摘要 本文提出了一种基于YOLOv5深度学习模型的公共场合抽烟行为检测系统。针对传统人工巡逻效率低下的问题，该系统采用计算机视觉技术实现自动化检测，具有创新性和实用价值。研究使用Python爬虫获取并标注了约5000张吸烟图像构建数据集，采用YOLOv5算法进行训练，该算法通过Mosaic数据增强、自适应anchor、Focus结构等技术优化了检测性能。实验结果表明，系统能有效识别抽烟行为，为公共

本文介绍了一个基于YOLOv11的深度学习垃圾分类系统，旨在解决当前垃圾分类效率低、准确率不足的问题。该系统采用改进的YOLOv11算法，通过优化损失函数和引入注意力机制，显著提升了小目标检测性能。项目实现了支持图片、视频和实时检测的多模式功能，并开发了基于PyQt5的跨平台图形界面。系统包含图像采集、模型推理、结果显示和交互控制四大核心模块，通过CUDA加速确保实时性。创新点包括动态NMS阈值调

本文介绍了一种基于YOLOv11深度学习算法的血液细胞自动计数识别系统。针对传统人工显微镜计数效率低、自动化分析仪成本高等问题，该系统通过计算机视觉技术实现了高效准确的血细胞检测。系统采用PyQt5开发用户界面，集成YOLOv11模型进行RBC、WBC和血小板识别，准确率达90%以上。架构分为用户界面层、业务逻辑层和数据服务层，具有成本低、易扩展等特点。该研究为基层医疗机构提供了经济高效的检测方案

本文介绍了无人驾驶技术中的车道线检测方法。通过简化问题，采用计算机视觉技术从摄像头图像中识别车道线位置。检测流程包括：图像灰度处理、高斯平滑、Canny边缘检测、区域掩膜处理、霍夫变换和车道线绘制。代码实现了视频加载、颜色选择、边缘检测和霍夫变换等关键步骤，最终输出车道线检测结果。该方法为无人驾驶路径规划提供基础支持，是无人驾驶系统中相对简单但重要的组成部分。

毕业设计选题指南：从选题技巧到热门方向推荐 本文系统介绍了毕业设计选题的策略与实用技巧，并提供了五大热门方向的选题参考： 选题策略：建议从能力评估、兴趣驱动、就业导向等维度选择，推荐逆向思维法、项目拆分法等实用技巧，避免选择过度重复的题目类型（如WEB管理系统）。 人工智能方向：包括智能推荐系统、计算机视觉、自然语言处理等，突出深度学习、大模型应用等前沿技术，适合技术能力较强的学生。 移动与Web

🔥 Hi，大家好呀，大四的同学马上要开始毕业设计啦，大家做好准备了没呢！🔥 这两年开始毕业设计和毕业答辩的要求和难度不断提升，传统的毕设缺少创新和亮点，往往达不到毕业答辩的要求，很多基础一般的同为为此非常苦恼，并找到学长诉苦，希望能获得一些有效的建议。🔥 并且互联网上很难找到完整的毕设参考学习资料。为了大家能够顺利以及最少的精力通过毕设，学长分享20个优秀的毕设项目给大家参考学习。分享内容包

本文为人工智能方向毕业设计选题指南，提供选题策略与具体项目参考。首先介绍选题原则：需结合个人能力、兴趣、就业方向，并考虑资源与创新性。其次分享选题技巧，如逆向思维、问题导向等方法。重点推荐AI热门方向选题，包括智能推荐系统、计算机视觉和自然语言处理三大类，列举20个具体课题。最后展示4个优秀项目案例：基于YOLOv11的焊接缺陷检测、血液细胞计数、脑瘤识别系统，以及YOLOv8葡萄采摘辅助系统，均

🧿。

🔥 优质竞赛项目系列，今天要分享的是🚩基于深度学习的中国交通标志识别算法研究与实现该项目较为新颖，适合作为竞赛课题方向，学长非常推荐！🥇学长这里给一个题目综合评分(每项满分5分)难度系数：4分工作量：4分创新点：3分🧿YOLOv5是一种单阶段目标检测算法，该算法在YOLOv4的基础上添加了一些新的改进思路，使其速度与精度都得到了极大的性能提升。主要的改进思路如下所示：输入端：在模型训练阶段

本文介绍了一种基于深度学习的车辆目标检测与跟踪方法，重点分析了Tracking By Detecting跟踪技术的实现原理。该方法通过目标检测算法获取每帧中的目标位置信息，并利用匈牙利算法和IOU交并比进行目标关联匹配。针对快速运动目标产生的跟踪误差，提出了基于轨迹预测的优化方案，通过卡尔曼滤波或拟合函数预测下一帧目标位置。文章还展示了训练代码片段，使用TensorFlow的eager模式进行模型