目标检测标签_龙虾开发者社区

目标检测

04-Git 仓库蒸馏术：从代码仓库到 OpenClaw 虚拟人-提交历史挖掘

代码只告诉你"系统现在长什么样"，提交历史告诉你"系统是怎么一步步长成这样的"。这两者的差别，就是"快照"和"电影"的差别。提交历史里埋着三类高价值知识：但提交历史也有一个巨大的问题：噪音太多。8,000 次提交里，可能有 3,000 次是"fix bug"、“update”、"wip"这种无信息量的提交。挖掘的第一步，是过滤噪音，提取信号。输出示例：一眼就能看出提交质量：有的提交有规范的前缀（

leoZ231
2026-08-18 09:33:58

 336

 5

#git #xcode #android +4
python神经网络编程入门（十三）——CNN纯 NumPy 实现 LeNet-5 全流程拆解与 MNIST 前向验证（上）

摘要：本文是系列第十三篇（上篇）。在前两篇实现卷积层和池化层的基础上，我们按照 LeNet-5 经典架构，利用 NumPy 完成模块组装与数据流串联，不依赖任何深度学习框架。文章真实记录了因初始化策略不当导致损失异常（从 2.84 → 2.61 → 2.31）的完整调优过程，最终将随机基线稳定在理论值（2.30）附近。下篇将在此基线基础上，串联反向传播算法并启动正式训练。

Lee_jerome
2026-07-28 23:37:54

 1068

 28

#python #机器学习 #深度学习 +4
YOLO12目标检测实战：基于Python爬虫的数据采集与分析

本文介绍了如何在星图GPU平台上自动化部署YOLO12镜像，实现高效的目标检测应用。通过该平台，用户可以快速搭建基于YOLO12的检测系统，应用于电商商品监控、交通流量分析等场景，大幅提升数据采集与分析的自动化水平和工作效率。

菁子姐姐
2026-02-21 00:01:35

 1952

 11

#目标检测
YOLOE环境验证技巧：一个Python脚本快速检查安装是否成功

本文介绍了如何在星图GPU平台上自动化部署YOLOE官版镜像，并通过Python脚本快速验证环境安装是否成功。该镜像支持目标检测与图像分割任务，特别适用于智能安防、自动驾驶等场景中的实时物体识别。验证脚本可一键检查Python环境、CUDA驱动、模型文件等关键配置，确保部署效率与稳定性。

岑秋苑
2026-03-27 05:06:12

 66

#目标检测
都2026了，该做多模态Agent了！

摘要：字节跳动开源多模态Agent引发研究热潮，当前顶会更关注落地性强的工作（如AAAI26的TongUI）。建议从场景驱动切入，聚焦模态对齐、工具协同等痛点。TongUI通过爬取网络教程构建百万级GUI数据集，实现低成本跨平台交互；XSKILL提出双流持续学习框架，无需参数更新即可提升智能体推理能力。这些研究为多模态智能体发展提供了新思路和技术路径。

程序员小嬛
2026-05-16 10:39:49

 237

 2

#知识图谱 #人工智能 #目标检测 +2
python神经网络编程入门（三）----矩阵乘法真是神经网络的“偷懒神器”

这篇文章用通俗易懂的方式，把矩阵乘法从“枯燥的数学工具”变成了神经网络里的“计算加速器”。作者先用Excel表格类比矩阵结构，讲清“点乘”规则和行列匹配的关键，然后以3层神经网络为例，一步步演示信号如何通过权重矩阵变换、Sigmoid激活函数压缩，最终算出输出结果。全程用具体数字手算验证，让读者直观看到矩阵如何把海量乘加运算压缩成简洁的X = W·I，既避免了人工计算的繁琐与错误，也为后续的误差反

 Lee_jerome
2026-07-06 23:01:30

 452

 15

#python #目标检测 #深度学习 +3
YOLO-V5实战体验：手把手教你用Python代码实现图片目标检测

本文介绍了如何在星图GPU平台上自动化部署Yolo-v5镜像，快速搭建目标检测环境。通过该平台，用户可便捷地运行Python代码，实现对图片中物体（如行人、车辆）的实时识别与定位，适用于安防监控、交通管理等实际场景。

欧学东
2026-03-09 00:15:07

 262

 2

#目标检测 #计算机视觉
python神经网络编程入门（七）——跑通MNIST手写数字识别，验证训练成果与测试准确率。

本文讲解如何基于 MNIST 手写数字数据集，搭建并训练一个三层神经网络实现数字识别。内容涵盖 MNIST 数据集构成、图像像素归一化、标签独热编码等数据预处理方法；介绍「784 输入 - 100 隐藏 - 10 输出」的基础网络结构。通过前向传播、反向传播与小批量迭代完成模型训练，最终在测试集实现约 90% 识别准确率，并分析了隐藏层节点的设置思路。全文附带完整可运行代码，适合新手动手实操、理解

 Lee_jerome
2026-07-11 12:44:27

 1492

 48

#人工智能 #计算机视觉 #深度学习 +3
Swin Transformer目标检测实战：从环境配置到模型训练（CUDA10.2+Python3.6保姆级教程）

本文提供Swin Transformer在目标检测任务中的完整实战指南，从CUDA10.2和Python3.6环境配置到模型训练与优化。详细讲解依赖安装、数据集准备、参数调优等关键步骤，帮助开发者快速掌握这一先进视觉技术，提升目标检测任务性能。

时光里的沙漏
2026-03-17 01:01:47

 127

#目标检测 #计算机视觉
目标检测与跟踪（11）-- Jetson Xavier NX GPIO控制3D结构光C与Python双版本实现（下）

摘要：本文介绍了在NVIDIA Jetson Xavier NX平台上使用GPIO控制TTL激光器的方法。通过Python封装Jetson.GPIO库，实现了激光器的开关、状态查询等核心功能，并提供了可复用的类库。文章详细说明了硬件连接方式（3.3V TTL电平）、引脚定义以及两种实现方案（C语言libgpiod和Python），重点推荐了面向对象封装的Python版本。该方案适用于工业检测、自动

 Techblog of HaoWANG
2026-03-18 16:54:44

 562

 6

#目标检测 #c语言 #人工智能
Python入门实战：用YOLOv12快速实现你的第一个目标检测程序

本文介绍了如何在星图GPU平台上自动化部署YOLOv12目标检测镜像，快速搭建AI开发环境。通过该平台，用户无需复杂配置即可运行预训练模型，轻松实现图片中物体（如行人、车辆）的自动识别与标注，为计算机视觉入门和原型验证提供了便捷高效的解决方案。

晁好刚
2026-03-14 00:07:01

 401

 9

#目标检测 #计算机视觉
YOLOv5/v7/v8训练结果可视化：如何用Python一键绘制mAP和loss曲线（附完整代码）

本文详细介绍了如何利用Python脚本对YOLOv5/v7/v8的训练结果进行可视化分析。通过解析results.txt或results.csv文件，一键绘制mAP和loss曲线，帮助开发者直观评估模型性能、监控训练过程并对比不同模型效果，从而优化模型训练策略。

秃然暴富
2026-03-08 07:14:18

 130

#目标检测
使用YOLO12和Python构建智能农业监测系统：作物病虫害识别

本文介绍了如何在星图GPU平台上自动化部署YOLO12目标检测模型WebUI镜像，快速构建智能农业监测系统。该平台简化了部署流程，用户可利用该镜像实现作物病虫害的自动化识别，典型应用场景包括通过田间摄像头或无人机拍摄的图片，实时检测并定位叶片上的病斑与虫害，辅助精准农业管理。

黄涵奕
2026-02-20 00:18:31

 1037

 13

#目标检测
基于深度学习YOLOv8的汽车损坏识别检测系统（YOLOv8+YOLO数据集+UI界面+Python项目源码+模型）

本项目基于先进的YOLOv8目标检测算法，开发了一套专门用于汽车损坏识别的智能检测系统。系统通过对汽车外观图像的实时分析，能够准确识别和定位车辆表面的各种损伤，包括划痕、凹陷、剐蹭等常见损坏类型。项目使用了一个包含11,675张标注图像的专业数据集（训练集10,218张、验证集971张、测试集486张），通过深度学习技术训练出高性能的汽车损坏检测模型。

BQAIT
2026-02-22 22:02:46

 184

 1

#深度学习 #汽车 #目标检测 +3
YOLOv12模型Anaconda虚拟环境配置教程：避免Python依赖冲突

本文介绍了如何在星图GPU平台上自动化部署👁️ YOLOv12目标检测镜像，快速搭建专属开发环境。通过该平台，用户可轻松配置包含PyTorch、CUDA等核心依赖的虚拟环境，有效避免Python包冲突，从而专注于目标检测模型的训练与推理应用。

丶本心灬
2026-03-30 05:13:48

 360

 6

#目标检测
2026.08.14Agent Harness 全景盘点：从 Claude Code、Codex 到昨日开源的 DeepSeek Harness，一张地图看懂「Model + Harness」时代

Harness 原意为「马具」——缰绳、马鞍、挽具的总称。在 AI Agent 语境下，它指包裹在大模型外部的全部运行时基础设施。Model：无状态的推理引擎。只接收 token、输出 token；读不了你的代码库、写不了文件、跑不了测试，也不记得上一次会话做过什么。Harness：除模型权重以外的所有代码、配置与执行逻辑——上下文管理、工具调用、沙箱、记忆、调度、权限、验证回路、可观测性。如果你

 江畔柳前堤
2026-08-14 11:01:00

 1200

 5

#开源 #php #人工智能 +4
Qwen-Ranker Pro与YOLOv5结合：智能图像检索系统

本文介绍了如何利用星图GPU平台自动化部署Qwen-Ranker Pro: 智能语义精排中心Web镜像，构建智能图像检索系统。该系统通过结合目标检测与语义理解，能精准响应如“适合夏天穿的白色连衣裙”等复杂查询，显著提升电商、安防等场景下的图像检索准确率与用户体验。

仰望尾迹云
2026-02-11 01:05:58

 314

 5

#目标检测
Qwen2.5-0.5B Instruct与YOLOv5目标检测集成方案

本文介绍了如何在星图GPU平台自动化部署🤖Qwen2.5-0.5B Instruct镜像，实现与YOLOv5的目标检测集成方案。该方案结合视觉检测与语言理解能力，可应用于智能安防监控场景，实时分析图像中的物体行为并生成语义描述，提升场景理解的智能化水平。

Fisch FLeisch
2026-02-11 01:08:12

 315

 5

#目标检测
Qwen2.5-Coder-1.5B实战：基于YOLOv8的目标检测应用开发

本文介绍了如何在星图GPU平台上自动化部署Qwen2.5-Coder-1.5B镜像，高效支撑基于YOLOv8的目标检测应用开发。该镜像可智能生成检测服务代码、优化推理性能并实现业务逻辑封装，典型应用于智能零售货架监控中的商品缺货与错位识别，显著提升AI视觉项目落地效率。

百年老卤·李记卤味
2026-02-11 01:08:53

 453

 5

#目标检测
GLM-4.7-Flash在YOLOv11目标检测中的辅助应用

本文介绍了如何在星图GPU平台上一键自动化部署【ollama】GLM-4.7-Flash镜像，并将其作为YOLOv11目标检测的智能辅助分析工具。该组合方案能实时理解检测结果背后的场景语义，典型应用于安防监控中的异常行为识别和自动驾驶中的交通场景推理，大幅提升视觉系统的认知与决策能力。

新职语
2026-02-11 01:12:53

 374

 4

#目标检测
手把手教你用Qwen2.5-VL实现图片目标定位

本文介绍了如何在星图GPU平台上自动化部署基于 Qwen2.5-VL 的视觉定位chord视觉定位模型镜像，实现自然语言驱动的图像目标精准定位。用户仅需输入如‘找到图中穿红色衣服的女孩’等描述，即可实时获取像素级边界框坐标，广泛应用于智能相册标注、工业质检定位及电商图像审核等场景。

长野君
2026-02-12 10:54:24

 342

 3

#目标检测
GLM-4.7-Flash在YOLOv5目标检测中的增强应用

本文介绍了如何在星图GPU平台自动化部署【ollama】GLM-4.7-Flash镜像，并将其与YOLOv5目标检测模型结合，通过智能数据增强、误检过滤和语义优化，显著提升检测精度和场景理解能力，适用于自动驾驶、智能安防等对检测质量要求高的领域。

红廉骑士兽
2026-03-06 00:49:37

 228

 3

#目标检测
GME多模态向量-Qwen2-VL-2B实战：YOLOv11目标检测与多模态描述生成

本文介绍了如何在星图GPU平台上自动化部署GME多模态向量-Qwen2-VL-2B镜像，构建一个端到端的智能视觉理解流水线。该方案结合YOLOv11目标检测，能对图像中的目标进行精准定位与裁剪，并利用Qwen2-VL-2B模型自动生成自然语言描述，典型应用于智能安防场景，实现从“检测到人”到“描述人物行为与状态”的升级。

河马和荷花
2026-03-07 00:28:19

 216

 6

#目标检测
Qwen3目标检测联动应用：结合YOLOv8识别视频场景并生成场景化字幕

本文介绍了如何利用星图GPU平台自动化部署🎬 清音刻墨 · Qwen3 智能字幕对齐系统镜像，实现视频智能字幕生成。该方案结合YOLOv8目标检测与Qwen3大语言模型，能自动识别视频中的物体与场景，并生成与画面内容紧密联动的场景化字幕，显著提升视频内容的可理解性与观看体验。

大熊小清新
2026-03-09 01:51:40

 219

 5

#目标检测
如何用OpenClaw的cron定时任务功能，每天自动发送待办清单

要实现“每天自动发送待办清单”，你需要将和三者打通。这里提供两套最实用的方案，推荐优先使用，它更稳定且易于调试。

泉城IT圈子
2026-03-28 09:01:07

 736

 7

#windows #java #服务器 +2
Clawdbot+Qwen3-32B应用：YOLOv5目标检测集成

本文介绍了如何在星图GPU平台上自动化部署Clawdbot整合Qwen3:32B代理直连Web网关配置Chat平台镜像，实现YOLOv5目标检测与自然语言处理的智能集成。该系统可应用于仓储机器人实时识别货架商品等场景，通过视觉与语言模型的协同工作，显著提升智能系统的交互能力与响应效率。

啊湫湫湫丶
2026-01-31 00:52:45

 311

 3

#目标检测
Qclaw内测

其实就像90年代末和2000年初，组装计算机甚至安装操作系统一样。那时候这些都是需要有点专业技术的人去完成的。但是随着技术的发展，不需要组装了。也预制了操作系统。这些工作就退出了市场、退出了历史。我们这些现在也是在做同样的事情。随着发展以后一定会想QQ和微信一样普及，哪怕在田间种地还是在交通通勤都可以方便的使用。而我们能在茶余饭后说，当时我们是第一批做XXXX的人。你知道那时候是怎么做的吗？

2401_85357650
2026-03-21 00:17:27

 674

 6

#目标检测 #数据挖掘 #mllib +1
十分钟教你如何升级openclaw

OpenClaw升级指南提供了三种升级方式：1)内置命令自动升级（推荐）；2)NPM手动升级；3)Docker容器升级。升级前需备份数据并停止服务，升级后可通过doctor命令检查健康状况。如遇问题，支持版本回滚和配置恢复。当前推荐稳定版为v2026.3.13-1，备选v2026.3.11版本。所有方式均需确保数据备份和服务重启，升级过程简明高效。

泉城IT圈子
2026-03-20 10:41:10

 1983

 12

#目标检测 #人工智能 #计算机视觉
目前国内主流的openclaw智能体有哪些

国内厂商基于OpenClaw开源框架开发了多种"龙虾智能体"AI助手产品，主要分为三类：互联网大厂系（如腾讯WorkBuddy、华为小艺Claw等）、独立工具类（如智谱AutoClaw、网易LobsterAI等）以及基础设施与行业方案（如医疗、通信等领域的专业应用）。这些产品功能各异，有的侧重办公场景，有的专注教育或自动化任务。工信部提醒此类智能体存在安全风险，建议优先选择大厂

 泉城IT圈子
2026-03-19 10:08:37

 927

 5

#计算机视觉 #人工智能 #目标检测
超轻量级OpenClaw与YOLOv8结合：目标检测应用

本文介绍了如何在星图GPU平台自动化部署🐈 nanobot：超轻量级OpenClaw镜像，实现高效目标检测应用。该镜像集成了超轻量级OpenClaw框架与YOLOv8模型，能够在边缘计算设备上快速准确地执行实时目标检测任务，典型应用于智能安防监控场景，显著降低资源消耗并提升检测效率。

雄哥侃运营
2026-02-25 00:51:37

 720

 4

#目标检测 #边缘计算
Clawdbot整合Qwen3-32B效果对比：YOLOv5目标检测集成

本文介绍了如何在星图GPU平台上自动化部署Clawdbot 整合 Qwen3:32B 代理直连 Web 网关配置Chat平台镜像，实现工业场景下的多模态智能分析。该镜像融合YOLOv5目标检测与Qwen3-32B语义理解能力，可对工厂巡检图片进行设备识别、状态判断与自然语言报告生成，显著提升制造业智能运维效率。

关然
2026-02-06 00:33:19

 380

 3

#目标检测
Clawdbot+Qwen3-32B实现YOLOv5目标检测增强：智能分析系统

本文介绍了如何在星图GPU平台上自动化部署Clawdbot 整合 Qwen3:32B 代理直连 Web 网关配置Chat平台镜像，构建YOLOv5目标检测增强的智能视觉分析系统，典型应用于工业质检、零售货架巡检与安防监控等场景，实现从目标定位到语义理解与决策建议的端到端AI分析。

黄冈新学爸
2026-02-06 00:36:43

 240

 5

#目标检测