计算机视觉

首页 标签 计算机视觉
# 计算机视觉 #
关注
26064内容
YOLOv8+PyQt5睡岗状态智能检测平台搭建 | 睡觉行为自动监控系统【开箱即用】
在本项目中,我们利用YOLOv8模型进行睡觉和睡岗状态检测。项目的核心功能是通过训练YOLOv8来识别不同的状态(如“睡觉”和“睡岗”)。同时,系统还提供了完整的PyQt5界面,用户可以在界面上查看实时检测结果,并且系统支持开箱即用,可以直接进行部署。
|
2月前
| |
来自: 物联网
I-ViT: 用于高效视觉Transformer推理的纯整数量化——论文阅读
I-ViT是首个专为视觉Transformer设计的纯整数量化方案,通过Shiftmax、ShiftGELU和I-LayerNorm实现全整数推理,避免浮点运算。在保持模型精度的同时,显著提升推理效率,实现3.7倍以上加速,推动ViT在边缘设备的高效部署。
AI产品测试学习路径全解析:从业务场景到代码实践
本文深入解析AI测试的核心技能与学习路径,涵盖业务理解、模型指标计算与性能测试三大阶段,助力掌握分类、推荐系统、计算机视觉等多场景测试方法,提升AI产品质量保障能力。
|
2月前
|
SoccerNet 2025挑战赛:赛题整理(四)
梳理SoccerNet 2025挑战赛中的赛题四、以及该赛题的比赛结果
基于YOLOv8的粉尘污染检测识别|完整源码数据集+PyQt5界面+完整训练流程+开箱即用!
随着工业化的快速发展,粉尘污染成为了环境监测和工业安全中必须关注的问题。传统的粉尘检测方法往往依赖人工采样和实验室分析,周期长、成本高。基于计算机视觉的自动化粉尘检测系统能够实时、准确地监控环境,从而极大提高安全和管理效率。本项目基于最新的YOLOv8算法,实现了粉尘污染检测与识别,并提供完整源码、数据集和可视化界面,实现开箱即用。
基于YOLOv8的跨越围栏/翻墙行为识别项目|开箱即用全流程源码
本项目基于YOLOv8目标检测模型和PyQt5图形界面工具,成功实现了翻越攀爬围栏和翻墙行为的智能检测系统。通过集成YOLOv8的高效目标检测能力和PyQt5的易用界面,本系统能够准确识别不同场景中的翻越行为,并提供多种输入方式(图片、视频、文件夹、摄像头)进行实时检测,满足多种应用需求。
|
2月前
| |
Neural ODE原理与PyTorch实现:深度学习模型的自适应深度调节
Neural ODE将神经网络与微分方程结合,用连续思维建模数据演化,突破传统离散层的限制,实现自适应深度与高效连续学习。
免费试用