Docker使用及本地Yolov5打包教程
Yolov5本地Docker部署
【AI】在NVIDIA Jetson Orin Nano上使用tensorrtx部署yolov8
在OrinNano上部署yolov8，并使用tensorrtx来硬件加速
使用PyQt简单实现YOLOv5交互界面
使用PyQt5简单实现了基于YOLOv5的小狗嘴套佩戴检测系统的界面交互系统，文中给出一些实现步骤
快速解决深度学习推理过程cuda或tensorRT推理速度变慢的办法【亲测有效】
如果你在使用CUDA或者TensoRT实现深度学习推理检测过程中发现推理检测的速度很慢，那可以查看本文快速解决深度学习推理过程cuda或tensorRT推理速度变慢的问题
毕业设计-基于深度学习的车辆实时检测与跟踪系统 YOLO 卷积神经网络 人工智能 CNN
毕业设计-基于YOLOv5s的车辆实时检测与跟踪系统的毕业设计。通过结合YOLOv5s模型和目标跟踪技术，该系统能够实时准确地检测和跟踪道路上的车辆。解释了YOLOv5s模型的原理和使用方法，并展示了如何在实时视频流中实现车辆检测和跟踪。这个系统具有广泛的应用前景，可以用于交通监控、智能驾驶等领域。
ubuntu18.04复现yolo v8环境配置之CUDA与pytorch版本问题以及多CUDA版本安装及切换
不同程序需要不同版本的python和pytorch，而pytorch和CUDA之间有一定的对应关系，如果不按要求安装，会造成后续报错，无法复现他人的程序。二、假设ubuntu系统已经安装了CUDA，此时需要重新安装另外一个版本（如果你是第一次安装CUDA也没关系，重复下面步骤两次，选择不同的CUDA
YOLOv5算法进阶改进（3）— 引入深度可分离卷积C3模块 | 轻量化网络
深度可分离卷积是一种卷积神经网络中的卷积操作，可以大大减少计算量和参数数量，从而提高模型的效率和准确性。本节课就给大家介绍一下如何在YOLOv5主干网络中引入深度可分离卷积C3模块，希望大家学习之后能够有所收获~！🌈
ubuntu下yolox tensorrt模型部署
ubuntu下yolox tensorrt模型部署
YoloV8改进策略：将FasterNet与YoloV8深度融合，打造更快更强的检测网络
我们尝试了三种改进方法，测试结果也是基于我自己选择的数据集，在其他的数据集中表现怎么样还是需要自己尝试才行！
yolov7论文学习——创新点解析、网络结构图
yolov7的网络结构
【CV】在windows上安装和使用Yolo_mark
下载、安装、使用Yolo_mark面板中选择，把其中的默认路径更改为自己的opencv的相同文件夹的路径面板中选择，把其中的默认路径更改为自己的opencv的相同文件夹的路径，（右侧有小箭头下拉点击编辑可以更方便地更改），完成后点击确定保存。在VS中切换为，右键项目，点击，开始编译。编译完成后在文件
我的创作纪念日--AI小怪兽打怪进阶路
AI小怪兽：1）YOLO骨灰级玩家，YOLOv5、v7、v8优化创新，复现计算机视觉顶会，创新科研涨点小能手；2）就职于智能制造与数智创新企业，工业界项目落地、部署经验丰富，为半导体、3C等行业部署过几十个项目；
【人脸检测 FPS 1000+】ubuntu下libfacedetection tensorrt部署
【FPS 1000+】ubuntu下libfacedetection人脸检测 tensorrt加速部署
智能零售柜商品识别从零开始使用YOLOv5+PyQt5+OpenCV实现(支持图片、视频、摄像头实时检测)
智能零售柜商品识别,当顾客将自己选购的商品放置在制定区域的时候，能精准地识别每一个商品，从而能够返回完整地购物清单及计算顾客应付的实际商品总价格。已经处理了一份数据形成了对应的数据集。总数据量为5422张，且所有图片均已标注，共有113类商品。本数据集以对数据集进行划分，其中训练集3796张、验证集
基于YOLOv5的停车位检测系统（清新UI+深度学习+训练数据集）
基于YOLOv5的停车位检测系统用于露天停车场车位检测，应用深度学习技术检测停车位是否占用，以辅助停车场对车位进行智能化管理。在介绍算法原理的同时，给出Python的实现代码、训练数据集以及PyQt的UI界面。博文提供了完整的Python代码和使用教程，适合新入门的朋友参考，完整代码资源文件请转至文
[yolov5/yolov8修改]替换yolov5/yolov8中的主干网络为EfficientNetv2
针对yolov5和yolov8的主干网络进行替换。
使用FastAPI部署Ultralytics YOLOv5模型
在本文中，我们将介绍如何使用FastAPI的集成YOLOv5，这样我们可以将YOLOv5做为API对外提供服务。
YOLOv5改进系列（21）——替换主干网络之RepViT（清华 ICCV 2023|最新开源移动端ViT）
YOLOv5改进系列，替换主干网络之RepViT，清华 ICCV 2023，最新开源移动端ViT
Yolov7改进总结(1)——ACmix网络选取，卷积与自注意力的融合，涨点明显
阅读最新的论文，结合最有效的模块，改进yolo结构，实现高效涨点。
