背景这次回家，想着有没有啥可以折腾的，在收拾闲置的物品过程中，发现了光猫。通过百度，了解到得有USB口或者是TF口才可。再后来找到个机顶盒。符合接口，还有HDMI，网口。材料&刷机工具硬件：华为悦盒一个，USBtoTTL模块一个，杜邦线三根，网线一根，路由器+电脑。软件：HiToolhttp://xz.w10a.com/small/HiTool.7z查看https://histb.com，固件包在这边下载。有些细节在下文会提。方案经过一些过程，还是采用了USBtoTTL。外壳不太好拆，从指示灯和USB口两面入手。更新20220914新增U盘和内存卡使用，结果拔出来后，板子没了反应，最后一个灯不
背景这次回家，想着有没有啥可以折腾的，在收拾闲置的物品过程中，发现了光猫。通过百度，了解到得有USB口或者是TF口才可。再后来找到个机顶盒。符合接口，还有HDMI，网口。材料&刷机工具硬件：华为悦盒一个，USBtoTTL模块一个，杜邦线三根，网线一根，路由器+电脑。软件：HiToolhttp://xz.w10a.com/small/HiTool.7z查看https://histb.com，固件包在这边下载。有些细节在下文会提。方案经过一些过程，还是采用了USBtoTTL。外壳不太好拆，从指示灯和USB口两面入手。更新20220914新增U盘和内存卡使用，结果拔出来后，板子没了反应，最后一个灯不
这篇博文只适合想快速发期刊且基础不是太好的同学看看找找灵感🌟，如果想发的是Sci或者顶会看我这篇博文意义不大,以下也仅仅代表我个人看法👍。大家好，我是迪菲赫尔曼😁，我最近将本人硕士阶段所有学习的计算机视觉基础知识进行了一个系统性的整理，编写了《目标检测蓝皮书🍀》，共计101010篇内容，涵盖从基础知识到论文改进的整个时间线，包含第111篇机器学习基础、第222篇深度学习基础、第333篇卷积神经网络、第444篇经典热门网络结构、第555篇目标检测基础、第666篇网络搭建及训练、第777篇模型优化方法及思路、第888篇模型超参数调整策略、第999篇模型改进技巧、第101010篇模型部署基础等，详细
这篇博文只适合想快速发期刊且基础不是太好的同学看看找找灵感🌟，如果想发的是Sci或者顶会看我这篇博文意义不大,以下也仅仅代表我个人看法👍。大家好，我是迪菲赫尔曼😁，我最近将本人硕士阶段所有学习的计算机视觉基础知识进行了一个系统性的整理，编写了《目标检测蓝皮书🍀》，共计101010篇内容，涵盖从基础知识到论文改进的整个时间线，包含第111篇机器学习基础、第222篇深度学习基础、第333篇卷积神经网络、第444篇经典热门网络结构、第555篇目标检测基础、第666篇网络搭建及训练、第777篇模型优化方法及思路、第888篇模型超参数调整策略、第999篇模型改进技巧、第101010篇模型部署基础等，详细
博文目录文章目录效果展示工程源码环境准备第一阶段使用自带模型实现实时目标检测屏幕截图封装详见toolkit.py中Capture类目标检测封装详见toolkit.py中Detector类实时目标检测详见detect.realtime.py第二阶段训练模型与简单尝试labelimgclasses.txt与标记文件说明简单尝试编写数据集配置文件编写训练文件参数运行训练文件运行结果测试训练结果如何取得最好的训练效果第三阶段训练射击场假人专用检测模型训练规划训练假人截图详见grab.for.apex.dummy.py标记参数训练测试粗浅的优化方案模型层面的优化部署TensorRT推理加速第四阶段主功能
博文目录文章目录效果展示工程源码环境准备第一阶段使用自带模型实现实时目标检测屏幕截图封装详见toolkit.py中Capture类目标检测封装详见toolkit.py中Detector类实时目标检测详见detect.realtime.py第二阶段训练模型与简单尝试labelimgclasses.txt与标记文件说明简单尝试编写数据集配置文件编写训练文件参数运行训练文件运行结果测试训练结果如何取得最好的训练效果第三阶段训练射击场假人专用检测模型训练规划训练假人截图详见grab.for.apex.dummy.py标记参数训练测试粗浅的优化方案模型层面的优化部署TensorRT推理加速第四阶段主功能
本文实现了俩种环境的设置，一种是windows的CPU版本，还有服务器上的GPU版本。CPU版本仅用来实现检测，而GPU版本用来训练自己的数据集！（选择其中一个环境运行后，训练自己的数据集）1.环境1：windows11,anaconda虚拟环境（python3.9），pycharmultralytics/ultralytics:YOLOv8🚀inPyTorch>ONNX>CoreML>TFLite(github.com)下载文件到本地后解压缩pipinstall-rrequirements.txt根据自己的路径位置，下载所需要的包(或者pipinstallultralytics都一样)配置环
本文实现了俩种环境的设置，一种是windows的CPU版本，还有服务器上的GPU版本。CPU版本仅用来实现检测，而GPU版本用来训练自己的数据集！（选择其中一个环境运行后，训练自己的数据集）1.环境1：windows11,anaconda虚拟环境（python3.9），pycharmultralytics/ultralytics:YOLOv8🚀inPyTorch>ONNX>CoreML>TFLite(github.com)下载文件到本地后解压缩pipinstall-rrequirements.txt根据自己的路径位置，下载所需要的包(或者pipinstallultralytics都一样)配置环
文章目录一：YOLO_v4的出现二：yolov4的创新点三：输入端【数据增强Mosaic】【SAT自对抗训练】【cmBN】[LabelSmoothing]四：BackBone【CSPDarknet53】【Mish激活函数】【Dropblock】五：Neck【SPP】【PAN】【SAM】六：Head【loss创新】【NMS创新】【SOFT-NMS】七：总结一：YOLO_v4的出现其实YOLO系列的原作者，推出YOLO_v3后就退隐江湖了，主要由于老美利用该技术来进行军事打击，十分令作者寒心。但奈何，还是有后继者提出了YOLO_v4系列，别说，一出现，又一次横扫世间。作者AlexeyAB大神！YO
文章目录一：YOLO_v4的出现二：yolov4的创新点三：输入端【数据增强Mosaic】【SAT自对抗训练】【cmBN】[LabelSmoothing]四：BackBone【CSPDarknet53】【Mish激活函数】【Dropblock】五：Neck【SPP】【PAN】【SAM】六：Head【loss创新】【NMS创新】【SOFT-NMS】七：总结一：YOLO_v4的出现其实YOLO系列的原作者，推出YOLO_v3后就退隐江湖了，主要由于老美利用该技术来进行军事打击，十分令作者寒心。但奈何，还是有后继者提出了YOLO_v4系列，别说，一出现，又一次横扫世间。作者AlexeyAB大神！YO
