泰恒
码龄1年
求更新 关注
提问 私信
  • 博客：62,413
    视频：252
    62,665
    总访问量
  • 70
    原创
  • 22
    粉丝
  • 17
    关注
IP属地以运营商信息为准，境内显示到省（区、市），境外显示到国家（地区）
IP 属地：湖南省
加入CSDN时间： 2025-08-27

个人简介：我是一个小白，希望大家阅读我的文章，我的文章都是个人观点

  • 毕业院校： 沈阳工学院
博客简介：

wei12366的博客

查看详细资料
个人成就
  • 获得980次点赞
  • 内容获得1次评论
  • 获得382次收藏
  • 博客总排名53,831名
  • 原力等级
    原力等级
    4
    原力分
    527
    本月获得
    1
创作历程
  • 70篇
    2026年
成就勋章

TA关注的专栏 0

TA关注的收藏夹 0

TA关注的社区 0

TA参与的活动 5

兴趣领域 设置
  • 开发工具
    jupyter
  • 数据结构与算法
    算法
  • 人工智能
    机器学习人工智能深度学习
创作活动更多

【多重好礼】鸿蒙心迹 · 开发录原创征稿活动

鸿蒙开发者的实战经验，值得被记录。从踩坑排查到项目复盘，从工具脚本到学习笔记，每一段真实的开发经历，都是社区最宝贵的技术资产。「鸿蒙心迹 · 开发录」正式启航，不限主题、随时可写，只要是鸿蒙开发相关的真实经验都欢迎投稿。 本活动为 [HarmonyOS 7.0 创新内容共创季](https://builderx.csdn.net/activity-site/harmonyos/activity2026)双轨征文之一，与[「共创季 · 稿事节」](https://harmonyosdev.csdn.net/6a97f0de2b83d06f0ecadec5.html)深度征文互补——「稿事节」写深度技术长文，「开发录」写日常开发实战笔记。 「开发录」每月一期，12月截止，本季共三期，投稿即有机会获得京东卡、CSDN博客流量券、亿万Token、社区定制周边好礼！

126人参与 去参加
  • 最近
  • 文章
  • 专栏
  • 代码仓
  • 资源
  • 收藏
  • 关注/订阅/互动
更多

  • 最近

  • 文章

  • 专栏

  • 代码仓

  • 资源

  • 收藏

  • 关注/订阅/互动

  • 社区

  • 帖子

  • 问答

  • 课程

  • 视频

搜索 取消

小目标检测程序设计

私💌可帮。
原创
博文更新于 2026.04.21 ·
339 阅读 ·
5 点赞 ·
0 评论 ·
4 收藏

yolo程序设计

私💌可帮。
原创
博文更新于 2026.04.21 ·
536 阅读 ·
3 点赞 ·
0 评论 ·
6 收藏

yolo项目设计

yolo项目代做可私信。
原创
博文更新于 2026.04.18 ·
433 阅读 ·
6 点赞 ·
0 评论 ·
3 收藏

人工智能毕业设计

接各种机器学习、深度学习、计算机视觉项目设计，可私信。
原创
博文更新于 2026.04.18 ·
324 阅读 ·
4 点赞 ·
0 评论 ·
4 收藏

ChatGPT发展历程

从2015年实验室的AGI理想，到2022年现象级应用爆发，再到如今多模态、强推理的智能生态，ChatGPT的发展史既是生成式AI的技术演进史，也是AI从实验室走向全民化、产业化的时代缩影。截至2026年，ChatGPT已从单一聊天工具，进化为覆盖生活、工作、科研、产业的全民级智能平台，用户超10亿，API周调用量达数万亿Token。产品极简：聊天框、多轮对话、无广告。模型会显式输出思维链，像人类一样逐步推导、验证、纠错，数学、科学、复杂逻辑能力大幅提升，解决传统模型“快思考、易出错”的问题。
原创
博文更新于 2026.04.14 ·
1840 阅读 ·
15 点赞 ·
0 评论 ·
2 收藏

国内外大模型的区别与差距

根据斯坦福《2026年AI指数报告》，中美顶级模型性能差距已缩小至2.7%，国内模型在中文场景、落地成本、应用渗透上实现反超，但在底层原创、通用推理、芯片算力、全球生态上仍存差距。国外模型（GPT-4V、Gemini Advanced）实现端到端多模态原生融合，图像、视频、音频、3D理解深度更强，跨模态推理更自然。国内通义千问VL、文心一言多模态、豆包多模态在OCR、图像描述、视频解析上接近一流，OCR日常场景准确率达85.4%，但在复杂视觉推理、3D生成、具身智能上仍有差距。
原创
博文更新于 2026.04.14 ·
2843 阅读 ·
24 点赞 ·
0 评论 ·
5 收藏

模型老是过拟合怎么办？

同时采用数据增强技术，针对图像、文本、表格数据做差异化处理，如图像数据的翻转、裁剪、缩放、亮度调整，文本数据的随机替换、插入、删除，在不增加样本总量的前提下丰富数据多样性，强制模型学习通用特征。也可采用迁移学习，冻结预训练模型的主干网络，仅微调少量顶层参数，利用预训练模型学习到的通用特征，减少自身数据集的训练压力，有效避免过拟合。总之，解决过拟合的核心原则是平衡模型复杂度与数据复杂度，先优化数据、再约束模型、最后调整训练策略，多方法结合使用，就能让模型摆脱对训练数据的过度依赖，实现良好的泛化效果。
原创
博文更新于 2026.04.13 ·
554 阅读 ·
17 点赞 ·
0 评论 ·
6 收藏

yolo26

YOLOv26（全称Ultralytics YOLOv26）是Ultralytics公司于2026年初发布的新一代端到端实时目标检测模型，作为YOLO系列的最新迭代，它彻底重构了传统YOLO的推理与训练范式，核心定位是极致轻量化、边缘端友好、多任务统一、部署极简，彻底解决了前代模型在低功耗设备上的速度瓶颈、部署复杂、后处理冗余等痛点，是当前计算机视觉领域兼顾速度、精度与工程实用性的标杆方案。3. 训练创新：跨界融合LLM训练技术，引入新型优化器与损失函数，实现更快收敛、更稳定训练，同时兼顾小目标检测精度。
原创
博文更新于 2026.04.13 ·
785 阅读 ·
16 点赞 ·
0 评论 ·
4 收藏

YOLO如何通过数据集与标签学习特征并完成模型训练

训练图像需覆盖目标检测场景的多样性，包括目标大小（大目标如汽车、小目标如行人）、姿态（站立、侧卧）、遮挡（部分被遮挡）、光照（强光、弱光、逆光）、背景（室内、室外、复杂场景）等。YOLO的特征学习与模型训练，是以标签为监督、以卷积网络为载体、以损失函数为导向、以反向传播为手段的迭代优化过程：从原始图像像素中，通过浅层网络提取基础特征，深层网络抽象语义特征，通过网格划分匹配标签，通过损失函数量化预测误差，再通过反向传播更新参数，逐步让模型学会识别目标的核心特征。梯度为负，增大参数可降低损失。
原创
博文更新于 2026.04.13 ·
549 阅读 ·
17 点赞 ·
0 评论 ·
4 收藏

人工智能简述

比如教AI识别“猫”和“狗”：人工编写规则很难穷尽“猫的特征”（不同品种的猫毛色、脸型不同），但通过机器学习，我们给AI喂10万张标注了“猫/狗”的图片，AI会自动提取猫的耳朵形状、眼睛比例、毛发纹理等特征，形成自己的“识别模型”，之后遇到新图片，就能准确判断是猫还是狗。大语言模型（Large Language Model，LLM）是近年来AI领域最火爆的技术，它是基于深度学习的“万亿级参数语言模型”，通过学习海量的文本数据（书籍、网页、文章等），掌握语言的逻辑、语法和语义。
原创
博文更新于 2026.04.12 ·
1045 阅读 ·
13 点赞 ·
0 评论 ·
4 收藏

yolov5与yolov8的区别

它彻底抛弃 Anchor-Based 机制，采用 Anchor-Free 范式，融合了 YOLOX、YOLOv6、RTMDet 等前沿算法的优点，在精度大幅提升的同时保持高速推理，更适配复杂场景、大数据集与多任务联合训练，代表了当前单阶段检测的主流发展方向。YOLOv5 的核心定位是轻量化、工程化、易用性。YOLOv8 使用全新统一框架，支持检测、分割、姿态、分类四大任务，训练命令极简，配置文件 yaml 更简洁，支持 Python API 调用，适合快速搭建 pipeline、多任务联合训练与二次开发。
原创
博文更新于 2026.04.11 ·
739 阅读 ·
17 点赞 ·
0 评论 ·
6 收藏

OCR技术

它打通了“视觉图像”与“数字文本”的壁垒，是文档数字化、信息自动化提取的基础能力，广泛应用于办公、金融、政务、教育、物流等领域。以下从原理、流程、发展、技术、应用、局限与趋势全面讲解。结合GPT-4V、Qwen-VL等多模态大模型，OCR从“识别文字”升级为“理解文本”：自动提取关键信息（如发票金额、身份证号）、理解语义、处理无模板文档、支持复杂表格/公式/混合排版，泛化能力大幅增强。企业级专业处理，价格高。身份证、银行卡、营业执照、发票、保单识别，自动提取金额、日期、编号，实现开户、信贷、理赔自动化。
原创
博文更新于 2026.04.11 ·
1071 阅读 ·
15 点赞 ·
0 评论 ·
2 收藏

一个月成为机器学习高手计划

接下来3天系统学习机器学习基础理论，厘清监督学习、无监督学习、强化学习的核心区别，理解损失函数、优化器、特征工程、模型评估等基础概念，掌握准确率、精确率、召回率、F1分数等评估指标原理，整理完整理论笔记，搭建知识体系。周一至周三主攻监督学习算法，深入学习线性回归、逻辑回归、决策树、随机森林、K近邻算法，推导算法原理，理解适用场景与优缺点，借助Sklearn库完成各算法的基础建模练习，针对分类、回归两类任务分别实操。周日复盘整个学习周期，总结学习方法与核心知识点，制定后续深度学习拓展计划，巩固学习成果。
原创
博文更新于 2026.04.10 ·
234 阅读 ·
7 点赞 ·
0 评论 ·
3 收藏

基于 YOLOv8 实现快递盒实例分割（含代码）

本文介绍了基于YOLOv8实现的快递盒实例分割Python代码。主要内容包括：1）使用ultralytics.YOLO库加载预训练分割模型；2）核心预测函数支持单张图片或批量图片处理，可设置置信度和IOU阈值；3）自动保存带分割标注的结果图，包括分割掩码、边框和类别信息。代码采用模块化设计，包含模型加载、预测处理和结果保存三个主要功能模块，通过异常捕获确保程序稳定性。测试时只需提供模型路径和图片路径即可运行，预测结果会显示检测到的快递盒数量并保存到指定目录。该实现充分利用了YOLOv8官方API的便捷性
原创
博文更新于 2026.04.10 ·
773 阅读 ·
21 点赞 ·
0 评论 ·
7 收藏

基于yolov8的工业零件缺陷检测系统

基于yolov8的工业零件缺陷检测系统
原创
博文更新于 2026.04.09 ·
890 阅读 ·
22 点赞 ·
0 评论 ·
7 收藏

基于yoloV8安全帽反光衣检测（含代码）

基于yolov8的安全帽反光衣识别
原创
博文更新于 2026.04.09 ·
952 阅读 ·
22 点赞 ·
0 评论 ·
11 收藏

安全帽反光衣识别

发布视频 2026.04.09

计算机体系结构基础

ARM、RISC-V则属于RISC架构，指令简洁、功耗低、面积小，广泛应用于手机、嵌入式设备、开发板（如香橙派系列）以及智能硬件。对于智能小车、嵌入式开发、AI部署等实践方向，理解体系结构能够帮助我们更合理地选择硬件、优化程序、调度资源、提升系统实时性与运行效率。流水线将指令执行分为取指、译码、执行、访存、写回等步骤，多条指令重叠执行，大幅提升吞吐率。计算机体系结构主要研究计算机硬件系统的组织结构、运行机制、指令集设计、存储层次、并行处理等内容，它介于数字逻辑与操作系统之间，是连接软件与硬件的桥梁。
原创
博文更新于 2026.04.08 ·
565 阅读 ·
17 点赞 ·
0 评论 ·
5 收藏

计算机视觉基础

CNN通过自动学习图像特征，大幅提升目标识别、检测、分割的精度，衍生出ResNet、YOLO、Transformer等经典模型。• 传统视觉阶段（20世纪60年代-2010年）：依赖人工设计特征，如边缘检测（Sobel、Canny算子）、纹理特征（HOG）、局部特征（SIFT、SURF），算法效率低，泛化能力弱，仅能处理简单场景（如静态图像的目标识别）。• 传统特征：如边缘特征（检测图像中的线条、轮廓）、纹理特征（描述图像表面的粗糙程度）、形状特征（如目标的长宽比、轮廓形状），适用于简单场景。
原创
博文更新于 2026.04.08 ·
1406 阅读 ·
11 点赞 ·
0 评论 ·
5 收藏

如何学习大模型

近年来，以ChatGPT、文心一言、GPT-4、LLaMA为代表的大语言模型迅速普及，它们能够流畅对话、撰写文章、编写代码、解答专业问题，甚至进行逻辑推理与创作，展现出接近人类的语言理解与生成能力。虽然大模型仍存在幻觉、不可解释、知识滞后等问题，但随着训练技术、数据体系与算力的不断提升，大模型的学习能力将持续突破，成为推动科技进步、产业升级与社会发展的核心力量。本文将系统介绍大模型的学习机制、训练流程、核心技术原理、知识存储方式以及学习过程中的关键特点，完整解释“大模型是如何学习的”这一核心问题。
原创
博文更新于 2026.04.07 ·
671 阅读 ·
4 点赞 ·
0 评论 ·
2 收藏
加载更多