原创 YOLOv5/v7/v8/v9/v10/v11/v12/13目标检测结果解析，超w字精读，IoU、GIoU、DIoU、CIoU、EIoU详细解释，精确率、召回率、AP、mAP与P-R 曲线图深度解析
YOLOv5/v7/v8/v9/v10/v11/v12/13目标检测结果解析，超w字精读，IoU、GIoU、DIoU、CIoU、EIoU详细解释，精确率、召回率、AP、mAP与P-R 曲线图深度解析
2025-11-17 18:59:39
620
4
原创 YOLO26来了，更好、更快、更小的 YOLO 模型，使用YOLO26训练自己的数据集和推理(附YOLO26网络结构图)，租用 GPU 服务器训练教程，YOLO26创新点解析
9 月低，在 YV25 发布会上，正式宣布了 YOLO26，从官网文档中得知最新的 YOLO26 推理速度更快、准确性更高和更容易部署，简单来说，YOLO26 是一个更好、更快、更小的视觉 AI 模型。这里听起来非常牛逼哈，很期待官网快点放出源码。
2025-11-07 22:54:31
4189
7
原创 基于深度学习的人脸识别考勤管理系统，采用YOLOv11和Dlib算法实现人脸识别和考勤签到，前台人脸识别和签到系统 + 后台人脸和考勤管理系统，全网独发
基于深度学习的口罩人脸识别的考勤管理系统，采用YOLOv11和Dlib算法实现人脸识别和考勤签到，前台人脸识别和签到系统 + 后台人脸和考勤管理系统，全网独发
2025-11-05 23:51:38
805
2
原创 基于matlab的CNN验证码识别系统（UI界面版）
基于matlab的CNN验证码识别系统（UI界面版），CNN验证码识别系统包括数据集处理、模型搭建、模型训练、界面设计与实现
2025-10-30 12:07:59
281
原创 手把手教你使用双流网络结构（CTSDG）实现图像修复训练和推理，GAN图像修复，含完整代码和数据集，全网最详细教程
手把手教你使用双流网络结构（CTSDG）实现图像修复训练和推理，GAN图像修复，含完整代码和数据集，全网最详细教程。该模型采用生成对抗网络（GAN）架构，由生成器和判别器两大部分组成。生成器采用 双分支编码-解码结构处理图像的纹理与结构信息，并通过双向特征融合（Bi-GFF）和通道特征聚合（CFA）模块提升修复质量；判别器则通过分析图像的纹理和结构来区分真实图像与生成图像。整个模型利用多任务损失函数进行优化，以实现高质量的图像补全。
2025-09-28 19:51:21
455
原创 手把手教你使用基于LSTM的AI写诗模型训练，含完整代码和数据集，全网最详细教程（无需安装环境版）
手把手教你使用基于LSTM的AI写诗模型训练，含完整代码和数据集，全网最详细教程（无需安装环境版）
2025-09-23 18:20:33
281
原创 YOLOv11改进，YOLOv11添加EMA注意力机制，二次创新C3k2结构
YOLOv11改进，YOLOv11添加EMA注意力机制，二次创新C3k2结构
2025-09-22 18:30:45
445
原创 基于CycleGAN风格迁移系统，Django+Vue3前后端风格迁移系统，Web的风格迁移系统，全网独发（无需安装环境版）
本系统是基于 CycleGAN 算法构建风格迁移， Django+Vue3前后端风格迁移系统。 CycleGAN 是一种 GAN 的变体，在没有成对训练数据的情况下学习两种不同域之间的图像到图像的转换，不需要同一场景或物体在两个不同域中的对应图像。CycleGAN 的模型架构主要由两组生成器和判别器组成，每组负责一个方向上的图像转换。CycleGAN 算法在实际应用中表现出了强大的能力，比如 艺术渲染和风格转换（马迁移到斑马）、季节转换（夏天转冬天）、医学图像合成（将非配对的MRI到CT图像生成/模态转换）
2025-09-22 14:23:22
371
原创 YOLOv11改进，YOLOv11添加NAM注意力机制，二次创新C3k2结构
YOLOv11改进，YOLOv11添加NAM注意力机制，二次创新C3k2结构。一种新的基于归一化的注意力模块（NAM），该模块可以抑制不太显著的权重。它对注意力模块应用权重稀疏性惩罚，从而使它们在保持类似性能的同时更具计算效率。与在 Resnet 和 Mobilenet 上的其他三种注意力机制的比较表明，我们的方法在准确性方面更高。
2025-09-21 11:18:02
239
原创 手把手教你CycleGAN训练自己的数据集和推理，CycleGAN风格迁移，CycleGAN环境配置，保姆级别教程
手把手教你CycleGAN训练自己的数据集和推理，CycleGAN风格迁移，CycleGAN环境配置，保姆级别教程。图像到图像的翻译是一类视觉和图形问题，其目标是学习映射使用训练数据在输入图像和输出图像之间建立关联一组对齐的图像对。基于 PyTorch 的 CycleGAN 和 pix2pix进行风格迁移，接下来手把手教你使用CycleGAN训练自己的数据集和推理，完成基于 CycleGAN 的图像转换。
2025-09-21 01:07:29
957
1
原创 YOLOv11改进，YOLOv11引入B2CNet的BFAM（双时相特征聚合模块），JSTARS 2024，二次创新C3k2结构
YOLOv11改进，YOLOv11引入B2CNet的BFAM（双时相特征聚合模块），JSTARS 2024，二次创新C3k2结构
2025-09-20 14:06:56
243
原创 基于LSTM的AI写诗系统，PySide6框架，AI写诗系统，训练+数据集+源码（无需安装环境版）
基于LSTM的AI写诗系统，PySide6框架，AI写诗系统，训练+数据集+源码（无需安装环境版）。随着人工智能技术的快速发展，自然语言处理（NLP）在创意写作领域的应用日益广泛。AI写诗机器人作为一种创新的尝试，能够通过学习大量诗歌文本，生成符合人类审美和语言习惯的诗句。本模型基于 TensorFlow 框架，采用两层门控循环神经网络 （LSTM） 结构，能够有效捕捉诗歌的韵律和语义特征。通过训练，模型能够根据用户输入的提示词或短语，自动生成具有连贯性和艺术性的诗歌。
2025-09-20 01:43:57
350
原创 YOLOv11改进，YOLOv11引入KANConv卷积，CVPR2024
YOLOv11改进，YOLOv11引入KANConv卷积，CVPR2024。Kolmogorov-Arnold 网络 （KAN） 是多层感知器 （MLP） 的有前途的替代品。KAN 与 MLP 一样具有强大的数学基础：MLP 基于通用近似定理，而 KAN 基于 Kolmogorov-Arnold 表示定理。KAN 和 MLP 是双重的：KAN 在边缘上具有激活函数，而 MLP 在节点上具有激活函数。
2025-09-14 17:16:12
213
原创 手把手教你安装微信小程序开发工具，Uniapp开发框架 + HBuilderX + WebStorm开发工具安装，2026，保姆级教程
手把手教你安装微信小程序开发工具，Uniapp开发框架 + HBuilderX + WebStorm开发工具安装，2026，保姆级教程
2025-09-12 10:34:05
2187
原创 YOLOv11改进，YOLOv11添加利用DLKAttention融合DCNv3形成全新的可变形大核注意力，并二次创新C3K2结构，全网独发
YOLOv11改进，YOLOv11添加利用DLKAttention融合DCNv3形成全新的可变形大核注意力，并二次创新C3K2结构，全网独发
2025-09-12 09:55:26
216
原创 YOLOv11改进，YOLOv11添加DCNv3可变性卷积，无需编译，二次创新C3k2结构
YOLOv11改进，YOLOv11添加DCNv3可变性卷积，无需编译，二次创新C3k2结构
2025-09-11 21:20:15
518
原创 基于深度学习的风格迁移系统，PyTorch深度学习框架 + PySide6前台界面框架，训练+数据集+源码（无需安装环境版），全网独发
在数字艺术和计算机视觉的交汇处，风格迁移技术以其独特的魅力吸引了广泛关注。通过深度学习模型，能够将任意图像的风格与内容分离并重新组合，创造出兼具艺术表现力和内容识别度的新图像。使用 PyCharm 作为代码开发工具，本系统采用PyTorch 深度学习框架构建核心算法模型，构建 VGG19 网络模型，实现高效风格转换。系统前端基于 PySide6 框架开发，提供直观友好的交互界面，无需复杂环境配置即可运行完整流程。从模型训练到实际应用，系统整合了完整的工具链和预训练模型，支持用户快速实现风格迁移效果。
2025-09-11 17:53:03
297
原创 基于Django+Vue3的图像超分重建系统，Web前后端分离，基于GAN的图像超分系统(Real-ESRGAN模型)，AI 图像超分辨率重建系统
随着信息化水平的不断提高，市面上对图像质量的要求也越来越高，低分辨率图像已无法满足大多数应用场景，因此，利用大量高—低分辨率图像数据进行训练，然后应用该模型将用户输入的图像进行高分辨率的生成。图像的超分辨率重建可以使用多种模型去实现，本文利用 Real-ESRGAN 网络模型，在模型训练完成的前提下，结合 Django + Vue3 开发技术，设计并实现了图像超分辨率重建系统，用户能够随时在一定程度上提升图像的分辨率。不仅可以用于大论文的工作量展示，还可以作为毕业设计兼顾科研、大作业、个人学习、毕设等应用场
2025-09-10 09:04:05
932
原创 基于LSTM的股票价格预测系统，Django框架，Web的股票预测系统，训练+数据集+源码（无需安装环境版）
股票价格预测是投资领域的一个重点关注课题。由于股票价格受到诸多非线性因素的影响，得到精确的预测结果较为困难。使用 PyCharm 作为代码开发工具，通过下载好的股票金融数据，进行数据预处理，构建 LSTM 网络模型，训练模型并训练出最优模型，输出股票未来收盘价波动的走势，最后在训练好的模型上，设计股票模型应用系统，运行效率较高，对股票预测具有一定的积极意义。
2025-09-10 08:04:45
602
原创 手把手教你使用Real-ESRGAN图片超分辨率重建训练和推理，含完整代码和数据集，全网最详细教程
Real-ESRGAN算法引入了一个高阶退化建模过程，以更好地模拟复杂的现实世界退化，合成过程中考虑了常见的振铃和过冲伪影。此外，作者采用带谱归一化的U-Net鉴别器以提升鉴别能力并稳定训练动态。接下来手把手教你使用Real-ESRGAN图片超分辨率重建，训练和推理。
2025-09-05 11:59:07
2170
3
原创 YOLOv8改进，YOLOv8引入B2CNet的BFAM（双时相特征聚合模块），JSTARS 2024，二次创新C2f结构
B2CNet网络结合变化边界感知并引入“由边到中心（boundary-to-center）”理念的新型变化检测网络。该网络引入了一个变化边界感知模块（CBM），用于捕获变化区域的边界信息。该模块能够增强边界特征，减少特征差分中噪声的影响，并提供丰富的上下文信息以提高变化边界的准确性。此外，作者提出了一个基于时空特征的双时相特征聚合模块（BFAM）。BFAM 聚合多感受野特征并补充纹理信息。这两个模块均采用 SimAM 注意力机制，以增强特征的细粒度表达，因此本文将引入BFAM模块，二次创新C2f结构。
2025-08-12 00:26:53
7750
原创 手把手教你完成基于YOLOv11+CNN车牌识别系统，Opencv车牌矫正，基于深度学习的车牌识别系统
车牌识别系统是智能交通、安防监控等领域的关键技术，结合深度学习方法可提升识别模型准确率。传统方法依赖手工特征提取，而OpenCV的车牌矫正技术进一步优化倾斜或变形车牌的预处理，为后续识别提供高质量输入，基于 YOLOv11的目标检测与 CNN 分类器的结合，能够实现端到端的车牌定位与字符识别。
2025-07-06 16:02:58
7167
143
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人