登录社区云，与社区用户共同成长
邀请您加入社区
本项目面向高光谱图像去噪增强任务，基于 ICVL 31 波段高光谱 .mat 数据和 HSTNet 模型，完成数据读取、噪声合成、模型训练、测试评估、单图推理和 PyQt6 桌面端可视化展示。
数据集已经划分好训练集（12712张图片，含数据增强部分，分别是左旋15度，右旋15度，随机饱和度，即一张原图额外增强出3张图片）、验证集（529张图片，不含数据集增强）、测试集（530张图片，不含数据增强），数据集分为四类：有缺陷的(不采摘)、正在开花的(不采摘)、完全打开的(可以采摘)、部分打开的(不采摘)。技术栈:yolo8+streamlit web浏览器界面 可识别棉花四种成熟状态：有缺
yolov8举手识别 基于YOLOV8的学生课堂举手发言识别基于pyside(pyqt)+yolo8的举手检测1基于YOLOV8的道路缺陷检测系统1(设计源文件+万字报告+讲解)（支持资料、图片参考_相关定制）_可以扫码。[1]可以识别图片与视频。可以将预测结果输出到图片上显示(中文标签)，页面实时显示一张图片中检测到的物体的类别、数目。[3]系统目录下附带有非常详细的环境配置运行指导pdf文件（
基于深度学习的图像分割模型及YOLOv8模型实现路面垃圾图像内容的监测识别，同时利用Python编程语言及Django框架搭建WEB端系统平台，通过传入视频及批量上传图像的方式实现路面垃圾监测及评估，借助垃圾检测系统实现高效的垃圾清洁度评估及路面清洁任务分配。管理员为路面垃圾检测系统的主要用户，通过系统可以进行路面垃圾的检测识别，主要功能模块包括了图像识别、实时识别、任务管理、个人信息管理及用户管
涵盖数据集搭建、模型原理改进、性能消融实验、模型部署、可视化开发，完整贴合AI、CV、深度学习方向复试考核重点，可作为核心科研经历写入简历、项目经历、科研小结；：工作量饱满、逻辑完整、创新点充足，既能满足普通本科毕业设计要求，也可作为优质硕预项目打磨，可轻松支撑论文撰写、答辩PPT、成果演示；：可二次改造为病害分割、产量预估、田间实时检测、视频流识别等拓展功能，适合后续发论文、做科创竞赛、大创项目
本文介绍了一个高精度、轻量化的交通标志检测系统，主要面向自动驾驶和智能交通应用。项目采用YOLOv26n模型，在4类交通标志数据集上训练100个epoch，达到0.969的mAP50，模型仅5.4MB。创新点包括：3.8ms的极速推理、支持图片/视频/摄像头的多模态输入、基于PyQt5的中文可视化界面，以及开箱即用的部署方案。系统特别适合毕业设计、学科竞赛和实际部署，提供完整代码、预训练模型和数据
本项目是一个面向钢材表面缺陷检测场景的深度学习应用系统，围绕 YOLOv8 完成了从数据集组织、模型训练、结果评估，到桌面端检测系统开发与功能集成的完整流程。项目以 NEU-DET 钢材表面缺陷数据集为基础，训练得到钢材缺陷检测模型，并基于 PyQt6 开发了可视化检测系统，支持图片识别、视频识别、摄像头实时识别、检测历史管理、模型参数管理和训练指标展示等功能。
本文不讨论玄学，只从感知层、决策层、执行层和运营层，拆解两款典型产品（WLG-1A柜机与WLC-1A床机）的技术差异，并给出面向不同部署场景的选型建议。床机：长度2.1m，需预留至少2.5m纵向空间，且地面需平整（不平度<3mm），电源要求220V/16A（因冲击波模块瞬时功率较大），建议配备UPS。从参数可见，两款产品并非简单的“大号”与“小号”，而是针对不同人体姿态（坐姿 vs 俯卧）重新设计
Serialization assertion magicTagRead == kMAGIC_TAG failed.Magic tag does not match
本文介绍了基于YOLO系列模型的电力设施检测系统。项目采用YOLOv5/v8/11/12及RT-DETR五个模型进行对比实验，其中YOLOv8s表现最佳。系统包含PyQt设计的登录/检测界面，支持图片/视频/摄像头检测功能，并集成MySQL数据库实现用户管理。实验数据显示各模型在精度、参数量和推理速度上的差异，为电力设施检测提供了多方案选择。项目配套完整的代码运行指南，包括数据集配置、Python
今天分享开源项目 SubsTracker，直接在 Cloudflare 免费部署，全程不用租用服务器，依靠 Workers 运行，个人使用完全免费。操作门槛很低，小白跟着流程十几分钟就能搭建完毕，全部数据由自己保存，隐私安全更有保障，站长与经常购买各类线上服务非常适用。每月各式各样付费订阅越来越多：ChatGPT Plus、域名、云服务器、各类软件会员，经常悄无声息自动扣款，一不小心就白白浪费开销
许多团队在首次采集 JA3、JA4 后，会把某个值长期写入规则。一旦浏览器升级、代理配置调整或操作系统更新，正常客户端就可能偏离旧基线，造成大量误报。本文从软件测试角度分析 TLS 指纹变化的常见原因，并给出一套包含基线维度、版本编号、回归流程和判定等级的管理方法。文章只讨论自有系统和授权测试中的质量保障，不提供针对第三方平台的检测规避方法。浏览器升级、TLS 指纹、JA3、JA4、基线管理、回归
pip install sip成功还是提示找不到，应该是没有设置环境变量，搜了一下，sip可执行文件在~/miniforge3/envs/mypython3.8.20/bin目录下，只有sip-buildsip-install这些没有可执行文件sip。编译过程中又出错了，但是没有提示，又用sip-install --verbose命令再次编译，给出了错误，应该是缺少opengl库，也不知道PyQt
二维码技术已深度渗透现代生活场景，从社交连接到移动支付，从营销活动到信息传递，这种黑白方块矩阵无处不在。您是否考虑过自主创建个性化二维码？无需依赖第三方平台，本地化工具即可实现链接共享、联系人交换甚至加密消息传递，让数据流转更高效安全。
本文介绍了一款基于深度学习的电塔缺陷检测系统，采用YOLOv8/YOLOv5/YOLO11等算法模型，支持图片、视频及摄像头输入的实时检测。系统使用Python与PyQt5开发，具有直观的UI界面，可实现检测结果保存与导出（xls格式）。文章提供了完整的Python代码和使用指南，适用于电力设备巡检、运行维护等场景。创新点在于添加了SE注意力机制，提升模型性能。系统功能包括单张图片识别、文件夹批量
项目中所用到的算法模型和数据集等信息如下：算法模型：yolov8yolov8 + SE注意力机制或yolov5yolov5 + SE注意力机制或yolo11yolo11 + SE注意力机制数据集：网上下载的数据集，格式都已转好，可直接使用。以上是本套代码算法的简单说明，添加注意力机制是本套系统的创新点。全新SOTA模型YOLOv8 提供了全新的最先进（SOTA）的模型，包括P5 640和P6 12
本文介绍了一个基于深度学习的葡萄病害检测识别系统，采用YOLOv8/YOLOv5/YOLO11等算法模型，并创新性地加入SE注意力机制提升检测精度。系统具备图片、视频、摄像头实时检测功能，支持批量处理、结果导出及目标切换查看。通过Python与PyQt5开发的UI界面直观展示检测结果，可有效识别葡萄黑腐病等病害，帮助种植户及时防治。文章提供了完整代码和数据集资源，便于读者实践应用。该系统结合计算机
本文介绍了一个基于深度学习的麦穗计数统计系统，该系统采用YOLOv8/YOLOv5/YOLO11等算法模型，结合SE注意力机制提升检测精度。系统支持图片、视频和摄像头输入的实时检测，具备单张图片识别、文件夹批量识别、结果导出等功能。通过Python与PyQt5开发的UI界面直观展示检测结果，可有效解决传统人工计数效率低、误差大的问题，为小麦产量预估提供精准数据支持。文中还提供了完整的Python代
本文介绍了一套基于YOLOv8/YOLOv5/YOLO11的羊群计数统计系统，该系统利用深度学习技术实现羊群的自动识别与数量统计。系统采用Python与PyQt5开发，具有UI界面，支持图片、视频及摄像头输入的实时检测，并能保存检测结果。文章提供了完整的Python代码和使用指南，包含单张图片识别、文件夹批量识别、视频解析、摄像头实时检测等功能，并支持结果导出为xls格式。创新点在于添加了SE注意
本文介绍了一种基于深度学习的老鼠检测系统，该系统采用YOLOv8/YOLOv5/YOLO11等算法，结合SE注意力机制提升检测精度。系统支持图片、视频、摄像头输入的实时检测，并具备UI界面，可直观显示检测结果。功能包括单图识别、文件夹批量识别、视频解析、摄像头实时检测以及结果导出等。该系统可应用于食品加工、仓储、市政等场景，有效解决传统鼠患检测效率低、覆盖不足的问题，为公共卫生防控提供智能化解决方
本文介绍了一个基于深度学习的SAR舰船检测识别系统，该系统采用YOLOv8/YOLOv5/YOLO11算法，结合SE注意力机制提升检测精度。系统支持图片、视频和摄像头输入的实时检测，可识别舰船位置、类型及航行状态，并生成分布热力图与异常预警。创新点在于引入注意力机制优化模型性能，解决了传统SAR检测效率低、易受干扰等问题。系统采用Python与PyQt5开发，具备友好的UI界面，支持检测结果保存和
这是一个基于Python和PyQt6的天气查询应用开发教程。项目使用和风天气API，提供简洁美观的界面，主要功能包括实时天气查询、天气图标显示、气象数据展示等。技术栈包括PyQt6/PySide6用于GUI开发，requests处理API请求。教程详细介绍了API注册、依赖安装、界面设计、数据获取和异常处理等关键步骤，并提供了完整可运行的代码示例。项目适合初学者学习Python GUI开发、API
该软件是一款Python智能打包免费工具，支持多种打包引擎和高级功能，可将Python脚本打包为独立的可执行文件，支持Windows、【Linux和macOS平台暂不开放】。
在数字化转型加速的今天，自动化执行程序已成为提升工作效率的关键技术。Python凭借其简洁灵活的语法和丰富的生态库，成为开发定时任务工具的首选语言；而PyQt作为成熟的跨平台GUI框架，则为工具提供了直观的用户交互界面。将二者结合构建的自动化定时任务执行器，不仅能实现精准的任务触发与循环控制，还能通过可视化配置降低使用门槛。
文章来自：传旗软件安装，手机观看效果更加！Python 3.14.0安装教程。
pyqt
——pyqt
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
智能体开发者社区
AI编程社区
DAMO开发者矩阵
AtomGit AI 社区
openEuler 社区
AI Agent技术社区
亚马逊云科技技术品牌专区
