目标检测——工业安全生产环境违规使用手机的识别
通过目标检测技术，对违规使用手机的行为进行及时发现和制止，是保障工业安全生产的重要手段。例如，数据集中的图片可能来自不同的工业生产环境、不同的时间段和不同的拍摄角度，以模拟真实世界中的复杂情况。同时，数据集还尽量涵盖了不同种类的手机、不同的使用姿势和不同的背景环境，以提高模型的识别准确性和鲁棒性。这
AI模型部署实战：利用CV-CUDA加速视觉模型部署流程
随着深度学习技术在计算机视觉领域的发展，越来越多的AI算法模型被用于目标检测、图像分割、图像生成等任务中，如何高效地在云端或者边缘设备上部署这些模型是工程师迫切需要解决的问题。一个完整的AI模型部署流程一般分为三个阶段：预处理、模型推理、后处理，一般情况下会把模型推理放在GPU或者专用的硬件上进行处
050通过人工智能技术识别鸟类品种pyqt界面
117nlp自然语言处理-文本情感分类-joy-sadness-anger-fear-love-surprise'089基于深度学习的小样本数据检测_含10多种模型包括alexnet、DenseNet、DL。083基于深度学习的手势识别小程序版本_含10多种模型包括alexnet、DenseNet。
从零开始训练 YOLOv8最新8.1版本教程说明（包含Mac、Windows、Linux端 ）同之前的项目版本代码有区别
从零开始训练 YOLOv8最新8.1版本教程说明（包含Mac、Windows、Linux端 ）
深度学习之目标检测R-CNN模型算法流程详解说明（超详细理论篇）
RCNN算法分为4个步骤:获取候选区域：对于一张输入的图像，首先使用selective search算法获取2000个左右的候选区域。获取图像特征：将图像输入到卷积神经网络中获取图像特征，这一部分可以采用常用的图像卷积神经网络如VGGNet,AlexNet等。获取区域类别：在初步获得目标的位置之后，
特征融合篇 | YOLOv8 引入通用高效层聚合网络 GELAN | YOLOv9 新模块
特征融合篇 | YOLOv8 引入通用高效层聚合网络 GELAN | YOLOv9 新模块
毕业设计-基于深度学习的水面漂浮物目标检测算法系统 YOLO python 卷积神经网络 人工智能
毕业设计-基于深度学习的水面漂浮物目标检测算法系统，用于解决水域环境下的目标检测难题。针对水面漂浮物目标检测中存在的遮挡、光照不足和水纹干扰等复杂情况，利用深度学习技术设计了一种高效准确的检测算法。通过对大量水面图像数据集的训练和数据增强技术的应用，提升了目标检测系统的鲁棒性和准确性。实验结果表明，
【Transformer系列（3）】 《Attention Is All You Need》论文超详细解读（翻译＋精读）
transformer开山之作《Attention Is All You Need》论文超详细解读（翻译＋精读）
YOLOv5引入FasterNet主干网络，目标检测速度提升明显
目标检测是计算机视觉领域的重要任务，它在现实生活中有着广泛的应用，如自动驾驶、安防监控、人脸识别等。目标检测算法旨在从图像或视频中检测出感兴趣的目标，并确定其位置和类别。目标检测算法可以分为两个主要类别：基于区域的方法和单阶段方法。基于区域的方法（Region-based methods）先通过区域
目标检测开源数据集——道路坑洼
在实际运营过程中，由于温度、水分、风化以及荷载等因素的影响，路面结构强度会逐渐降低，最终导致道路表面产生多种病害特征，其中就包括坑洼。坑洼不仅会影响车辆的行驶稳定性，还会增加驾驶者的操作难度，降低驾驶舒适度。通过识别并修复坑洼，可以有效改善驾驶环境，提升驾驶者的驾驶体验。最后，道路坑洼识别也是智能交
huggingface下载的.arrow数据集读取与使用说明
huggingface下载的arrow数据集读取与使用说明
YOLOv5改进 | 注意力篇 | CGAttention实现级联群体注意力机制 (全网首发改进)
本文给大家带来的改进机制是实现级联群体注意力机制，其主要思想为增强输入到注意力头的特征的多样性。与以前的自注意力不同，它为每个头提供不同的输入分割，并跨头级联输出特征。这种方法不仅减少了多头注意力中的计算冗余，而且通过增加网络深度来提升模型容量，亲测在我的25个类别的数据上，大部分的类别均有一定的涨
输电线路/杆塔/电力设施/安全穿戴等目标检测数据集
10+智慧电力领域的细分场景目标检测数据集
人脸识别实战之基于开源模型搭建实时人脸识别系统（二）：人脸检测概览与模型选型
进行人脸识别首要的任务就是要定位出画面中的人脸，这个任务就是人脸检测。人脸检测总体上算是目标检测的一个特殊情况，但也有自身的特点，比如角度多变，表情多变，可能存在各类遮挡。早期传统的方法有Haar Cascade、HOG等，基本做法就是特征描述子+滑窗+分类器，随着2012年Alexnet的出现，慢
毕业设计选题- 基于深度学习的海洋生物目标检测系统 YOLO 人工智能
毕业设计选题：基于深度学习的海洋生物目标检测，旨在设计和实现一种高效准确的算法来识别和检测海洋中的生物目标。通过采用深度学习技术，结合海洋生物图像数据集和目标检测模型，我们展示了如何训练一个能够在复杂水下环境中实现精准目标检测的算法。本研究的成果将有助于海洋生物学研究、环境监测和保护等领域的发展，为
GitHub上最适合初学者的10个最佳开源人工智能项目
使用TensorFlow创建的模型可以部署在各种平台上,包括服务器,云端,移动端,边缘设备,浏览器等等。以上是一些顶级的开源机器学习项目,以供初学者和有经验的数据科学家参与和学习深度学习技术的库。这也可以有双重好处。换句话说,HuggingFace声称他们的Transformers库使学者和工程师可
【PaddleDetection】基于PaddleDetection的齿轮瑕疵检测：从模型训练到部署中的那些坑
本文的主要内容是一套利用百度飞桨深度学习平台下的目标检测套件实现目标检测任务（从模型训练到部署）的流程。本文中流程将最大限度地利用飞桨现有工具套件和API，以尽最大可能减少编程工作。本文所完成的任务来自“兴智杯”全国人工智能创新应用大赛：国产开发框架工程化应用赛，其主要内容为基于目标检测算法的齿轮瑕
基于yolov5的pyqt5目标检测图形上位机工具【附工程代码】
基于yolov5的目标检测上位机
ubutu下ros2实现小车仿真建模与目标检测
进入torch后使用Ctrl+f进行搜索，cuda对应的torch版本和你的python版本,一键安装ros2的时候会下载一个python2与python3，在终端输入python3就会得到python的版本。注：image_topic:=后是相机发布的话题名，将话题名改为相机所发布的话题名一致就能
图像分类综述
什么是图像分类，核心是从给定的分类集合中给图像分配一个标签的任务。实际上，这意味着我们的任务是分析一个输入图像并返回一个将图像分类的标签。标签来自预定义的可能类别集。示例：我们假定一个可能的类别集categories = {dog, cat, eagle}，之后我们提供一张图1给分类系统：这里的目标
