本文介绍了使用Yolov5训练自定义数据集并进行目标检测的全过程。主要内容包括：1）数据集制作，通过getframe.py提取视频帧图像，使用Labelme标注后转换为YOLO格式；2）训练阶段，配置yaml文件并运行train.py进行模型训练；3）推理测试，使用detect.py加载训练好的权重进行实时检测。文中提供了详细的代码实现和配置说明，展示了从视频帧提取到最终检测的全流程，包括Open

在win10平台，通过Qt5.12以及Dlib库，制作一个UI界面用于，实现人脸识别并统计现图像中人脸数量。该界面能够显示当前识别的图像，并显示当前图像中的人脸的个数。本实验目的在于，实现dlib库在win10平台的Qt上运行，不同于在python环境下的dlib库的使用，直接就能直接调用，非常简单便捷。在Qt(C++)中调用dlib，需要在相应的平台下先编译dlib源码，进行相关配置，在这之间还

有个项目需要将某GigE摄像机的图像在win10端进行展示，并可以获取该图像上指定点的灰度值，并将该数值通过USB-RS232串口通信发给某下位机设备。由于GigE设备图像获取是基于厂商有限的SDK资料，无法做到“显示图像以及获取任意像素的灰度值”这项需求，由于种种原因吧，也不太好在Qtc端软件直接包含该sdk，并直接显示图像（主要还是任务时间紧，没时间仔细研究SDK源码），故我考虑通过QUdpS

本篇博客主要记录了在Qt平台实现动态手势“握拳”的识别过程。首先要明确所谓动态手势识别的含义，动态手势识别是区别于静态手势识别而言的。“静态手势识别”，就是算法的输入只有“一帧图像”，输出则是关于此图像中的手的各种状态、信息等，即检测、识别出单帧图像上的人手，此状态可能包含了如下信息内容：（1）手部形状的最小外接矩形框，该框四顶点在图像中的像素坐标值；（2）手部形状的分割区域，该区域按像素点划分后

本系列博客第（一）、（二）、（三）篇分别介绍了如何建立一个Qt软件界面用于作为演示动态手势识别的载体，本文为该系列第（四）篇博客，将融合前三篇博客所述，完成一个阶段性的演示demo。（一）Qt 将某控件、图案绘制在最前面的方法，通过QGraphicsScene模块实现（二）Qt QGraphicsScene模块实现圆点绘制在所有窗体的最前方，实现圆点的“彩色拖尾”效果以及“选中方框”效果（三）Qt

本文为通过Qt/C++实现动态手势识别“左右滑动”实现页面的切换效果的具体操作步骤。

通过Qt+opencv，连接USB摄像头，将摄像头画面在界面上进行显示，主要思想是在Widget类中定义一个计时器，在计时结束时触发信号，连接至读取摄像头画面的槽函数对显示的QLabel进行更新。

1、基本概念：训练集，测试集，特征值，监督学习，非监督学习，半监督学习，分裂，回归2、概念学习：人类学习概念（婴儿）：鸟，狗；车，房子；黑匣子和计算机定义：概念学习是指从有关某个布尔函数（是或否）的输入输出训练样例中推断出该布尔函数3、决定小明是否享受运动c（x）=1，当享受运动时；c(x)=0当不享受运动时，c（x）也可作为yx:每一个实例（每一行数据6个属性的值）X：样例，所有实例的集合学习目

在win10平台，通过Qt5.12以及Dlib库，制作一个UI界面用于，实现人脸识别并统计现图像中人脸数量。该界面能够显示当前识别的图像，并显示当前图像中的人脸的个数。本实验目的在于，实现dlib库在win10平台的Qt上运行，不同于在python环境下的dlib库的使用，直接就能直接调用，非常简单便捷。在Qt(C++)中调用dlib，需要在相应的平台下先编译dlib源码，进行相关配置，在这之间还

最近与国内某大厂合作，开发了一套基于其OCR识别算法模型的实时监测系统，主要实现的是通过摄像头实时拍摄显示屏的画面，对拍摄的画面做OCR识别后，格式化输出识别结果。该软件最终目标为嵌入式设备，现阶段在win10端开始做验证工作。