- 综合排序
- 最热优先
- 最新优先
- 来自专栏Crossin的编程教室
【Pygame 第10课】 命中目标
现在，我们的“打飞机”游戏已经到了万事俱备只欠东风的阶段：有了子弹也有了敌机，但它们之间还没有办法擦出火花。这节课的内容就是让玩家可以真正的“打”飞机。 我们判断子弹命中飞机的依据很简单：就是子弹的位
74170发布于 2018-04-16 - 来自专栏浊酒清味
如何用10行代码完成目标检测
目标检测是指计算机和软件系统在图像/场景中定位目标并识别每个目标的能力。目标检测已经广泛应用于人脸检测、车辆检测、行人计数、网络图像、安全系统和无人驾驶汽车。 2012年深度学习的突破和快速采用，产生了R-CNN、fast - rcnn、fast - rcnn、RetinaNet等现代高精度目标检测算法和方法，以及SSD、YOLO等快速高精度目标检测方法。 运行示例代码(只有10行) 那么我们现在开始： 1)从官方Python语言网站下载并安装Python 3。相信大家这一步基本都有了。 imageai --upgrade 3)通过此文章中的链接下载用于对象检测的RetinaNet模型文件： https://towardsdatascience.com/object-detection-with-10 原理解释 现在让我们解释一下10行代码是如何工作的。
98030发布于 2020-02-24 - 来自专栏机器学习炼丹之旅
CS231n：10 目标检测和分割
，包括语义分割，分类和定位，目标检测，实例分割。 语义分割 1.1 定义 语义分割任务目标是输入一个图像，然后对每个像素都进行分类，如下图左，将一些像素分类为填空，一些分类为树等等。 目标检测 3.1 定义 目标检测的目标是，对于一个输入的图片，会将其中所有的物体都进行框选定位，然后给出对框中物体所属类别的预测。 YOLO和SSD不再对每个候选框单独处理，而是将目标检测视为回归问题，使用某种CNN，将所有的预测框同时给出。 202207251741776.png 3.8 目标检测+字幕 将目标检测和标注字幕结合起来，就可以实现对图片的密集地标注标识（Dense Captioning） 4.
1.1K10编辑于 2022-08-08 - 来自专栏机器学习算法与Python学习
【AI实战】10 行代码带你搞定目标检测
目标检测是指计算机和软件系统对图像或场景中的目标进行定位和识别的任务。目标检测已广泛应用于人脸检测、车辆检测、人流量统计、网络图像、安防系统和无人驾驶等多个领域。 准备工作 使用ImageAI实现目标检测，只需进行以下4步： 在你的电脑上安装Python 安装ImageAI，配置依赖环境 下载目标检测模块文件 运行样例代码（只需10行） 下面一步步详细展开： 链接地址： https://github.com/OlafenwaMoses/ImageAI/releases/download/1.0/resnet50_coco_best_v2.0.1.h5 开启10 69.92427110671997 person : 66.17957353591919 bicycle : 90.50283432006836 motorcycle : 94.09030675888062 短短10 知其然知其所以然：代码解读 下面来解释一下这10行代码的工作原理： from imageai.Detection import ObjectDetectionimport osexecution_path
1.2K30发布于 2019-09-02 - 来自专栏磐创AI技术团队的专栏
10行代码实现目标检测 ｜视觉进阶
译者|Arno 来源|Medium 要知道图像中的目标是什么? 或者你想数一幅图里有多少个苹果? 在本文中，我将向你展示如何使用Python在不到10行代码中创建自己的目标检测程序。 如果尚未安装python库，你需要安装以下python库: opencv-python cvlib matplotlib tensorflow 下面的代码导入所需的python库，从存储中读取图像，对图像执行目标检测 ，并显示带有边界框和关于检测目标的标签的图像。 (im) output_image = draw_bbox(im, bbox, label, conf) plt.imshow(output_image) plt.show() 下面是使用上述代码进行目标检测的一些结果 到这，你就已经准备完成你的目标检测程序了。 要了解更多关于cvlib库的信息，可以访问下面的链接。 cvlib[1]：https://www.cvlib.net/?
55360发布于 2019-10-14 - 来自专栏目标检测和深度学习
10行代码实现目标检测 ｜视觉进阶
译者|Arno 来源|Medium 要知道图像中的目标是什么? 或者你想数一幅图里有多少个苹果? 在本文中，我将向你展示如何使用Python在不到10行代码中创建自己的目标检测程序。 如果尚未安装python库，你需要安装以下python库: opencv-python cvlib matplotlib tensorflow 下面的代码导入所需的python库，从存储中读取图像，对图像执行目标检测 ，并显示带有边界框和关于检测目标的标签的图像。 到这，你就已经准备完成你的目标检测程序了。 要了解更多关于cvlib库的信息，可以访问下面的链接。 cvlib[1] 以下是一些进一步的阅读资料，以了解目标检测的工作原理: 使用深度学习方法的目标检测^2 基本目标检测算法的逐步介绍(第1部分)^3 [1]:https://www.cvlib.net/
73720发布于 2019-10-21 - 来自专栏数据科学（冷冻工厂）
实战｜YOLOv10 自定义目标检测
，提出了一种创新的实时目标检测技术。 One-to-Many Head：在训练过程中，对于每个目标对象生成多个预测结果，这样做可以提供更多的监督信号，从而提升模型的学习精度。 One-to-One Head：在推理过程中，对于每个目标对象生成单一的最佳预测结果，这样做可以省去 NMS（非极大值抑制）的步骤，减少处理时间，提高整体的效率。 模型变体和性能 YOLOv10 提供了六种不同规模的模型： YOLOv10-N：纳米版，专为资源极其有限的场合设计。 YOLOv10-S：小型版，兼顾速度与准确性。 YOLOv10-M：中型版，适用于一般用途。 YOLOv10-B：平衡版，通过增加模型宽度来提升准确性。 YOLOv10-L：大型版，牺牲一定的计算资源以换取更高的准确性。
1.6K10编辑于 2024-06-21 基于yolov10+gradio目标检测演示系统设计
【设计介绍】 YOLOv10结合Gradio实现目标检测系统设计是一个结合了最新目标检测技术和快速部署框架的项目。下面将详细介绍这一系统的设计和实现过程。 三、YOLOv10结合Gradio实现目标检测系统设计的步骤 1. 安装YOLOv10和Gradio 首先，需要安装YOLOv10和Gradio。 +gradio目标检测演示系统设计_哔哩哔哩_bilibili使用yolov10框架结合gradio==4.26.0模块实现一个目标检测系统演示。 YOLO目标检测竟被讲的如此简单！（完整版）YOLOv1-v10，从基础入门到项目实战，草履虫都能听懂！ ，毕设&课题｜毫米波雷达信号处理（目标检测、时频分析、分类与识别），YOLOV9还没学明白，YOLOV10就来了！实时端到端目标检测算法—YOLOV10来袭！快到极致！
50810编辑于 2025-07-21yolov10+bytetrack+pyqt5实现目标追踪
【简介】 利用YOLOv10、ByteTrack和PyQt5实现目标追踪是一个强大的组合，可以为用户提供一个交互式的实时目标追踪界面。 以下是一个简化版的实现思路描述： 首先，YOLOv10是一个先进的目标检测算法，能够准确识别视频或图像中的目标。ByteTrack则是一个基于检测的多目标追踪方法，可以在连续帧中追踪这些目标。 目标检测：使用YOLOv10在每一帧中检测目标。 目标追踪：将检测到的目标传递给ByteTrack追踪器，并在连续帧中更新目标的轨迹。 虽然这个描述很简短，但它概述了使用YOLOv10、ByteTrack和PyQt5实现目标追踪的基本流程。 【演示视频】 yolov10+bytetrack+pyqt5实现目标追踪结果演示_哔哩哔哩_bilibili这个是使用2024年最新深度学习目标检测框架yolov10结合bytetrack和pyqt5实现追踪算法演示
41410编辑于 2025-07-20- 来自专栏计算机视觉
深度学习500问——Chapter08：目标检测（10）
8.6 目标检测的常用数据集 8.6.1 PASCAL VOC VOC数据集是目标检测经常用的一个数据集，自2005年起每年举办一次比赛，最开始只有4类，到2007年扩充为20个类，共有两个常用的版本： 学术界常用的5k的train/val 2007和 16k 的train/val 2012作为训练集，test 2007 作为测试集，用10k 的train/val 2007+test 2007和 16k 8.7 目标检测常用标注工具 8.7.1 LabelImg LabelImg 是一款开源的图像标注工具，标签可用于分类和目标检测，它是用Python编写的，并使用Qt作为其图形界面，简单好用。 Awesome Object Detection based on handong1587 github: https://handong1587.github.io/deep_learning/2015/10 [C]//Proceedings of the IEEE conference on computer vision and pattern recognition. 2016: 779-788. [10
56800编辑于 2024-05-24 - 来自专栏人称T客
今目标：告别免费 营收10亿是否可期？
今目标曾说过要永远免费，但最终依然给出了收费-免费-收费的循环。T 客汇推测，今目标之所以选择在此时调整收费政策，背后应该有多重考虑： 盈收需求。 今目标创始人 文荣 值得深思的是，今目标的转型能否成为行业风向标？能否从行业角度对「免费」命题进行证伪？ 回顾今目标 12 年的成长史，它的免费方案应该只是公司发展进程中的一种策略。 从现有营收模式来看，今目标的收费模块大致有以下几方面： 首先是挖掘存量用户，根据今目标的收费政策，原有 40% 用户保持免费，60% 用户需要付费。 此外，企业圈和目标学院的第三方付费也拥有了一批潜在付费用户。 今目标预计，按照目前的用户潜力，公司营收在 10 亿元级别。 文荣认为，2B 领域的市场竞争远不够激烈，还没有出现一家独大的情况，SaaS 企业的发展也各有侧重，以今目标为例，今目标就很难找到对标企业。
94450发布于 2018-03-23 yolov10+deepsort+pyqt5实现目标追踪
YOLOv10+DeepSORT+PyQt5实现目标追踪系统 在现代智能监控系统中，目标追踪技术扮演着至关重要的角色。 结合YOLOv10（一种先进的实时目标检测算法）与DeepSORT（一种多目标追踪算法），并通过PyQt5构建用户界面，我们可以开发出一套高效、直观的目标追踪系统。 YOLOv10以其出色的检测速度和准确性，在实时视频流中快速识别出目标物体。而DeepSORT算法则进一步提高了追踪的稳定性和准确性，尤其在目标遮挡或交叉的情况下。 总之，基于YOLOv10+DeepSORT+PyQt5的目标追踪系统结合了先进的算法和友好的用户界面，为智能监控系统的发展提供了有力的支持。 【视频演示】 yolov10+deepsort+pyqt5实现目标追踪结果演示_哔哩哔哩_bilibili这个是使用2024年最新深度学习目标检测框架yolov10结合bytetrack和pyqt5实现追踪算法演示
32710编辑于 2025-07-20- 来自专栏OpenCV与AI深度学习
使用YOLOv10进行自定义目标检测
改进的锚点和损失函数：YOLOv10 使用更好的锚框生成和改进的损失函数来实现更精确的边界框预测。 使用YOLOv10进行自定义对象检测 自定义对象检测涉及在特定数据集上训练 YOLOv10 模型，该数据集可能包含预训练模型未涵盖的各种对象。 配置YOLOv10模型：准备配置文件并设置模型。 训练 YOLOv10 模型：使用先进的训练技术来优化性能。 评估模型性能：使用各种指标评估模型。 推理和可视化：在新图像上测试模型并可视化结果。 训练YOLOv10模型 利用混合精度训练和学习率调度器等先进的训练技术。 from ultralytics import YOLO # Load a YOLOv10 model pre-trained on COCO dataset model = YOLO(‘yolov10
1.2K10编辑于 2024-07-25 - 来自专栏人工智能头条
Yann LeCun：CNN已解决CIFAR-10，目标 ImageNet
Kaggle近期举办了一场 关于CIFAR-10数据集的竞赛，该数据集包含有6万个32*32的彩色图像，共分为10种类型，由 Alex Krizhevsky, Vinod Nair和 Geoffrey 上图是cifar-10数据集的样例 以下是Yann LeCun的访谈内容： 还有哪些科学家为卷积网络的成功作出了巨大贡献？ 您对卷积网络近期在目标识别方面大热的看法如何？是否曾预料过？ 《肖像中目标定位的原始手段》，1993年 今天，看到这么多前途光明的年轻人在这个主题上如此积极投入并提出这么多新想法和新应用，真是让人惊喜不已。 鉴于人类的错误率被估算在6%左右，而Graham博士展示的结果在4.47%，你是否认为CIFAR-10已经被解决了？
81860发布于 2018-06-05 基于yolov10+streamlit目标检测演示系统设计
YOLOv10结合Streamlit构建的目标检测系统，不仅极大地增强了实时目标识别的能力，还通过其直观的用户界面实现了对图片、视频乃至摄像头输入的无缝支持。 该系统利用YOLOv10的高效检测算法，能够快速准确地识别图像中的多个对象，并标注其边界框和类别。 总之，YOLOv10+Streamlit的目标检测系统以其全面的输入支持、高效的检测性能以及友好的用户界面，成为了目标检测领域的一个亮点。 教程安装好环境后 streamlit run main.py 【视频演示】 基于yolov10+streamlit目标检测演示系统设计_哔哩哔哩_bilibili这是使用yolov10配合streamlit 从环境配置到项目实战，手把手带你玩转最新一代3D目标检测平台—MMdetection3D（深度学习/计算机视觉），目标检测就学它！
37710编辑于 2025-07-21- 来自专栏人工智能头条
10行代码实现目标检测，请收下这份教程
目标检测是指计算机和软件系统在图像/场景中定位并识别出每个目标的能力，已广泛应用于人脸检测，车辆检测，行人计数，网络图像，安全系统和无人驾驶汽车等领域。当前有很多目标检测方法能够在实践中应用。 运行示例代码 (只有10行) 现在让我们开始吧~ 1) 从 Python 官网上下载并安装 Python 3： https://python.org 2) 通过 pip 安装以下依赖库： Ⅰ. 创建一个 Python 文件并为其命名 (例如，FirstDetection.py)，然后写入下面的 10 行代码，并将 RetinaNet 模型文件和需要检测的图像复制到包含这个 python 文件的文件夹中 58.719027042388916 person : 71.69321775436401 bicycle : 91.86570048332214 motorcycle : 85.38855314254761 现在，我们来解释下这 10 https://github.com/OlafenwaMoses/ImageAI 原文链接： https://towardsdatascience.com/object-detection-with-10
99310发布于 2018-07-20 - 来自专栏AI科技大本营的专栏
10行代码实现目标检测，请收下这份教程
目标检测是指计算机和软件系统在图像/场景中定位并识别出每个目标的能力，已广泛应用于人脸检测，车辆检测，行人计数，网络图像，安全系统和无人驾驶汽车等领域。当前有很多目标检测方法能够在实践中应用。 运行示例代码 (只有 10 行) 现在让我们开始吧~ 1) 从 Python 官网上下载并安装 Python 3： https://python.org 2) 通过 pip 安装以下依赖库： Ⅰ. 创建一个 Python 文件并为其命名 (例如，FirstDetection.py)，然后写入下面的 10 行代码，并将 RetinaNet 模型文件和需要检测的图像复制到包含这个 python 文件的文件夹中 58.719027042388916 person : 71.69321775436401 bicycle : 91.86570048332214 motorcycle : 85.38855314254761 现在，我们来解释下这 10 https://github.com/OlafenwaMoses/ImageAI 原文链接： https://towardsdatascience.com/object-detection-with-10
95510发布于 2018-07-23 winform部署官方yolov10目标检测的onnx模型
，致力于打造实时端到端的高性能目标检测器。 方法 创新 双标签分配策略 众所周知，标签分配策略对于目标检测器来说是至关重要的。经过这几年的发展，前前后后也提出了许多的不同的方案，但归根结底还是围绕着正负样本去定义。 于是乎，基于 anchor-free 的目标检测器被提出来了。其标签分配策略被简化成了从网格点到目标框中心或者角点的距离。 另一方面，诸如 DETR 系列的检测器，其直接利用 Transformer 的全局建模能力，将目标检测看成是一个集合预测的问题。 +PaddleOCR实现交通状态分析 (功能：目标检测、轨迹跟踪、车牌检测、车牌号识别、单目测速及目标计数)，labelme json转yolo工具用于目标检测训练数据集使用教程，将yolov8封装成一个类几行代码完成语义分割任务
79410编辑于 2025-07-20- 来自专栏程序员的知识天地
10 行Python 代码，实现 AI 目标检测技术，真给力！
只需10行Python代码，我们就能实现计算机视觉中目标检测。 看完了代码，下面容我们聊聊目标检测背后的技术背景，并解读这10行Python代码的由来和实现原理。 10行 下面我们一步步详细讲解。 解读10行代码 下面我们解释一下这10行代码的工作原理。 诚然，单看这10行代码每一行，谈不上惊艳，也借助了不少库，但是仅用10行代码就能让我们轻松实现之前很麻烦的目标检测，还是能谈得上“给力”二字。
98810发布于 2019-06-15 - 来自专栏CDA数据分析师
用这个Python库，10行代码搞定图像中目标检测
来源：Python专栏 作者：Moses Olafenwa 原文： https://towardsdatascience.com/object-detection-with-10-lines-of-code-d6cb4d86f606 ---- 目标检测是指计算机和软件系统对图像或场景中的目标进行定位和识别的任务。 02 准备工作 使用ImageAI实现目标检测，只需进行以下4步： 在你的电脑上安装Python 安装ImageAI，配置依赖环境 下载目标检测模块文件 运行样例代码（只需10行） 下面一步步详细展开 https://github.com/OlafenwaMoses/ImageAI/releases/download/1.0/resnet50_coco_best_v2.0.1.h5 03 开启10 66.17957353591919 bicycle : 90.50283432006836 motorcycle : 94.09030675888062 04 代码解读 下面来解释一下这10
4.8K20发布于 2021-03-09
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号