vcpkg安装opencv cuda
创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
Python内容推荐
PCL库安装支持c++和python
源码直接下载地址: https://pan.quark.cn/s/a4b39357ea24 通过为期两天的个人实践,我们认识到点云库的安装过程颇为繁琐,因此决定将详细的部署步骤公之于众,以期为其他使用者提供便利。对于任何存在疑问的部分,欢迎通过私信渠道与我们进行交流。
Python图书管理系统课设源码
这是一份数据库原理课程设计完整资料:基于 MySQL + Python Tkinter 的图书管理系统,包含实验报告(Markdown、HTML、PDF 三种格式)、全部源码、6 张运行截图、答辩 PPT,以及完整建库脚本 schema.sql 和示例数据 data.sql。数据库共 8 张表、2 个视图、2 个存储过程、2 个触发器,借还书业务规则沉到数据库层,Python 只做界面不做业务判断,以后换前端业务规则不用重写。 系统分管理员和读者两类角色。管理员可图书增删改查(按书名或 ISBN 搜)、读者管理(冻结解冻借阅证)、借还书办理、罚款销账、借阅统计;读者按关键词查书、在线借书、看自己当前在借的书和应还日期、看自己的罚款。借书扣库存、还书加库存由触发器自动完成;逾期罚款由存储过程计算;能不能借满 5 本由存储过程校验,不把业务判断推给前端。 几个值得参考的实现点:故意避开 SQLite 而选 MySQL,就是因为 SQLite 不支持存储过程和触发器,做不出数据库课设要求的那几样东西;登录入口只有一个账号框,输管理员账号进后台,输借阅证号进读者门户,不用选角色;第一次启动自动建库写示例数据,不用手动跑 SQL;视图把热门书和积压书统计好,不用每次写聚合查询。 适合正在做数据库原理课程设计的学生,以及想学习"视图+存储过程+触发器+Tkinter 界面"完整小项目的自学者。拿到手后先启动 MySQL,改 db.py 里的密码,pip install pymysql,python main.py 即可,管理员 admin/123456,读者用 R2024001 到 R2024010 登录。
darknet版yolov3装甲车和人目标检测训练权重 和代码 darknet-master(tank-5).zip
darknet版yolov3装甲车及其乘员检测训练权重,配置文件为data/voc.names ; cfg/voc.data ; cfg/yolov3-voc.cfg ; 类别名为tank、people;训练好的权重保存在backup文件夹中;附附训练loss图和map曲线图,并包含训练数据集
目标检测最强算法YOLOv4 源码(source:GitHub)
如果Github下载较慢的话,可以使用这个文件 ,原github地址: ghttps://github.com/AlexeyAB/darknet
Darknet:AlexeyAB-DarkNet原始解析
前言:自从约瑟夫·雷德蒙(Joseph Redmon)提出了yolov3后,其暗网仓库已经获得了16k的星,说明了暗网的流行。该作者最新一次更新也是一年前了,没有继续维护。地更新darknet,在窗口中的窗口中添加了更多的darknet,并实现了多种SOTA目标检测算法。AlexeyAB同时库中提供了一份详细的建议,从编译,配置,涉及网络到测量指标等,一是应全。通过阅读和理解AlexeyAB的建议,可以为我们带来很多启发。这里是翻译了AlexeyAB的Darknet中的自述文件。你能看到最全的DarkNet代码注释,以及你会明白DarkNet是如何从你标注的数据获得最终的目标框的,你会学到DarkNet的数据结构方式,网络以及每个图层的前向传播和反向传播,以及YOLOV1,V2,V3,GaussianYOLO,TrideNet,CSPNet,PRN,EfficientNet等最SOTA的模
darknet-YOLOV4修改版可以直接在Jetson系列产品上使用
YOLO之父Joseph Redmon在今年年初宣布退出计算机视觉的研究的时候,很多人都以为目标检测神器YOLO系列就此终结。 然而在4月23日,继任者YOLO V4却悄无声息地来了。Alexey Bochkovskiy发表了一篇名为YOLOV4: Optimal Speed and Accuracy of Object Detection的文章。 YOLO V4是YOLO系列一个重大的更新,其在COCO数据集上的平均精度(AP)和帧率精度(FPS)分别提高了10% 和12%,并得到了Joseph Redmon的官方认可,被认为是当前最强的实时对象检测模型之一。
darknet版yolov3乒乓球检测训练权重 darknet-master-pp.zip
darknet版yolov3乒乓球检测训练权重,data/coco.names ; cfg/coco.data ; cfg/yolov3.cfg ; 类别名为ping pong;训练好的权重保存在backup文件夹中;附附训练loss图和map曲线图,并包含乒乓球训练数据集400多张
MobileNet-Yolo:MobileNetV2-YoloV3-Nano:0.5BFlops 3MB华为P40:6msimg,YoloFace-500k:0.1Bflops 420KB
Yolo-Fastest:更快更强大 此表中NCNN基准未更新最新ARM82数据,最新版本NCNN理论上ARM82会有一倍速度提升,待更新... 添加基于ncnn的106关键点C示例: : ***在某些GPU(例如NVIDIA PASCAL)上并没有很好地支持Darknet Group卷积! 针对某些Pascalscal例如1080ti在darknet上训练失败/训练异常缓慢/推理速度异常的可以采用Pytorch版yolo3框架训练/推理 MobileNetV2-YOLOv3-Lite&Nano Darknet 移动推理框架基准测试(4 * ARM_CPU) 网络 挥发性有机化合物含
开源项目-用yolov3实现了轻量级人脸检测.zip
加入关键点的darknet训练框架,使用yolov3实现了轻量级的人脸检测。借鉴AlexeyAB大神的 darknet 做适量修改。 使用scripts/retinaface2yololandmark.py脚本将retinaface的标记文件转为yolo的格式使用 其他编译训练都和原版darknet相同使用yolo_landmark.py进行测试,更换里面的模型配置文件即可。
darknet-yolov12
yolov12 yolov12 yolov12 yolov12 yolov12
darknet-yolo v10资源
darknet-yolo v10资源
darknet-yolov3
AlexeyAD darknet yolov3 Yolo-v3 and Yolo-v2 for Windows and Linux yolov3 yolov3 yolov3 yolov3 yolov3
darknet-yolo11
yolo11 yolo11 yolo11 yolo11 yolo11
基于C语言的darknet深度学习框架设计源码
本项目是一款基于C语言的darknet深度学习框架设计源码,包含2021个文件,其中包括1520个PNG图片文件、168个配置文件(.cfg)、70个C源代码文件、61个头文件(.h)、39个命令脚本文件(.cmd)、21个Python脚本文件(.py)、18个Shell脚本文件(.sh)、15个JPEG图片文件(.jpg)、14个数据文件(.data)、11个CUDA源代码文件(.cu)以及少量的C++和C#源代码文件。该框架支持多语言调用,适用于深度学习算法的开发和应用。
Pangolin 是一个轻量级、便携式的快速开发库,用于管理OpenGL显示/交互以及抽象视频输入
Pangolin 是一组轻量级且便携的实用库,专为原型设计基于 3D、数值或视频的程序和算法而设计。它在计算机视觉领域被广泛使用,旨在消除平台特定的样板代码,并简化数据可视化的过程。
YOLO4-C++源码-AlexeyAB大神_学习-yolo开发资源
AlexeyABYOLO4github
darknet版yolov3安全帽目标检测训练权重 darknet-master(tank-2).zip
darknet版yolov3人、安全帽、坦克三个类别的目标检测训练权重,配置文件为data/voc.names ; cfg/voc.data ; cfg/yolov3-voc.cfg ; 类别名按顺序依次为tank、hat、person;训练好的权重保存在backup文件夹中;附附训练loss图和map曲线图,并包含训练数据集
Darknet版YOLOv4行人检测+训练好的weights权重+几千数据集
Darknet版YOLOv4行人检测: 1、包含训练好的weights权重文件,以及后缀为cfg、data、names的配置文件,并包含训练map曲线和loss曲线, 2、包含行人检测数据集,标签格式为txt和xml两种,分别保存在两个文件夹中;包含反光衣检测数据集,标签格式为txt和xml两种,分别保存在两个文件夹中 3、检测效果参考:https://blog.csdn.net/zhiqingAI/article/details/124230743
机械三维3D设计图-智能穿戴DTC模组组装机.zip
机械三维3D设计图-智能穿戴DTC模组组装机.zip
不平衡电网下三电平逆变器仿真【延时相消法】(Simulink仿真实现)
内容概要:本文围绕不平衡电网条件下三电平逆变器的控制策略展开仿真研究,重点采用“延时相消法”实现电流或电压正负序分量的分离与对称化处理,以有效抑制电网电压不平衡引发的负序电流、功率波动及并网电能质量问题。通过Matlab/Simulink平台构建三电平逆变器的详细仿真模型,集成SVPWM调制、中点电位平衡控制、正负序分离环节及电网前馈补偿等关键技术,系统验证了该控制策略在提升逆变器运行稳定性与电能质量方面的有效性。文档同时提供了丰富的配套资源,涵盖模型预测控制(MPC)、低电压穿越(LVRT)、虚拟同步发电机(VSG)、动态电压恢复器(DVR)等多种先进控制技术的Simulink仿真案例,形成面向电力电子与新能源并网领域的综合性科研资料库。; 适合人群:电力电子、电气工程及其自动化等相关专业的硕士、博士研究生,从事新能源发电、微电网控制、逆变器研发的工程技术人员,以及致力于科研仿真与SCI论文复现的高校教师与研究人员;具备Matlab/Simulink仿真基础和电力系统分析知识者将更易掌握相关内容。; 使用场景及目标:①用于深入研究不平衡电网下三电平逆变器的负序抑制机制与先进控制算法的设计与验证;②支撑科研项目、学位论文、SCI期刊文章的仿真建模与结果复现工作;③为实际工程中高可靠性并网逆变系统的开发提供理论依据与技术方案参考。; 阅读建议:建议结合文中列出的参考文献系统学习“延时相消法”的理论推导与实现逻辑,优先运行并调试所提供的Simulink仿真模型,深入理解各模块之间的信号交互关系。推荐访问“荔枝科研社”公众号及所提供的网盘链接获取完整仿真文件与补充资料,配合目录结构循序渐进地开展学习与拓展研究。
最新推荐


