亲测win10环境下安装yolov4的安装指导。
给想入门yolo的同学们。
环境步骤一致的化，肯定可以安装成功的，请大家放心使用。
给想入门yolo的同学们。
环境步骤一致的化，肯定可以安装成功的，请大家放心使用。
2023/11/5 6:23:56
93.5MB
1
YOLO格式的机器学习数据集。
如果需要其他的格式可以自己编写python脚本进行转换。
自己制作的机器学习数据集，包含一共2500多张照片，5260个标记。
共26个种类。
基本囊括了中国素菜的大部分主菜。
数据集文件夹内的data.yaml包含了标签序列，在数组中的序号对应着其标签的序号，格式转换的时候可以参考这个文件。
如果是yolo可以直接使用。
如果需要其他的格式可以自己编写python脚本进行转换。
自己制作的机器学习数据集，包含一共2500多张照片，5260个标记。
共26个种类。
基本囊括了中国素菜的大部分主菜。
数据集文件夹内的data.yaml包含了标签序列，在数组中的序号对应着其标签的序号，格式转换的时候可以参考这个文件。
如果是yolo可以直接使用。
2023/10/29 15:51:04
197.69MB
1
包含1000张手持手机，打电话图片。
以及yolo类型的标注txt文件。
用于图像处理中对打电话行为的识别。
经过训练可以识别出图片手机的位置，1000张只能作初步训练，提高准确率需要加大数据集
以及yolo类型的标注txt文件。
用于图像处理中对打电话行为的识别。
经过训练可以识别出图片手机的位置，1000张只能作初步训练，提高准确率需要加大数据集
2023/10/27 13:36:38
91.75MB
1
与多目标跟踪（MultipleObjectTracking简称MOT）对应的是单目标跟踪（SingleObjectTracking简称SOT），按照字面意思来理解，前者是对连续视频画面中多个目标进行跟踪，后者是对连续视频画面中单个目标进行跟踪。
由于大部分应用场景都涉及到多个目标的跟踪，因此多目标跟踪也是目前大家主要研究内容，本文也主要介绍多目标跟踪。
跟踪的本质是关联视频前后帧中的同一物体（目标），并赋予唯一TrackID。
随着深度学习的兴起，目标检测的准确性越来越高，常见的yolo系列从V1到现在的V5（严格来讲V5不太算），mAP一个比一个高，因此基于深度学习的目标检测算法实际工程落地也越来
由于大部分应用场景都涉及到多个目标的跟踪，因此多目标跟踪也是目前大家主要研究内容，本文也主要介绍多目标跟踪。
跟踪的本质是关联视频前后帧中的同一物体（目标），并赋予唯一TrackID。
随着深度学习的兴起，目标检测的准确性越来越高，常见的yolo系列从V1到现在的V5（严格来讲V5不太算），mAP一个比一个高，因此基于深度学习的目标检测算法实际工程落地也越来
2023/9/13 21:20:03
406KB
1
14篇论文内容分别如下：R-CNN，FastR-CNN，FasterR-CNN，CascadeR-CNN，MaskR-CNN，GridR-CNN，R-FCN，YOLO，SSD，FPN，RetinaNet，CornerNet，FoveaBox，Ours
2023/9/8 8:54:53
47.29MB
1
yolo，yolov2和yolov3的论文原文，属于单阶段目标检测的代表性作品，对检测速度有很大提升，可以细细读一读
2023/9/6 1:58:24
10.22MB
1
该资源包含了近些年经典的基于深度学习的目标检测论文，有RCNN、Fast-RCNN、Faster-RCNN、Mask-RCNN以及YOLO系列
2023/8/24 22:45:17
32.75MB
1
YOLO目标检测框架，结合请谅解的网络模型SqueezeNEt,根据squeezeNet的论文思想，设计了用于目标检测的轻量级神经网络
2023/5/29 2:12:47
1.63MB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB