深度学习 yolov5等结构图
yolov5 卷积神经网络 等结构图
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。
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。
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
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
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
【计算机视觉 | 目标检测】术语理解2：Grounding 任务、MLM、ITM代理任务
【计算机视觉 | 目标检测】术语理解2：Grounding 任务、MLM、ITM代理任务
口罩检测——模型转换(4)
口罩检测，paddlepaddle模型转换为OpenVINO模型。
（1）VisDrone无人机目标检测数据集介绍
官网：http://aiskyeye.com/VisDrone数据集，包含了10个类（即行人、人、汽车、面包车、公共汽车、卡车、汽车、自行车、遮阳三轮车和三轮车）无人机计算机视觉相关检测和跟踪（ Vision Meets Drones）作为近年来的研究热点之一，受到了广泛关注，这两年在各大会议上都有
YOLOV8改进：顶刊TIP 2023 | CFP：即插即用的多尺度融合模块，有效涨点！
与现有的方法不同，本文方法不仅关注不同层之间的特征交互，还考虑了同一层内的特征调节，该调节在密集预测任务中被证明是有益的。则依赖于自下而上的特征金字塔结构，通过建立自上而下的路径和横向连接从多尺度高级语义特征图中获取特征信息。提出了一种额外的自下而上路径，使高级特征图也可以从低级特征图中获得足够的细
YOLOv5在验证集上进行测试
YOLOv5的作者在2021年7月14日已经将test.py更名为val.py，以及使用test.py在验证集进行测试
