Yolov8 的 OBB 检测模型刚上线，挺有意思的一个方向。用过 Yolov 系列的你应该知道，标准检测是画矩形框，而 OBB 支持倾斜角度，像旋转物体、斜着放的牌子、非水平目标这些，用起来就更合适了。 OBB（Oriented Bounding Box）的好处在于定位更精确，尤其适合图像中有角度
Nodejs 0 次浏览
如果你在做基于 YOLO 的目标检测，想要有个简单又直观的操作界面，基于 Pyside6 的图形化界面工具可以帮你省去多麻烦。YOLOv5、YOLOv7、YOLOv8，甚至是 YOLOv9 都能方便地集成进来。你只需要一些基本配置，就能在图形界面上直接进行模型的训练、推理和优化。尤其适合那些想避免繁
Python 0 次浏览
使用YOLOv8模型时，进行模型训练和部署是关键步骤。首先，我们可以将训练好的.pth模型转换为ONNX格式，以便在不同平台和框架上使用。通过命令行或Python脚本，指定模型路径、输出格式以及是否进行简化，可以轻松完成转换过程。 此外，为了进一步提升模型性能，我们可以添加NMS插件并优化后处理步骤
Python 25 次浏览
轻量模型的高效推理，yolov8n的.7z 压缩包资源还挺适合快速测试场景。尤其是你在边缘设备上跑个检测模型，文件小加载快，挺省事儿的。 yolov8n.7z 里的内容比较简洁，解压后就是直接能用的权重文件。配合官方源码或者自己训练的模型，都挺顺手的。不想自己慢慢训练？直接拿它推理就完事儿了。 建议
Python 0 次浏览
STM8S003_EXAMPLE.rar 是一个为 STM8S003 微控制器量身定制的示例工程，主要针对 IAR 开发环境。你可以在里面找到完整的工程配置，轻松上手。STM8S003 是低功耗高性能的 8 位微控制器，适合各种工业和消费电子应用。这个压缩包包含了源码、配置文件和调试文档，你理解如何
C 0 次浏览
基于pod和deployment的容器化部署的demo
Docker 19 次浏览