- 博客(13)
- 收藏
- 关注
RSS订阅原创 Anaconda+Pycharm下PyQt5安装及环境配置
1.我的Anaconda有好几个虚拟环境，如何切换到其中某个环境下安装？（2） 切换到列表中任意虚拟环境，如test；注意将 env_name 替换为要删除的环境名；如下图我创建了一个环境名为111的虚拟环境；2.如何创建新的虚拟环境并激活？3.如何在环境中安装、删除包？这块内容稍后更，敬请谅解！
2024-01-28 22:05:45
1823
原创 深度学习几个基础知识
一步法One stage目标检测算法：YOLO、RetinaNet、SSD等。两步法Two stage目标检测算法：R-CNN、Fast R-CNN、Faster R-CNN 等。Anchor最早出现在Faster RCNN中，其本质上是一系列大小宽高不等的先验框，均匀地分布在特征图上，利用特征去预测这些Anchors的类别，以及与真实物体边框存在的偏移。
2023-01-19 21:03:28
712
原创 深度学习与计算机视觉
在实现人工智能的众多算法中，机器学习是发展较为快速的一支，是实现人工智能的途径之一。而深度学习则是机器学习的算法之一。如果把人工智能比喻成人类的大脑，机器学习则是人类通过大量数据来认知学习的过程，而深度学习则是学习过程中非常高效的一种算法。
2023-01-18 15:19:30
3987
原创 目标检测算法——YOLO[v4~v6]
2020年4月23日出现的YOLO v4是一种端到端的目标检测方法，它将目标检测问题转化为回归问题，直接检测图像。2020年6月10日发布的YOLO v5，是一个模型家族，包括了YOLOv5s（最小）、YOLOv5m、YOLOv5l、YOLOv5x（最大）四个模型，可以通过设置参数来自动地控制模型大小。
2023-01-16 13:46:58
1154
原创 目标检测算法——YOLO[v1~v3]
两阶经典检测器（Faster RCNN）利用两阶结构，先实现感兴趣区域的生成，再进行精细的分类与回归，虽出色地完成了物体检测任务，但也限制了其速度。YOLO v1算法利用回归的思想，使用一阶网络直接完成了分类与位置定位两个任务，速度极快。YOLO v2与v3在检测精度与速度上有了进一步的提升。
2023-01-15 16:57:24
1152
原创 Python3.9安装教程【极简笔记】
Python3.9安装教程 双击打开下载好的安装包，按以下步骤操作即可。2.找到自己电脑版本对应的安装包并下载（以。5.选择自己的安装路径，点。出现以下界面即安装成功。6.等待安装成功即可。
2022-09-06 10:02:04
6814
3
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