最近是刚刚训练yolov7模型，但是只会一股脑的训练是不行的，要懂得训练多少epoch，以及通过哪些指标来查看训练的效果如何，现在这几天的经验总结一下。本实验以person为例子，分别训练100epoch、60epoch、50epoch训练经验：由于并不知道到底训练多少epoch效果比较好，所以现在先设置成100。（这几天查询资料得出来的结论一般50多就差不多了）1、关于yolov7训练结果的文件解析一、weights也就是训练好的模型，一般使用best.pt去进行推理 包括best.pt和last.pt，以及默认25epoch保存一次模型，以及保存最后5个epoch的模型二、 confusi

目录前言一、难点分析二、实现流程1.DNF窗口位置获取2.获取训练数据3.数据标注4.数据格式转换5.数据训练5.刷图逻辑编写前言这是一篇不务正业的研究，首先说明，这不是外挂！这不是外挂！这不是外挂！这只是用ai做图像识别、目标检测然后通过模拟键鼠实现的一个外部自动化脚本。求生欲极强！哈哈哈哈一、难点分析        在不读取内存又想拿到信息的情况下，只有走图像识别一条路了。一个完整的刷图应该包括打怪，拾取物品，找门过图。那么YOLOV7的轻量级框架能支持140fps的图像实时解析，必定非常符合我们的要求。    剩下的难点就是怎么让人物移动的固定坐标点，怎么设计打怪逻辑，怎么读取技能cd时

目录前言一、难点分析二、实现流程1.DNF窗口位置获取2.获取训练数据3.数据标注4.数据格式转换5.数据训练5.刷图逻辑编写前言这是一篇不务正业的研究，首先说明，这不是外挂！这不是外挂！这不是外挂！这只是用ai做图像识别、目标检测然后通过模拟键鼠实现的一个外部自动化脚本。求生欲极强！哈哈哈哈一、难点分析        在不读取内存又想拿到信息的情况下，只有走图像识别一条路了。一个完整的刷图应该包括打怪，拾取物品，找门过图。那么YOLOV7的轻量级框架能支持140fps的图像实时解析，必定非常符合我们的要求。    剩下的难点就是怎么让人物移动的固定坐标点，怎么设计打怪逻辑，怎么读取技能cd时

非常感谢作者midasklr的开源项目！源码地址：midasklr/yolov5ds:multi-taskyolov5withdetectionandsegmentation(github.com)https://github.com/midasklr/yolov5ds关于作者：CSDN：MidasKing的博客_CSDN博客-目标检测,python,opencv领域博主GitHub：midasklr(github.com) 参考博文：yolov5ds/READMECH.mdatmain·midasklr/yolov5ds(github.com)​​​​​​Yolov5同时进行目标检测和分割分

非常感谢作者midasklr的开源项目！源码地址：midasklr/yolov5ds:multi-taskyolov5withdetectionandsegmentation(github.com)https://github.com/midasklr/yolov5ds关于作者：CSDN：MidasKing的博客_CSDN博客-目标检测,python,opencv领域博主GitHub：midasklr(github.com) 参考博文：yolov5ds/READMECH.mdatmain·midasklr/yolov5ds(github.com)​​​​​​Yolov5同时进行目标检测和分割分

一、环境配置和源码安装首先你需要配置好pytorch环境，本文不再详细阐述，若未配置好环境，可以参考我的另一篇博客：https://blog.csdn.net/liujiahao123987/article/details/128743017yolov8的安装可参考：https://blog.csdn.net/weixin_44120785/article/details/128681117二、下载AndroidStudio官网链接：https://developer.android.google.cn/自行配置AS环境（这方面我不是很熟，只是会用，如果没弄好，欢迎提问交流）三、下载ncnn-

一、环境配置和源码安装首先你需要配置好pytorch环境，本文不再详细阐述，若未配置好环境，可以参考我的另一篇博客：https://blog.csdn.net/liujiahao123987/article/details/128743017yolov8的安装可参考：https://blog.csdn.net/weixin_44120785/article/details/128681117二、下载AndroidStudio官网链接：https://developer.android.google.cn/自行配置AS环境（这方面我不是很熟，只是会用，如果没弄好，欢迎提问交流）三、下载ncnn-

基于梅尔频谱的音频信号分类识别(Pytorch)目录基于梅尔频谱的音频信号分类识别(Pytorch)1.项目结构2.环境配置3.音频识别基础知识(1)STFT和声谱图(spectrogram)  (2) 梅尔频谱(3) 梅尔频率倒谱MFCC(4)MFCC特征的过程4.数据处理（1）数据集Urbansound8K （2）自定义数据集（3）音频特征提取: 5.训练Pipeline6.预测demo.py7.源码下载本项目将使用Pytorch，实现一个简单的的音频信号分类器，可应用于机械信号分类识别，鸟叫声信号识别等应用场景。 项目使用librosa进行音频信号处理，backbone使用mobilen

基于梅尔频谱的音频信号分类识别(Pytorch)目录基于梅尔频谱的音频信号分类识别(Pytorch)1.项目结构2.环境配置3.音频识别基础知识(1)STFT和声谱图(spectrogram)  (2) 梅尔频谱(3) 梅尔频率倒谱MFCC(4)MFCC特征的过程4.数据处理（1）数据集Urbansound8K （2）自定义数据集（3）音频特征提取: 5.训练Pipeline6.预测demo.py7.源码下载本项目将使用Pytorch，实现一个简单的的音频信号分类器，可应用于机械信号分类识别，鸟叫声信号识别等应用场景。 项目使用librosa进行音频信号处理，backbone使用mobilen

前言：最近在学习一些rk3588相关的东西，趁着这个项目，把学习的相关东西整合下，放到一个项目里面，巩固学习的知识。项目名称：yolov5识别图像、ffmpeg发送到rtmp服务器功能：1、opencv读取usb摄像头，使用RK3588自带的NPU推理yolov5s算法，识别图像      2、使用ffmpeg，将处理的图像进行压缩成h264格式，发送到rtmp服务器上。 2023.3.4补充：    这两天搞了一下OpenCL相关的，顺带在rk3588上运行了一下。对项目的图像转化部分做了一个调整。以前用的是OpenCV提供API，将BGR转化为RBG格式，现在用OpenCL调用GPU转化。