全系列专题

助力航运管理数字智能化，基于YOLOv8全系列【n/s/m/l/x】参数模型开发构建江面河道运输场景下来往航行船只自动检测识别系统

在全球化浪潮的推动下，物流行业作为连接世界的桥梁，其快速发展与进化不仅重塑了国际贸易的格局，更深刻影响着全球贸易金融的进程。其中，海运作为大宗商品跨国、全球化贸易的支柱性运输方式，其重要性不言而喻。随着各国对航海运输的重视日益加深，构建世界级一流的海运队伍与港口设施已成为共同的目标。然而，传统的海运管理模式往往受限于工业化思维的束缚，缺乏数字化、智能化的技术支撑，难以适应快速变化的市场需求与竞争态

探索分析文档布局，基于YOLOv8全系列【n/s/m/l/x】参数模型开发构建大规模文档数据集DocLayNet场景下文档图像布局智能检测分析识别系统

随着数字化和信息化的快速发展，大量的文档（如合同、报告、表格、发票等）以电子形式存在，这些文档中包含了丰富的信息。然而，这些信息往往以非结构化的形式存在，难以直接被计算机程序理解和处理。文档布局分析任务的目的就是将这些非结构化的文档转换为结构化的数据，从而使得计算机能够自动地理解、分类、检索和处理这些文档中的信息。为了推动文档布局分析技术的发展，需要一个大规模、多样性、高质量的数据集来训练和评

AI助力水体保护区无人值守垂钓智能预警，基于YOLOv8全系列【n/s/m/l/x】参数模型开发构建水体保护区场景下无人值守垂钓智能检测预警系统

保护我们赖以生存的自然生态环境，无疑是一项意义深远且需要长期坚持的任务。自然界的生态系统，由水、气、森林、土壤等多要素组成，它们相互依存、相互影响，共同维系着地球的生态平衡。然而，在人类活动的影响下，这一平衡正遭受着前所未有的挑战。因此，加强环境监管治理，保护我们的自然资源，显得尤为迫切和重要。在以往的环境监管治理中，针对大气的工作相对较多，这主要源于大气污染对人类生活的直接影响更为显著。然而，近

助力樱桃智能自动化采摘，基于YOLOv5全系列【n/s/m/l/x】参数模型开发构建果园种植采摘场景下樱桃成熟度智能检测识别系统

随着科技的飞速发展，人工智能（AI）技术已经渗透到我们生活的方方面面，从智能家居到自动驾驶，再到医疗健康，其影响力无处不在。然而，当我们把目光转向中国的农业领域时，一个令人惊讶的事实映入眼帘——在这片广袤的土地上，农业生产仍然大量依赖人力，而非智能机械化。与此同时，国外的农业生产模式早已进入全面机械化的新时代。面对这一现状，我们不禁要思考：如何将AI技术融入农业，引领农业生产走向数字化、智能化？

计算机视觉全系列实战教程：（十）图像的几何变换：平移旋转翻转缩放仿射等变换

1.概述 (1)Why（为什么要进行图像的几何变换）校正图像形变：纠正由于拍摄角度或硬件原因导致的图像几何变形图像增强：在深度学习的模型训练时，通过几何变换获得更多的训练集图像配准和拼接：先进行几何变换矫正，然后实现图像的配准或拼接 (2)What（什么是图像的几何变换）本质：对图像像素的位置进行改变的操作 (3)Which（有哪些几何变换）位置变换：平移、旋转（填充旋转和截断旋

计算机视觉全系列实战教程：（八）图像变换-点运算、灰度变换、直方图变换

图像变换：点运算、灰度变换、直方图变换 1.点运算(1)What(2)Why 2.灰度变换(1)What(2)Why(作用)(3)Which(有哪些灰度变换） 3.直方图修正(1)直方图均衡化 1.点运算 (1)What 通过点运算，输出图像的每个像素的灰度值仅仅取决于输入图像中相对应像素的灰度值。 (2)Why 点运算的作用：实现图像增强的常用方法之一 2.灰度变换

助力草莓智能自动化采摘，基于YOLOv5全系列【n/s/m/l/x】参数模型开发构建果园种植采摘场景下草莓成熟度智能检测识别系统

随着科技的飞速发展，人工智能（AI）技术已经渗透到我们生活的方方面面，从智能家居到自动驾驶，再到医疗健康，其影响力无处不在。然而，当我们把目光转向中国的农业领域时，一个令人惊讶的事实映入眼帘——在这片广袤的土地上，农业生产仍然大量依赖人力，而非智能机械化。与此同时，国外的农业生产模式早已进入全面机械化的新时代。面对这一现状，我们不禁要思考：如何将AI技术融入农业，引领农业生产走向数字化、智能化？

更换 RT-DETR 主干网络为【ResNet-18】【ResNet-34】| 已支持 18/34/50/101/152 全系列尺寸

本专栏内容均为博主独家全网首发，未经授权，任何形式的复制、转载、洗稿或传播行为均属违法侵权行为，一经发现将采取法律手段维护合法权益。我们对所有未经授权传播行为保留追究责任的权利。请尊重原创，支持创作者的努力，共同维护网络知识产权。之前这篇文章写过了添加【ResNet-50】【ResNet-101】【ResNet-152】，我们这篇写添加【ResNet-18】【ResNet-34】，

计算机视觉全系列实战教程：（七）opencv的improc模块基本介绍

1.颜色转换 A.函数转换函数原型： void cv::cvtColor(cv::InputArray src, // 输入序列cv::OutputArray dst, // 输出序列int code, // 颜色映射码int dstCn = 0 // 输出的通道数 (0='automatic')); B.基本使用： cv::Mat imGray;cv::cvtColor(imBGR

【Spring框架全系列】SpringBoot_3种配置文件_yml语法_多环境开发配置（详细）

文章目录 1.三种配置文件2. yaml语法2.1 yaml语法规则2.2 yaml数组数据2.3 yaml数据读取 3. 多环境开发配置 1.三种配置文件问题导入框架常见的配置文件有哪几种形式？比如： jdbc.properties spring.properties 如果每个技术或者框架都要这么写一个配置文件是不是过于繁琐？ SpringBoot就给我们整

【Spring框架全系列】IOC DI案例，setter方法和构造方法注入（详解) + 思维导图

文章目录一.概念实操Maven父子工程二. IOC和DI入门案例【重点】1 IOC入门案例【重点】问题导入1.1 门案例思路分析1.2 实现步骤2.1 DI入门案例思路分析2.2 实现步骤2.3 实现代码2.4 图解演示三、Bean的基础配置问题导入问题导入1 Bean是如何创建的【理解】2 实例化Bean的三种方式2.1 构造方法方式【重点】2.2 静态工厂方式2.3 实例工厂方

计算机视觉全系列实战教程：（二）Opencv4+VS2022开发环境搭建

1.下载和安装 VS2022下载：https://visualstudio.microsoft.com/zh-hans/vs/ Opencv下载：https://opencv.org/releases/ Opencv安装有多种方式，一般学习者直接下载.exe傻瓜式安装即可 2.VS2022配置opencv4开发环境（1）新建项目（2）项目属性右键项目，点击属性（3）VC++目录

爬虫+可视化「奔跑吧」全系列嘉宾名单

这是「进击的Coder」的第 405 篇技术分享作者：李运辰来源：Python研究者今天给大家带来『奔跑吧』全系列的嘉宾名单爬取和可视化的实现，分析每位嘉宾参加次数（可能有的嘉宾参加过几季），以及统计嘉宾职业类型个数，最后进行可视化展示分析。 1 网页分析通过网上查询，知道『奔跑吧』到目前为止一共9季，先是奔跑吧兄弟1~4，到后面改名为奔跑吧1~4，以及奔跑吧黄河篇。对应的网页链接如下

助力数字农林业发展服务香榧智慧种植，基于YOLOv5全系列【n/s/m/l/x】参数模型开发构建香榧种植场景下香榧果实检测识别系统

作为一个生在北方但在南方居住多年的人，居然头一次听过香榧（fei）这种作物，而且这个字还不会念，查了以后才知道读音（fei），三声，这着实引起了我的好奇心，我相信不认识这种作物的肯定不是只有我一个人吧。趁着假期的出去游玩的时间间隙专门去拍摄采集了相应的图片，想要结合自己做的事情来搞点有意思的事情，也是希望在不久的未来，AI真正落地数字农业赛道，为农业的发展带来新的活力，下面是我查的香榧的介绍：

数字化信息协同助力智能巡查，基于YOLOv5全系列【n/s/m/l/x】参数模型开发构建无人机数字侦查场景下智能靶标检测识别系统

无人机的快速发展与普及，使得其进入千家万户各行各业，发挥着越来越重要的作用。随着科技的飞速发展，未来的数字信息化战场正逐渐展现出其独特的作战形态。在这个以数据和信息为主导的新战场上，无人机侦查手段与人工智能目标智能检测计数的结合，将成为决定战争胜负的关键力量。无人机，作为现代战场上的“空中之眼”，已经展现出了其独特的优势。它们能够在复杂多变的环境中自由穿梭，通过高清摄像头和先进的传感器收集战场信息

全系列直推160Ω高功率电阻品质鉴定

导体对电流的阻碍作用就叫该导体的电阻（resistance）。在物理学中，用电阻来表示导体对电流阻碍作用的大小。导体的电阻越大，表示导体对电流的阻碍作用越大。不同的导体，电阻一般不同，电阻是导体本身的一种性质。功率测量用于测量电气设备消耗的功率，广泛应用于家用电器、照明设备、工业用机器等研究开发或生产线等领域中。本文重点介绍了几种功率测量的方法及其具体应用。功率测量技术: 1.二极管检测功率

实践遥感场景目标检测，基于YOLOv8全系列【n/s/m/l/x】参数模型开发构建遥感场景下MSTAR数据基础上的目标检测识别系统

遥感相关的实践在我们前面的系列博文中也有相关的一些实践，基于MASTAR数据集开发构建对应的目标检测系统在前文也有一些介绍，感兴趣的话可以自行移步阅读即可：《基于YOLOv7开发构建MSTAR雷达影像目标检测系统》《基于yolov5n的轻量级MSTAR遥感影像目标检测系统设计开发实战》《基于卷积神经网络模型的MSTAR高分辨率图像数据集识别实践》 MSTAR（Moving and S

NL2SQL技术方案系列(2)：全系列技术选型完整版：从通用技术选型(向量、图数据库)、大模型选择、Prompt工程、前沿技术方案展示

NL2SQL技术方案系列(2)：全系列技术选型完整版：从通用技术选型(向量、图数据库)、大模型选择、Prompt工程、前沿技术方案展示 NL2SQL基础系列(1)：业界顶尖排行榜、权威测评数据集及LLM大模型（Spider vs BIRD）全面对比优劣分析[Text2SQL、Text2DSL] NL2SQL基础系列(2)：主流大模型与微调方法精选集，Text2SQL经典算法技术回顾七年发展脉络

vulhub weblogic全系列靶场

简介 Oracle WebLogic Server 是一个统一的可扩展平台，专用于开发、部署和运行 Java 应用等适用于本地环境和云环境的企业应用。它提供了一种强健、成熟和可扩展的 Java Enterprise Edition (EE) 和 Jakarta EE 实施方式。需要使用的工具 ysoserial使用不同库制作的放序列化工具： GitHub - frohoff/yso

看图找LOGO，基于YOLOv8全系列【n/s/m/l/x】参数模型开发构建生活场景下的商品商标LOGO检测识别系统

日常生活中，我们会看到眼花缭乱的各种各样的产品logo，但是往往却未必能认全，正因为有这个想法，这里我花费了过去近两周的时间采集和构建了包含50种商品商标logo的数据集，基于YOLOv8全系列的参数模型开发构建了对应的检测识别系统，首先看下实例效果：接下来看下对应的数据集情况：如果对YOLOv8开发构建自己的目标检测项目有疑问的可以看下面的文章，如下所示：《基于YO

网络革新：ETU-LINK 100G AOC全系列产品驱动数字经济的加速发展

高效、稳定、高速的网络连接成为各行业发展的基石。之前的文章内容小编为大家介绍了ETU-LINK 100G DAC系列产品，本期文章我们来看看100G AOC产品，它在网络技术革新中又起着什么作用呢？一、100G AOC全系列产品解析 100G QSFP28 AOC有源光缆 ETU-LINK QSFP28有源光缆是一种高性能、低功耗、长距离互连解决方案，采用热插拔 QSFP28封装和

探索智慧农业精准除草，基于高精度YOLOv5全系列参数【n/s/m/l/x】模型开发构建农田作物场景下杂草作物分割检测识别分析系统

智慧农业是未来的一个新兴赛道，随着科技的普及与落地应用，会有更加广阔的发展空间，关于农田作物场景下的项目开发实践，在我们前面的博文中也有很堵相关的实践，单大都是偏向于目标检测方向的，感兴趣可以自行移步阅读即可：《自建数据集，基于YOLOv7开发构建农田场景下杂草检测识别系统》《轻量级目标检测模型实战——杂草检测》《激光除草距离我们实际的农业生活还有多远，结合近期所见所感基于yolov

AI助力生产制造质检，基于YOLOv5全系列【n/s/m/l/x】参数模型开发构建工业生产制造场景下的瓷砖瑕疵检测识别分析系统

瓷砖生产环节一般经过原材料混合研磨、脱水、压胚、喷墨印花、淋釉、烧制、抛光，最后进行质量检测和包装。得益于产业自动化的发展，目前生产环节已基本实现无人化。而质量检测环节仍大量依赖人工完成。一般来说，一条产线需要配数名质检工，人工成本是相当高昂的，且需要有经验的工人师傅才能够胜任，长时间在高光下观察瓷砖表面寻找瑕疵。这样导致质检效率低下、质检质量层次不齐且成本居高不下。瓷砖表检是瓷砖行业生产和质量管

AWS认证全系列认证SAP AWS资料

AWS都包含哪些考试认证科目： 1 AWS Certification 2AWS Certified Cloud PractitionerCLF-C011月 05, 2022可以过中文、英文已更新3 AWS Certified Associate 4AWS Certified Developer - AssociateDVA-C011月 05, 2022可以过中文、英文已更新5AWS Cer

ArcGIS全系列实战视频教程——9个单一课程组合+系列直播回放

《ArcGIS全系列实战视频教程》是由9个单一课程组合合成。组成一条ArcGIS入门+实战+各项专题+深入应用学习全链条，让你学有方向、学有目的，系统全面掌握ArcGIS。 ArcGIS全系列实战视频教程——9个单一课程组合https://edu.csdn.net/combo/detail/2569 《ArcGIS 10.X 入门实战视频教程》《ArcGIS之模型构建器（ModelBuilde

基于YOLOv5全系列模型【n/s/m/l/x】开发构建商品商标检测识别系统，融合SegmentAnything（SAM）模型实现自动化商标区域分割抠图

目标检测系列的项目我们有过非常多的项目实践，图像分割也是如此，但是将目标检测产生的结果作为prompt整合输入CV大模型SAM中来实现自动化的ROI区域分割，然后将对应区域抠图存储下来这个倒是没有做过，本文的主要目的就是想要建立：YOLO+SAM的自动化目标检测抠图流程，首先看下实例效果：简单看下目标检测数据集： YOLOv5是一种快速、准确的目标检测模型，由Glen Dar