zzy的aly_社区达人页

2024年10月

• 10.19 18:59:15
  发表了文章 2024-10-19 18:59:15

  基于YOLOV10的反光衣头盔佩戴实时检测系统【训练和系统源码+Pyside6+数据集+包运行】

  基于YOLOv10的反光衣头盔佩戴实时检测系统，使用4409张工业场景图片训练，能检测未穿反光衣、穿反光衣、未佩戴头盔、佩戴头盔四种情况，确保工人安全。系统支持更换背景标题、模型选择、图片视频检测等功能，基于Python和Pyside6开发。

  
• 10.19 18:57:18
  发表了文章 2024-10-19 18:57:18

  YOLOv10优改系列一：YOLOv10融合C2f_Ghost网络，让YoloV10实现性能的均衡

  本文介绍了YOLOv10的性能优化，通过融合Ghost模块和C2f结构，实现了网络性能的均衡。GhostNet通过GhostModule和GhostBottleNeck减少参数量，适用于资源有限的场景。YOLOv10-C2f_Ghost在减少参数和计算量的同时，保持了与原始网络相当或更好的性能。文章还提供了详细的代码修改步骤和可能遇到的问题解决方案。

  
• 10.19 18:56:07
  发表了文章 2024-10-19 18:56:07

  基于YOLOv10的无人机巡航小目标实时检测系统【训练和系统源码+Pyside6+数据集+包运行】

  基于YOLOv10的无人机巡航小目标实时检测系统，通过7444张无人机场景训练图片，训练出能检测9类目标的模型，并开发了带GUI界面的系统，支持图片、视频和摄像头实时检测，具备背景和标题更换、模型选择、检测信息展示等功能。

  
• 10.19 18:54:30
  发表了文章 2024-10-19 18:54:30

  基于YOLOV8的骑行智能守护实时检测系统【训练和系统源码+Pyside6+数据集+包运行】

  基于YOLOv8的骑行智能守护实时检测系统，通过图像处理和AI技术，实时监测电动车及骑行者头盔佩戴情况，提升道路安全。该系统支持图片、视频和摄像头实时检测，具备GUI界面，便于操作和展示结果。使用5448张真实场景图片训练，包含电动车和骑行者是否佩戴头盔的三类标注。系统基于Python和Pyside6开发，具备模型权重导入、检测置信度调节等功能。

  
• 10.19 18:52:57
  发表了文章 2024-10-19 18:52:57

  Opencv实用笔记(一): 获取并绘制JSON标注文件目标区域（可单独保存目标小图）

  本文介绍了如何使用OpenCV和Python根据JSON标注文件获取并绘制目标区域，同时可将裁剪的图像单独保存。通过示例代码，展示了如何读取图片路径、解析JSON标注、绘制标注框并保存裁剪图像的过程。此外，还提供了相关的博客链接，供读者进一步学习。
• 10.19 18:51:58
  发表了文章 2024-10-19 18:51:58

  FFMPEG学习笔记(一): 提取视频的纯音频及无声视频

  本文介绍了如何使用FFmpeg工具从视频中提取纯音频和无声视频。提供了具体的命令行操作，例如使用`ffmpeg -i input.mp4 -vn -c:a libmp3lame output.mp3`来提取音频，以及`ffmpeg -i input.mp4 -c:v copy -an output.mp4`来提取无声视频。此外，还包含了一个Python脚本，用于批量处理视频文件，自动提取音频和生成无声视频。
• 10.19 18:50:47
  发表了文章 2024-10-19 18:50:47

  Pyside6实操笔记（一）：系统页面跳转

  本文介绍了如何使用Pyside6实现系统页面跳转，包括登录界面跳转到注册界面的代码实现。关键步骤包括创建空窗口、编写跳转逻辑，并提供了完整的登录和注册窗口代码。此外，还涉及了国际化、主题色设置和窗口特效等高级功能。
• 10.19 18:49:36
  发表了文章 2024-10-19 18:49:36

  目标检测实战(八): 使用YOLOv7完成对图像的目标检测任务（从数据准备到训练测试部署的完整流程）

  本文介绍了如何使用YOLOv7进行目标检测，包括环境搭建、数据集准备、模型训练、验证、测试以及常见错误的解决方法。YOLOv7以其高效性能和准确率在目标检测领域受到关注，适用于自动驾驶、安防监控等场景。文中提供了源码和论文链接，以及详细的步骤说明，适合深度学习实践者参考。

  
• 10.19 18:46:54
  发表了文章 2024-10-19 18:46:54

  jetson实操（一）：jetson nano发送指定信息到QQ邮箱

  本文介绍了如何在Python中通过QQ邮箱使用SMTP协议发送邮件。首先，需要开启QQ邮箱的SMTP服务并获取授权码。然后，通过示例代码设置发件人和收件人信息，使用ifconfig命令获取IP地址，并发送测试邮件。整个过程包括邮件内容的设置、服务器的连接与邮件的发送。

  
• 10.19 18:45:34
  发表了文章 2024-10-19 18:45:34

  Python实用记录(十六)：PyQt/PySide6联动VSCode便捷操作指南

  本文提供了一份详细的PySide6与VSCode联动的操作指南，包括安装配置VSCode、安装必要的扩展、配置扩展以及编辑和运行PySide6项目。文中还提到了相关工具如uic.exe、rcc.exe和designer.exe的用途，并提供了进一步学习的资源。

  
• 10.19 18:44:31
  发表了文章 2024-10-19 18:44:31

  YOLOv8优改系列二：YOLOv8融合ATSS标签分配策略，实现网络快速涨点

  本文介绍了如何将ATSS标签分配策略融合到YOLOv8中，以提升目标检测网络的性能。通过修改损失文件、创建ATSS模块文件和调整训练代码，实现了网络的快速涨点。ATSS通过自动选择正负样本，避免了人工设定阈值，提高了模型效率。文章还提供了遇到问题的解决方案，如模块载入和环境配置问题。

  
• 10.19 18:42:18
  发表了文章 2024-10-19 18:42:18

  YOLOv8优改系列一：YOLOv8融合BiFPN网络，实现网络快速涨点

  本文介绍了将BiFPN网络应用于YOLOv8以增强网络性能的方法。通过双向跨尺度连接和加权特征融合，BiFPN能有效捕获多尺度特征，提高目标检测效果。文章还提供了详细的代码修改步骤，包括修改配置文件、创建模块文件、修改训练代码等，以实现YOLOv8与BiFPN的融合。

  
• 10.19 18:40:05
  发表了文章 2024-10-19 18:40:05

  基于YOLOv8的钢铁缺陷实时检测系统【训练和系统源码+Pyside6+数据集+包运行】

  基于YOLOv8的钢铁缺陷实时检测系统，通过1800张图片训练，开发了带GUI界面的检测系统，支持图片、视频和摄像头实时检测，提高生产效率和产品质量。系统基于Python和Pyside6开发，具备模型权重导入、检测置信度调节等功能。项目代码、数据集可通过特定链接获取。

  
• 10.19 18:38:09
  发表了文章 2024-10-19 18:38:09

  基于YOLOv8的河道漂浮物实时检测系统【训练和系统源码+Pyside6+数据集+包运行】

  基于YOLOv8的河道漂浮物实时检测系统，利用2400张图片训练有效模型，开发了带GUI界面的系统，支持图片、视频和摄像头检测，具备模型权重导入、检测置信度调节等功能，旨在维护水体生态平衡和环境卫生。

  
• 10.19 18:36:08
  发表了文章 2024-10-19 18:36:08

  基于YOLOv8的工业安全帽实时检测系统【训练和系统源码+Pyside6+数据集+包运行】

  基于YOLOv8的工业安全帽实时检测系统，通过7581张图片训练，实现工作场所安全帽佩戴检测，降低工伤事故。系统支持图片、视频和摄像头实时检测，具备GUI界面，易于操作。使用Python和Pyside6开发，提供模型训练、评估和推理功能。

  
• 10.19 18:34:23
  发表了文章 2024-10-19 18:34:23

  基于YOLOv8的人员跌倒实时检测系统【训练和系统源码+Pyside6+数据集+包运行】

  本文介绍了基于YOLOv8算法的人员跌倒实时检测系统，通过4978张图片训练出有效模型，并开发了带GUI界面的系统，支持图片、视频和摄像头实时检测，具备更换背景、标题，调节检测置信度等功能。

  
• 10.19 18:32:40
  发表了文章 2024-10-19 18:32:40

  Python实用记录(十五)：PyQt/PySide6打包成exe，精简版（nuitka/pyinstaller/auto-py-to-exe）

  本文介绍了使用Nuitka、PyInstaller和auto-py-to-exe三种工具将Python的PyQt/PySide6应用打包成exe文件的方法。提供了详细的安装步骤、打包命令和参数说明，适合新手学习和实践。
• 10.19 18:31:19
  发表了文章 2024-10-19 18:31:19

  基于YOLOv8的交通车辆实时检测系统【训练和系统源码+Pyside6+数据集+包运行】

  基于YOLOv8的交通车辆实时检测系统，使用5830张图片训练出有效模型，开发了Python和Pyside6的GUI界面系统，支持图片、视频和摄像头实时检测，具备模型权重导入、检测置信度调节等功能，旨在提升道路安全和改善交通管理。

  
• 10.19 18:29:03
  发表了文章 2024-10-19 18:29:03

  基于YOLOv8的火焰烟雾实时检测系统【训练和系统源码+Pyside6+数据集+包运行】

  基于YOLOv8的火焰烟雾实时检测系统，使用6744张图片训练有效模型，开发了带GUI界面的系统，支持图片、视频和摄像头实时检测，具备模型权重导入、检测置信度调节等功能，并提供项目完整代码和数据集。

  
• 10.19 18:27:00
  发表了文章 2024-10-19 18:27:00

  训练数据集(一)：真实场景下采集的煤矸石目标检测数据集，可直接用于YOLOv5/v6/v7/v8训练

  本文介绍了一个用于煤炭与矸石分类的煤矸石目标检测数据集，包含891张训练图片和404张验证图片，分为煤炭、矸石和混合物三类。数据集已标注并划分为训练和验证集，适用于YOLOv5/v6/v7/v8训练。数据集可通过提供的链接下载。

  
• 10.19 18:25:54
  发表了文章 2024-10-19 18:25:54

  基于YOLOv8的人员抽烟实时检测系统【训练和系统源码+Pyside6+数据集+包运行】

  基于YOLOv8的人员抽烟实时检测系统，旨在通过2472张图片训练出有效模型，维护无烟环境，预防火灾，保护公众健康。系统支持图片、视频和摄像头检测，具备GUI界面，易于操作。使用Python和Pyside6开发，具备模型权重导入、检测置信度调节等功能。

  
• 10.19 18:22:34
  发表了文章 2024-10-19 18:22:34

  基于YOLOV8的口罩佩戴实时检测系统【训练和系统源码+Pyside6+数据集+包运行】

  本文介绍了基于YOLOv8算法的口罩佩戴实时检测系统，该系统通过7959张训练图片训练出有效识别模型，开发了带GUI界面的系统，支持图片、视频和摄像头实时检测口罩佩戴情况，提高疫情防控效率。

  
• 10.19 18:18:56
  发表了文章 2024-10-19 18:18:56

  Docker学习笔记（一）：Docker命令总结

  本文介绍了Docker的基本概念、优点以及常用命令。Docker是一个开源的应用容器引擎，它通过容器打包应用程序及其依赖项，实现快速部署和迁移。主要优点包括轻量级、可移植性、易于管理、安全性和开源性。文章还区分了镜像和容器的概念，并提供了构建镜像、查看容器、运行容器、停止和删除容器等常用Docker命令的示例。
• 10.18 16:13:33
  发表了文章 2024-10-18 16:13:33

  Python实用记录(十四)：python统计某个单词在TXT/JSON文件中出现的次数

  这篇文章介绍了一个Python脚本，用于统计TXT或JSON文件中特定单词的出现次数。它包含两个函数，分别处理文本和JSON文件，并通过命令行参数接收文件路径、目标单词和文件格式。文章还提供了代码逻辑的解释和示例用法。

  
• 10.18 16:12:31
  发表了文章 2024-10-18 16:12:31

  语义分割笔记(三)：通过opencv对mask图片来画分割对象的外接椭圆

  这篇文章介绍了如何使用OpenCV库通过mask图像绘制分割对象的外接椭圆。首先，需要加载mask图像，然后使用`cv2.findContours()`寻找轮廓，接着用`cv2.fitEllipse()`拟合外接椭圆，最后用`cv2.ellipse()`绘制椭圆。文章提供了详细的代码示例，展示了从读取图像到显示结果的完整过程。

  
• 10.18 16:11:24
  发表了文章 2024-10-18 16:11:24

  测试专项笔记(一): 通过算法能力接口返回的检测结果完成相关指标的计算（目标检测）

  这篇文章是关于如何通过算法接口返回的目标检测结果来计算性能指标的笔记。它涵盖了任务描述、指标分析（包括TP、FP、FN、TN、精准率和召回率），接口处理，数据集处理，以及如何使用实用工具进行文件操作和数据可视化。文章还提供了一些Python代码示例，用于处理图像文件、转换数据格式以及计算目标检测的性能指标。

  
• 10.18 16:09:24
  发表了文章 2024-10-18 16:09:24

  目标分类笔记(二): 利用PaddleClas的框架来完成多标签分类任务（从数据准备到训练测试部署的完整流程）

  这篇文章介绍了如何使用PaddleClas框架完成多标签分类任务，包括数据准备、环境搭建、模型训练、预测、评估等完整流程。

  
• 10.18 16:07:25
  发表了文章 2024-10-18 16:07:25

  语义分割笔记(二)：DeepLab V3对图像进行分割（自定义数据集从零到一进行训练、验证和测试）

  本文介绍了DeepLab V3在语义分割中的应用，包括数据集准备、模型训练、测试和评估，提供了代码和资源链接。

  
• 10.18 16:06:21
  发表了文章 2024-10-18 16:06:21

  目标分类笔记(一): 利用包含多个网络多种训练策略的框架来完成多目标分类任务（从数据准备到训练测试部署的完整流程）

  这篇博客文章介绍了如何使用包含多个网络和多种训练策略的框架来完成多目标分类任务，涵盖了从数据准备到训练、测试和部署的完整流程，并提供了相关代码和配置文件。

  
• 10.18 16:04:37
  发表了文章 2024-10-18 16:04:37

  目标检测实战(七): 使用YOLOX完成对图像的目标检测任务（从数据准备到训练测试部署的完整流程）

  这篇文章介绍了如何使用YOLOX完成图像目标检测任务的完整流程，包括数据准备、模型训练、验证和测试。

  
• 10.18 16:01:51
  发表了文章 2024-10-18 16:01:51

  目标检测实战(六): 使用YOLOv8完成对图像的目标检测任务（从数据准备到训练测试部署的完整流程）

  这篇文章详细介绍了如何使用YOLOv8进行目标检测任务，包括环境搭建、数据准备、模型训练、验证测试以及模型转换等完整流程。

  
• 10.18 15:59:09
  发表了文章 2024-10-18 15:59:09

  目标检测实战(五): 使用YOLOv5-7.0版本对图像进行目标检测完整版（从自定义数据集到测试验证的完整流程）

  本文详细介绍了使用YOLOv5-7.0版本进行目标检测的完整流程，包括算法介绍、环境搭建、数据集准备、模型训练、验证、测试以及评价指标。YOLOv5以其高精度、快速度和模型小尺寸在计算机视觉领域受到广泛应用。

  
• 10.18 15:54:42
  发表了文章 2024-10-18 15:54:42

  代码管理记录(二)：Github代码上传实操

  本文是关于如何使用Git将本地代码上传到GitHub的实操指南。介绍了Git的基本概念、安装方法，并通过详细的步骤指导用户从GitHub创建仓库到使用Git命令初始化、添加、提交代码，最终将代码推送到远程仓库。同时，还汇总了一些常见的错误及其解决方法。

  
• 10.18 15:53:10
  发表了文章 2024-10-18 15:53:10

  实例分割笔记(一): 使用YOLOv5-Seg对图像进行分割检测完整版（从自定义数据集到测试验证的完整流程）

  本文详细介绍了使用YOLOv5-Seg模型进行图像分割的完整流程，包括图像分割的基础知识、YOLOv5-Seg模型的特点、环境搭建、数据集准备、模型训练、验证、测试以及评价指标。通过实例代码，指导读者从自定义数据集开始，直至模型的测试验证，适合深度学习领域的研究者和开发者参考。

  
• 10.18 15:51:25
  发表了文章 2024-10-18 15:51:25

  深度学习环境搭建笔记(二)：mmdetection-CPU安装和训练

  本文是关于如何搭建深度学习环境，特别是使用mmdetection进行CPU安装和训练的详细指南。包括安装Anaconda、创建虚拟环境、安装PyTorch、mmcv-full和mmdetection，以及测试环境和训练目标检测模型的步骤。还提供了数据集准备、检查和网络训练的详细说明。

  
• 10.18 15:49:01
  发表了文章 2024-10-18 15:49:01

  数据集学习笔记(六)：目标检测和图像分割标注软件介绍和使用，并转换成YOLO系列可使用的数据集格式

  本文介绍了labelImg和labelme两款图像标注工具的安装、使用、数据转换和验证方法，适用于目标检测和图像分割任务，支持YOLO等数据集格式。

  
• 10.18 15:47:24
  发表了文章 2024-10-18 15:47:24

  目标检测笔记(六)：如何通过界面化操作YOLOv5完成数据集的自动标注

  这篇文章介绍了如何通过界面化操作YOLOv5来完成数据集的自动标注，包括修改源码、自动标注的前期准备、开始自动标注、可视化标注效果以及将XML文件转换为YOLO训练所需的TXT格式。

  
• 10.18 15:45:54
  发表了文章 2024-10-18 15:45:54

  模型预测笔记(四)：pandas_profiling生成数据报告

  本文介绍了pandas_profiling库，它是一个Python工具，用于自动生成包含多种统计指标和可视化的详细HTML数据报告，支持大型数据集并允许自定义配置。安装命令为`pip install pandas_profiling`，使用示例代码`pfr = pandas_profiling.ProfileReport(data_train); pfr.to_file("./example.html")`。
• 10.18 15:44:36
  发表了文章 2024-10-18 15:44:36

  人脸识别笔记(一)：通过yuface调包(参数量54K更快更小更准的算法) 来实现人脸识别

  本文介绍了YuNet系列人脸检测算法的优化和使用，包括YuNet-s和YuNet-n，以及通过yuface库和onnx在不同场景下实现人脸检测的方法。
• 10.18 15:43:05
  发表了文章 2024-10-18 15:43:05

  目标检测笔记(六)：如何结合特定区域进行目标检测（基于OpenCV的人脸检测实例）

  本文介绍了如何使用OpenCV进行特定区域的目标检测，包括人脸检测实例，展示了两种实现方法和相应的代码。

  
• 10.18 15:41:58
  发表了文章 2024-10-18 15:41:58

  模型预测笔记(三)：通过交叉验证网格搜索机器学习的最优参数

  本文介绍了网格搜索（Grid Search）在机器学习中用于优化模型超参数的方法，包括定义超参数范围、创建参数网格、选择评估指标、构建模型和交叉验证策略、执行网格搜索、选择最佳超参数组合，并使用这些参数重新训练模型。文中还讨论了GridSearchCV的参数和不同机器学习问题适用的评分指标。最后提供了使用决策树分类器进行网格搜索的Python代码示例。
• 10.18 15:40:43
  发表了文章 2024-10-18 15:40:43

  模型预测笔记(二)：结合SMOTE来进行数据不均衡处理实操

  这篇文章介绍了SMOTE算法，这是一种通过合成新样本来处理数据不均衡问题的技术，旨在提高模型对少数类别的识别能力。
• 10.18 15:39:36
  发表了文章 2024-10-18 15:39:36

  模型预测笔记(一)：数据清洗分析及可视化、模型搭建、模型训练和预测代码一体化和对应结果展示(可作为baseline)

  这篇文章介绍了数据清洗、分析、可视化、模型搭建、训练和预测的全过程，包括缺失值处理、异常值处理、特征选择、数据归一化等关键步骤，并展示了模型融合技术。

  
• 10.18 15:37:41
  发表了文章 2024-10-18 15:37:41

  目标检测笔记(五)：查看通过COCOEvaluator生成的coco_instances_results.json文件的详细检测信息，包含AP、AR、MR和DR等

  本文介绍了如何使用COCO评估器通过Detectron2库对目标检测模型进行性能评估，生成coco_instances_results.json文件，并利用pycocotools解析该文件以计算AP、AR、MR和DR等关键指标。

  
• 10.18 15:36:27
  发表了文章 2024-10-18 15:36:27

  目标检测笔记(五)：详细介绍并实现可视化深度学习中每层特征层的网络训练情况

  这篇文章详细介绍了如何通过可视化深度学习中每层特征层来理解网络的内部运作，并使用ResNet系列网络作为例子，展示了如何在训练过程中加入代码来绘制和保存特征图。

  
• 10.18 15:33:13
  发表了文章 2024-10-18 15:33:13

  深度学习环境搭建笔记(一)：detectron2安装过程

  这篇博客文章详细介绍了在Windows环境下，使用CUDA 10.2配置深度学习环境，并安装detectron2库的步骤，包括安装Python、pycocotools、Torch和Torchvision、fvcore，以及对Detectron2和PyTorch代码的修改。

  
• 10.18 15:31:46
  发表了文章 2024-10-18 15:31:46

  代码管理记录(一): 码云Gitee代码提交和维护

  本文介绍了Gitee平台，提供了代码托管服务，并详细说明了从新建仓库到代码提交的步骤。

  
• 10.18 15:30:28
  发表了文章 2024-10-18 15:30:28

  ChatGPT使用学习（三）：ChatGPT桌面版使用

  本文介绍了ChatGPT桌面版，一个由OpenAI推出的独立桌面应用程序，支持离线使用、数据隐私保护和快速响应。用户界面友好，支持多语言交互。桌面版无需网络连接，保护用户数据隐私，并提供快速响应。用户可通过Github链接下载安装，使用谷歌账号登录。此外，OpenAI官方也发布了适用于macOS的桌面端应用，并向所有用户免费开放。
• 10.18 15:29:12
  发表了文章 2024-10-18 15:29:12

  Python实用记录(十三):python脚本打包exe文件并运行

  这篇文章介绍了如何使用PyInstaller将Python脚本打包成可执行文件（exe），并提供了详细的步骤和注意事项。