- 博客(9)
- 收藏
- 关注
RSS订阅原创 图像数据增强在目标检测中的应用
本文介绍了一个用于目标检测的图像数据增强工具类，展示了如何通过多种变换技术来增加训练数据的多样性。通过使用这些增强方法，可以有效提高模型的性能和鲁棒性。希望这篇博客能帮助你理解数据增强的概念，并在你的项目中应用这些技术。
2025-02-06 15:12:30
453
原创 利用Python将XML标注文件转换为YOLO格式的TXT文件
通过本文介绍的方法，我们可以方便地将Pascal VOC格式的XML标注文件转换为YOLO所需的TXT文件格式，并且能够实时查看标注效果。这大大简化了数据准备的工作流程，有助于提高模型训练的效率。希望这篇文章对您有所帮助！如果您有任何问题或建议，请随时评论交流。
2025-02-06 14:16:13
390
原创 基于OpenCV与PaddleOCR的门护板装配总成序列号识别技术解析
本方案通过计算机视觉与深度学习的有机结合，实现了工业标识的可靠识别。经实测，在复杂工业场景下相比传统OCR方案识别率提升35%以上，为智能制造提供了有效的技术支撑。后续将持续优化算法鲁棒性，拓展更多工业应用场景。
2025-02-06 13:56:50
345
原创 基于 PyQt5 的 YOLOv8 目标检测应用程序开发
本项目旨在开发一个功能强大的目标检测应用程序，用户可以通过友好的图形用户界面（GUI）选择不同的检测模式，包括图片识别、本机摄像头识别、视频文件识别以及海康相机识别。应用程序将利用 YOLOv8 模型进行目标检测，并实时显示检测结果。通过本项目，我们成功开发了一个基于人工智能 YOLOv8 和 PyQt5 的目标检测应用程序，实现了对图片、视频流以及海康相机的实时目标检测。未来可以进一步优化应用程序的性能和功能，例如增加更多的检测模式、支持更多的相机型号、提高检测速度和准确性等。
2025-02-06 13:38:12
1201
原创 基于 PyQt5 的斗地主游戏开发与实现
斗地主是一款经典的扑克牌游戏，通常由三名玩家参与，其中一名玩家为“地主”，另外两名玩家为“农民”。游戏的目标是通过出牌策略，率先将手中的牌全部打出。本次项目的目标是使用 PyQt5 构建一个斗地主游戏的桌面应用程序，同时实现基本的游戏逻辑和人工智能（AI）出牌功能。我们定义了一个Card类来表示每张牌，包含花色（suit）、点数（rank）和权重（weight）三个属性。权重用于排序和比较牌的大小。在函数中，我们生成了一副完整的牌，包括 52 张普通牌和 2 张王。
2025-02-06 13:17:15
736
原创 Windows如何安装NVIDIA显卡驱动和CUDA的安装教程
根据您显卡支持的CUDA版本，访问NVIDIA CUDA Toolkit Archive下载相应版本的CUDA Toolkit：[CUDA Toolkit Archive](https://developer.nvidia.com/cuda-toolkit-archive)。- 访问NVIDIA官网下载与您的显卡型号和操作系统相匹配的最新驱动程序：[NVIDIA驱动下载](https://www.nvidia.cn/geforce/drivers/)。- 双击下载的CUDA安装包，选择自定义安装。
2024-12-11 12:44:36
4908
原创 YOLOV5-ONNX 模型推理
在深度学习领域，YOLO（You Only Look Once）系列模型因其出色的实时物体检测性能而广受欢迎。随着ONNX（Open Neural Network Exchange）格式的普及，将YOLOv5模型转换为ONNX格式，使其能在多种平台和框架间无缝运行，成为了提高部署灵活性和效率的关键步骤。本文将指导你完成使用YOLOv5-ONNX模型进行物体检测的全过程，从环境搭建到实际推理。源码在yolov5-master中可找到。YOLOv5-ONNX模型文件。
2024-05-05 20:04:08
1389
4
原创 YOLOV8-ONNX 模型推理
YOLOv8的ONNX模型推理是指使用ONNX（Open Neural Network Exchange）格式的YOLOv8模型来进行对象检测的推断过程。ONNX是一种跨平台的深度学习模型格式，支持多种框架之间的模型转换和运行，使得模型能够在不同的硬件和软件平台上高效执行。使用Ultralytics的YOLO库来加载一个YOLOv8的PyTorch模型 导出为ONNX格式。准备coco128.yaml文件来存放类别。
2024-05-05 19:54:02
2498
3
原创 从VOC格式到YOLO格式：图像标注数据的转换过程
2. **坐标转换**：VOC格式使用的是绝对坐标（像素值），而YOLO格式使用相对坐标（比例）。因此，需要将矩形框的左上角坐标(xmin, ymin)和右下角坐标(xmax, ymax)转换为YOLO格式下的中心点坐标(x, y)和宽高(w, h)，它们均是以图像宽度和高度的比例表示。3. **格式化输出**：按照YOLO的格式要求，将每张图片的文件名、每个目标的类别索引（根据YOLO的类别字典进行映射）、以及转换后的中心坐标、宽高信息整理成一行文本，写入到YOLO格式的标注文件中。
2024-04-02 09:14:40
1999
1
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