例：查询图书，要求图书英雄为"孙悟空"BookInfo.objects.filter(heroinfo__hname_exact='孙悟空')查询图书，要求图书中英雄的描述包含"八"BookInfo.objects.filter(heroinfo__hcomment__contains='八')BookInfo.objects.filter(bread__gt=20,id__lt=3)或:Book

本项目是一个功能完整的目标检测系统，采用YOLO11作为核心检测算法，PyQt5作为图形界面框架。系统支持多种检测模式，包括图片检测、视频文件检测和摄像头实时检测，并提供了丰富的可视化功能和AI智能分析能力。

本系统是一个功能完整的目标检测平台，采用最新的 YOLO模型进行实时目标检测，结合现代 Web 技术构建了直观易用的用户界面。系统支持多种检测模式，提供详细的 AI 分析，并具备用户认证功能，确保系统安全性。这是一个通用目标检测系统，只需要安装对应ultralytics模块更换对应框架模型即可，支持yolov8,yolo11,yolov12,yolov13,yolo26以及只要是ultralyti

数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件)特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理标注。图片数量(jpg文件个数)：2060。标注数量(xml文件个数)：2060。标注数量(txt文件个数)：2060。使用标注工具：labelImg。标注规则：对

DeepSORT则是一种基于深度学习的多目标追踪算法，它通过计算目标对象之间的相似度，实现对多个目标的连续追踪。DeepSORT不仅考虑了目标的位置信息，还融合了目标的外观特征，使得在目标遮挡、交叉等复杂情况下也能保持稳定的追踪效果。其中，YOLOv9作为先进的目标检测算法，结合DeepSORT多目标追踪算法和PyQt5图形界面库，能够为用户提供高效、直观的目标追踪体验。综上所述，YOLOv9+D

数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件)特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理标注。标注类别名称:["pothole"]图片数量(jpg文件个数)：665。标注数量(xml文件个数)：665。标注数量(txt文件个数)：665。pothole

现在已经是2024年，网上许多安装WSL2和WSL2中配置GPU的资料已经过时，因此在这里记录一下整个安装流程。安装完驱动后，在终端输入nvidia-smi，可以看到驱动支持的最高CUDA版本（向下兼容），我这里是12.5。根据自己的显卡型号以及操作系统选择对应驱动，我这里是RTX 2080TI，操作系统是Win 10 64位。我这里使用的是zsh，故在。中添加，注意：cuda-12.5中的12.

Fermi (费米)：第一个“真正”的计算架构，有缓存和ECC。Kepler (开普勒)：能效很好，经典“战术核显卡”GTX 690就基于此。Maxwell (麦克斯韦)：能效极致，神卡GTX 970/980。Pascal (帕斯卡)：一代经典，游戏神卡GTX 1080 Ti。Volta (伏打)：AI先驱，首代Tensor Core，只有TITAN V和计算卡。Turing (图灵)：光影革命，

Persistence-M：持续模式状态，持续模式耗能大，但在新的GPU应用启动时花费时间更少，上图均为On。-l 指定动态刷新时间，默认5秒刷新一次，通过Ctrl+C停止：nvidia-smi -l 5。-i只列出某一GPU的详细信息，可使用 -i 选项指定：nvidia-smi -q -i 0。-n动态地观察 GPU 的状态：watch -n 0.5 nvidia-smi。GPU：本机中的GP

docker pull 镜像地址。