[数据集][目标检测]疟疾恶性疟原虫物种目标检测数据集voc+yolo格式948张1类别-爱代码爱编程
数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数)：948 标注数量(xml文件个数)：948 标注数量(txt文件个数)：948 标注类别数：1 标注类别名称:["plasmodium"] 每个类别标注的框数： plasmo
[数据集][目标检测]车窗状态检测车窗开关检测数据集voc+yolo格式299张3类别-爱代码爱编程
数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数)：299 标注数量(xml文件个数)：299 标注数量(txt文件个数)：299 标注类别数：3 标注类别名称:["window-close","window-mid","wi
12.14-爱代码爱编程
CUDA与Pytorch的关系: 1 CUDA分为Driver CUDA（底层接口 直接与硬件交互） 和 Runtime CUDA（上层接口与应用程序交互） 2 Pytorch中的CUDA是不完整的CUDA 完整的CUDA需要额外下载CUDA-tookit 3 nvidia-smi中是Driver ； nvcc 和 torch.version
yolov10：深度剖析与应用前景展望-爱代码爱编程
一、核心观点 1.1 YOLOv10：引领目标检测新潮流 YOLOv10 作为清华大学多媒体智能组推出的最新一代目标检测算法，在目标检测领域占据着重要地位。它继承了前代 YOLO 算法高效、准确的特点，同时在模型架构和后处理方法上进行了全面优化。YOLOv10 通过引入大核卷积和部分自注意模块，在较低计算成本下实现了更高的性能，能够在毫秒级的时间内完成
yolov9改进系列，yolov9主干网络替换为repvit (cvpr 2024，清华提出，独家首发)，助力涨点-爱代码爱编程
摘要 轻量级视觉变换器（ViTs）在资源受限的移动设备上表现出优越的性能和较低的延迟，相比之下轻量级卷积神经网络（CNNs）稍显逊色。研究人员发现了许多轻量级 ViTs 和轻量级 CNNs 之间的结构联系。然而，它
关于yolov5遇到空标签导致训练暂停的解决-爱代码爱编程
小编在使用yolov5进行深度学习训练的时候，训练了好几个epochs，突然报了一个empty的错误导致训练程序终止，还好小编只是在训练刚开始遇到这种问题，如果训练了好多轮以后遇到此类问题，那前面训练花费的时间全部都浪费了，那就非常难受了，那我们可以从源头上改变这个问题。那我们如何改变呢，我们需要根据空标签txt来删除对应的图片，因为数据集有严格的一一对应
管道焊缝质量数据集——good和bad两种标签，0为good.1134个图片，有对应的xml标签和txt标签，可用于yolo训练-爱代码爱编程
管道焊缝质量的数据集 有good和bad两种标签，0为good. 1134个图片，有对应的xml标签和txt标签，可用于yolo训练，赠送五个常用的训练脚本。 管道焊缝质量检测数据集 管道焊缝质量检测数据集 项目背景： 管道焊接是工业生产中非常重要的环节，焊缝的质量直接影响到管道的安全性和使用寿命。然而，手工检查焊缝质量耗时耗力且容易出错。利用计算
yolov7_obb环境安装_yolov7obb-爱代码爱编程
下载obb代码之后，除了安装python和pytorch环境，由于还需要编译nms部分的c++代码，因此还需要安装Visual Studio. 这里推荐安装Visual Studio2019版本。 然后在系统环境中配置环境变量 C:\Program Files (x86)\Microsoft Visual Studio\2019\Communi
yolov8-爱代码爱编程
yolov8支持OBB目标检测，且能提供较好的性能。 但是最近在使用yolov8-obb的过程中，发现yolov8-obb存在一个bug。即训练数据如果包含不带旋转角度的水平目标时，训练出的模型，经常会输出垂直的检测框，
深度学习实战电路板缺陷检测【数据集+yolov5模型+源码+pyqt5界面】-爱代码爱编程
基于深度学习的电路板缺陷检测- 文章目录 研究背景1. 电路板制造的重要性2. 传统检测方法的局限性3. 深度学习技术的兴起4. 深度学习在缺陷检测中的应用5. 研究进展6. 面临
labelme标注的＜分割数据集＞json转yolo＜分割＞数据集txt_labelme分割转yolo-爱代码爱编程
import json import os def convert_labelme_to_yolo(json_file, output_txt_file, label_to_class_id): with open(json_file, 'r') as file: data = json.load(file)
labelme目标框+关键点数据标注，json文件转yolo-爱代码爱编程
import argparse import collections import datetime import glob import json import os import os.path as osp import sys import uuid import imgviz import cv2 import numpy as np impor
番外篇-爱代码爱编程
一、 番外篇-YOLOV10尝鲜 最近由清华大学的研究团队研发的最新的YOLOV10模型。这一新一代的YOLO模型专注于实时端到端的目标检测。YOLOv10在多个方面进行了改进，包括优化模型架构、消除非极大值抑制（NMS）
yolov8的代码如何升级到yolov10_yolov10n.pt-爱代码爱编程
两种方法： 方法一：手动下载yolo模型 方法二：自动下载yolo模型 方法一 0. 核心思路 下载最新的YOLO模型 (.pt) 文件，放到自己指定的路径把原有代码中的yolov8改成yolov10，重新运行即可
模型部署:lubancat-爱代码爱编程
8. YOLOv10 — [野火]Python应用开发实战指南—基于LubanCat-RK系列板卡 文档 2. 开发环境介绍 — [野火]嵌入式AI应用开发实战指南—基于LubanCat-RK系列板卡 文档 1.安装conda 自行安装 2.安装 rknn-toolkit2 需要在PC虚拟机linux系统下安装,而非开发板或者PC 首先创建
labeml转yolo数据集格式之实例分割_labelme分割数据集转yolov8分割数据集-爱代码爱编程
import json import os from tqdm import tqdm import glob import os.path as osp # 参考链接 https://blog.csdn.net/m0_63330473/article/details/135079898 # 适应场景：lableme标注软件生成的json实例分割标签转
自用yolo关键点检测之labelme2yolo格式改变-爱代码爱编程
背景 labelme标注关键点，想要使用YOLO进行关键点检测时，需要将标签文件转换一下。 YOLO标签个格式 0 0.24830 0.34538 0.11451 0.15113 0.26254 0.41474 2 0
labelme 标注转为yolo v5/v8格式_pip yolo2labelme-爱代码爱编程
前言 基于labelme2yolo库将labelme格式的标注数据转成yolo格式 安装 labelme2yolo pip install labelme2yolo 标注格式转换 labelme2yolo -
如何在行空板上运行 yolov10n？_yolov10n.pt-爱代码爱编程
YOLOv10介绍 YOLO（You Only Look Once）系列是当前最主流的端侧目标检测算法，由Joseph Redmon等人首次提出，并随着时间发展，已经推出了多个版本，每个版本“似乎”都在性能和速度上有所提升
yolov8训练自定义数据集中遇到的问题-爱代码爱编程
训练的教程在网上有很多详细的，我参考的是这个帖主的，有需要的朋友可以跳转看看：https://blog.csdn.net/m0_57010556/article/details/135460191?ops_request_misc=&request_id=&biz_id=102&utm_term=yolov8训练自己的数据集%20保