开源数据集分类汇总（医学，卫星，分割，分类，人脸，农业，姿势等）
本文汇总了医学图像、卫星图像、语义分割、自动驾驶、图像分类、人脸、农业、打架识别等多个方向的数据集资源，均附有下载链接。
YOLOv5算法改进（8）— 替换主干网络之MobileNetV3
MobileNetV3是由Google团队在2019年提出的一种卷积神经网络结构，其目标是在保持高性能的同时减少计算延时。MobileNetV3相比于前一版本（MobileNetV2）在性能上有明显的提升。
OpenCV实战（31）——基于级联Haar特征的目标检测
对于大多数机器学习方法，训练是一个迭代过程，在此过程中通过循环遍历样本来构建机器学习模型。通过使用更多的样本，得到的分类器性能会逐渐提高。当模型性能达到预设值或者当无法从当前训练数据集中获得更多改进时，学习过程将停止。本节中，我们将介绍一种遵循以上过程的机器学习算法，即级联分类器。
目标检测与跟踪 （3）- TensorRT&YOLO V8性能优化与部署测试
YOLOv8 算法的核心特性和改动可以归结为如下：1. 提供了一个全新的 SOTA 模型，包括 P5 640 和 P6 1280 分辨率的目标检测网络和基于 YOLACT 的实例分割模型。和 YOLOv5 一样，基于缩放系数也提供了 N/S/M/L/X 尺度的不同大小模型，用于满足不同场景需求骨干
网络梯度为None、参数不更新解决思路（又名“魔改代码的报应”）
网络梯度为None、参数不更新的解决思路
yolov5识别cf火线敌人（FPS类的AI瞄准）详细教程二
教程第二部分到这就结束了，目前已经可以正常的使用了，后面我如果有时间会写如何将它集成为一个小型的app，更方便更改一些参数，比如瞄准范围，自动开枪速率，是否开启实时检测，切换瞄准头部还是身体等。
YOLO目标检测——真实和人工智能生成的合成图像数据集下载分享
YOLO目标检测——真实和人工智能生成的合成图像数据集下载分享
【计算机视觉】Visual grounding系列
【计算机视觉】Visual grounding系列
特定场景小众领域数据集之——焊缝质量检测数据集
特定场景小众领域数据集之——焊缝质量检测数据集
yolov5识别cf火线敌人（FPS类的AI瞄准）详细教程一
因为自己的研究方向也是深度学习方向，而且平时闲的时候还喜欢玩会cf火线等枪战游戏，就想着找一个大模型做一个对游戏敌人的识别的功能，一切实现之后就想把自己的心得写出来，我打算分俩个教程分别细述整个学习以及操作的过程，教程一主要包括了yolov5的基本使用，制作并训练自己的数据集，第二个教程包括对yol
使用 OpenCV 进行基于 ESP32 CAM 的目标检测和识别
介绍使用 OpenCV 进行基于 ESP32 CAM 的目标检测和识别实现。
2023 电赛 E 题 K210 方案
主要介绍如何使用K210实现矩形的识别并返回矩形的坐标
基于PP-YOLOE-SOD实现遥感场景下的小目标检测
目标边界框的宽高与图像的宽高比例小于一定值目标边界框面积与图像面积的比值开方小于一定值分辨率小于32*32像素的目标。如MS-COCO数据集像素值范围在［10，50］之间的目标。如DOTA/WIDER FACE数据集paddle从数据集整体层面提出了如下定义：目标边界框的宽高与图像的宽高比例的中位数
目标检测算法——YOLOV8——算法详解
本文梳理Yolo v8 的改进点，并针对一些较难理解的点进行重点阐述，主要有如下几方面：backbone 使用C2f模块，检测头使用了anchor-free + Decoupled-head，损失函数使用了分类BCE、回归CIOU + VFL（新增项目）的组合，框匹配策略由静态匹配改为了Task-A
Openmv通过IMPULSE训练模型实现目标检测
Openmv神经网络文章目录Openmv神经网络前言一、云端训练二、操作步骤1.数据集的采集2.上传数据集3.训练模型1、创建模型2、参数生成3、开始训练4、模型测试5、导出模型6、效果测试总结前言openmv4plus可以进行神经网络学习，实现目标检测，之前学习过了K210的目标检测，以及机器学习
YOLOX手把手实操：火星/月球陨石坑的数量统计
探索太空一直是人类乐此不疲的活动，随着科技的发展，人们对月球和火星愈发好奇。而在各种太空探索任务中，有效探测陨石坑具有至关重要的意义。陨石坑是行星、卫星、小行星或其它天体表面通过陨石撞击而形成的环形凹坑。随着陨石颗粒大小撞击到火星/月球表面时，会撞击出不同大小的陨石坑宽度。目前，关于陨石坑相关的数据
mmdetection使用指定的显卡号并行分布式训练
用mmdet进行多卡并行训练时，期望指定自己需要的显卡号，避免使用默认的0号和1号卡
Mx-yolov3+Maixpy+ K210进行本地模型训练和目标检测
我接触K210同样也是因为一次比赛，需要进行目标检测并对垃圾进行分类，在接触到K210之前我一直使用各种YOLO版本检测，并部署到树莓派和nano上，一次偶然的机会，我发现了K210，这里要感谢我的一位学长，是他带着我开始了K210的学习，让我从盲目的命令行指令转到Maxipy上使用Python来学
LabelImg安装使用教程：
LabelImg
手把手教学YOLOV5在RK3568的部署应用及代码实现
YOLOV5模型移植在RK3568
