本地 SSH 配置中开启远程 shell 和 VSCode Remote Server 都配置代理环境变量：给 Codex 单独写一份，并重启 VSCode Remote Server。最终效果：远程服务器、VSCode Remote 扩展、Codex app-server 都可以通过本地代理访问外网。

本地 SSH 配置中开启远程 shell 和 VSCode Remote Server 都配置代理环境变量：给 Codex 单独写一份，并重启 VSCode Remote Server。最终效果：远程服务器、VSCode Remote 扩展、Codex app-server 都可以通过本地代理访问外网。

解读 ICCV 2025 论文《Towards a Unified Copernicus Foundation Model for Earth Vision》：聚焦 Copernicus 地球视觉基础模型，梳理问题定义、方法机制、关键公式与

摘要：本文介绍了一个基于AI视频监控的猫咪如厕检测系统开发过程。作者通过YOLOv11目标检测和分类模型，实现了自动识别猫咪进出厕所行为、记录如厕时长等功能。最新版本优化了系统架构，将核心逻辑拆分为服务层，并改进了任务管理、摄像头配置等界面，使检测流程更直观易用。系统还修复了图片缺失问题，清理了无效记录，提升了首页看板的稳定性。该项目为宠物健康监测提供了智能化解决方案，后续计划增加运行日志和事件流

摘要：本文介绍了一个基于AI的猫咪如厕检测系统优化更新，主要改进项目结构和任务管理流程。系统通过视频监控自动识别猫咪进出厕所行为，记录如厕时长以监测健康状况。本次更新包括：1)重构项目结构，拆分算法服务入口；2)优化检测任务管理流程，新增状态同步接口；3)修复历史记录图片访问问题，增加缺图兜底处理；4)清理数据库中的缺失记录。系统现已支持多类型检测任务，提升了可维护性和管理效率，为后续开源做好准备

本地 SSH 配置中开启远程 shell 和 VSCode Remote Server 都配置代理环境变量：给 Codex 单独写一份，并重启 VSCode Remote Server。最终效果：远程服务器、VSCode Remote 扩展、Codex app-server 都可以通过本地代理访问外网。

本次将继续制作 **实时检测模块**：使用 **YOLOv11** 检测摄像头画面中的猫、判断是否进入指定区域，并调用分类模块识别是哪只猫

1.分类模型训练2.matcher+目标检测混合检测分类3.未知目标自动更新

用户上传猫咪脸部图片 + 输入名字 → 添加新猫每张图提取特征（使用轻量模型）将猫的特征保存（后续用于识别）实时时：检测到猫 → 裁剪猫图 → 提特征 → 与库里比对 → 得出是哪只猫。

本次将继续制作 **实时检测模块**：使用 **YOLOv11** 检测摄像头画面中的猫、判断是否进入指定区域，并调用分类模块识别是哪只猫