Duplicate GPU detected : rank 1 and rank 0 both on CUDA device 2000

LLMDet利用LLM生成图像级详细描述和区域级详细描述，作为目标检测器的训练监督信号，从而提高检测器的语义理解和泛化能力

文章采用了一种基于网格分类和基于框的检测（GCBD），其中基于网格分类的部分主要用于对裂缝区域进行细粒度划分，同时进行分类和检测

目标检测中的边界框回归损失函数

提出了Instructive Multi-Route Training的方法，通过在训练时并行使用一个主“一对一”预测路径和两个辅助的“一对多”预测路径，来更有效地训练Detection Transformers，从而在不增加推理成本的情况下提升模型在目标检测等任务上的性能。

YOLOv13：利用超图增强型自适应视觉感知进行实时物体检测主要的创新点提出了HyperACE机制、FullPAD范式、轻量化模块设计

解读ultralytics框架训练YOLO输出的labels.jpg和labels_correlogram.jpg以及对results.csv中的内容进行可视化

预测所有的数字，现在我们将mnist.py文件里面从加载标签以后的代码做以修改。def encode_digit(Y, digit):encoded_Y = np.zeros_like(Y)n_labels = Y.shape[0]for i in range(n_labels):if Y[i] == digit:encoded_Y[i][0] = 1return encoded_YTRAININ

用ultralytics框架训练模型后会在runs/detect下生成关于训练相关的权重等文件，里面会有metrics和loss的结果图，不过他们是分开可视化，有时候需要把他们会在同一幅图上去分析和观察，那么可以从results.csv文件中选择需要的指标去可视化

目标检测中的损失函数