在建筑、矿山、电力等高危行业，安全帽佩戴监管一直是保障工人生命安全的关键环节。然而，传统人工巡查方式存在效率低、易疏漏等问题，难以实现全面、实时的监管。图像识别技术的出现，为破解这一难题提供了系统化解决方案。 图像识别技术依托先进的算法实现对安全帽佩戴情况的精准判断。在目标检测算法方面，YOLO（You Only Look Once）系列算法表现出色。它以端到端的设计，直接在图像上预测安全帽的位置和类别，一次前向传播即可完成检

计算机考研刚刚初试完，本人是跨考计算机，没啥基础，想请问一下各位大佬，我想准备一个复试的深度学习项目，具体应该准备哪个方向的比较亮眼一点？ 我目前问了gemini，它推荐这两种方向： A 基于迁移学习的图像分类（例如：中草药识别、垃圾分类、或者特定场景的车辆分类）。 B 基于YOLO的目标检测（例如：佩戴安全帽检测、交通标志检测） 不知道靠谱与否，望大佬解答

在建筑、矿山等高危行业，安全帽是保障工人生命安全的“最后一道防线”。安全帽监测从最初的单点识别发展到如今的全域覆盖，图像识别技术起到了核心推动作用。 早期单点识别阶段，主要运用基础的图像识别算法，如基于颜色和形状的简单匹配算法。它通过预设安全帽的颜色范围和形状模板，在图像中逐像素比对，识别出符合特征的目标。但这种方法局限性明显，易受光照、遮挡等因素干扰，在复杂场景下误判率较高。 随着技术发展，目标检

有没有什么流程或路径吗 比如先复现什么代码 然后在干什么 有没有路径 有没有佬知道呜呜 后期应该是yolo什么的 现在在复现抖音上流传的深度学习一百例 迷的很

这个随机性怎么解决啊，做语义分割的，同样的代码一动不动，跑两次miou指标差1%，不信邪又跑了几次，有好的，也有坏的，怎么办啊，后续还想再加模块，但是担心随机性，如果性能下降不知道是因为随机性还是因为加的模块有问题，饱受折磨啊

有没有大哥接触过这个题目的，给小弟指条路

给大家分享一套课程——大模型就业课-PyTorch+深度学习

下载课程：97it.top/4454/

目标检测的任务，我现在用DETR训练完了自己的数据集，然后想做一个跟YOLO输出一样的那几张指标的图像，要怎么实现

我现在做时序预测，用TCN-LSTM的组合模型。 TCN提取局部特征 → LSTM学习长期依赖 → 全连接层输出预测值 我的数据本身只有一列，是关于吸放氢的曲线，吸放氢为一个循环。所以我在表中增加了一列循环序号。我的模型前期输入TCN的特征有六个：（1）氢容量_归一化: 标准化后的氢容量 # (2) 周期标签_归一化: 周期序号归一化 # (3) 周期内相对位置: 每个周期内的相对位置(0到1) # (4) 局部趋势: 前后两个点的差值（斜率） # (5) 峰值标识: 是否为当前周期最大

985硕在读，目前在做深度学习，平时空余时间接一下，个人非中介，可以先做后付

其实做科研，就好比打仗，并不需要全副武装完才能上战场。装备没有最好，只有更好。同样地，基础知识太多太多了，在这些地方耗费大量的精力，等到了自己的研究课题，反而没那种冲劲儿了。直接快速确定好研究方向之后，大量阅读本领域的文献，确定好baseline，再精读baseline，然后再大量阅读最新的前沿文献找解决方案，遇到问题了，再针对性解决问题，这样有目的性的多。不然每年顶会几万篇，压根看不完呀。找准目标，并且行动起来是关

现在自己的代码跑完了，要进行对比实验。但是由于领域太小，只有一篇相关文献（未开源）。所以根本找不到对比方法，我拿别的领域的方法（例如轴承），然后费劲巴拉地改了半天，结果差的要死。想问问有什么破局之法没。

想用提示微调+知识注入水一篇三区，能冲二区那简直好到爆炸，想求个懂行的🐮硕/🐮博/🐮人指导一下，价格你定。

各位已经工作的大佬，有没有从事深度学习相关的工作。本人目前正在学深度学习（未就业，非科班），有几点深感困惑。深度学习就是不同层之间的搭建，学习的核心就是了解不同层的作用后，进行组合使用吗？在实际的工作中也是如此吗？如果是，那它的学习壁垒是哪部分？因为之前印象中是壁垒较高的知识点。 总之就是想了解一下在实际工作中的应用场景，感觉目前学到的挺浅显。真诚发问

有大神可以帮忙做基于深度学习的图像恢复系统的设计和应用的模型嘛，要用到GPEN模型，U-net架构，有报酬

为什么我用yolo的x2paddle将pt文件导出为paddl格式，总是哭少了个.pdmodel模型文件，不管是直接将pt文件转换为paddle格式还是，先将pt格式转换为onnx再转换为paddle格式，都是少个pdmodel模型文件，这该怎么办。

，别人用一样的代码可以运行，我这个一运行到XG boost相关的就出现这个问题，卡了几天了

个人非中介，本人985人工智能专业硕士在读，主要研究方向目标检测 提供yolov5/v8/v10等yolo系列框架创新点，可更换backbone（transformer，densenet，resnet，多模态融合双流网络等），添加各类注意力机制，特征金字塔网络修改，检测头修改。 提供代码实验论文 提供yolo全系列环境配置，代码讲解，训练与测试 #深度学习# #目标检测#

滑动窗口计算ki-67指数，定义最高指数网格为最终输出，但是找不到现成的开源代码。 有没有大哥知道替代方案

在用shap来求特征重要性时蜂巢图挤在一起了，根本看不出什么特征，是数据本身就这样还是没处理好？

向各位大神求助，研一，后面会在电脑上跑模型，实验室有服务器，预算7000—8000上下

在模型训练过程中，一瞬间直接显示训练完成所有epoch，然后Wait 30 seconds for next check，这是什么原因呢？

小白，第一次尝试复现论文中的结果，大家有没有遇到过这样的情况：按照文档安装各个库和依赖，但是有一些警告说有冲突，然后自己调版本，没有冲突代码能跑之后和论文结果差距比较大，这个应该怎么办呀

目前本人正在开发一个基于LSTM学习俳句（一种575格式的带有季节提示语的短诗）的模型，但是目前开发中遇到了很多问题没有办法解决，有没有开发过类似项目（比如自作ai模型诗词生成）的大佬可以指点一二？所有的知识都是有偿的，请有信心的大佬与我联系w业余时间做了好几个月了没有做完

我己窥探部分灵魂，你也能理解，因人人多有个大脑 人工灵魂其实很简单，因人人多有个大脑，人人多可以研究产生行为及认知背后的机制 - 对灵魂的一点见解 - - 意识的本质就是时时好坏感知，然后趋利避害 人判断好坏的依据就是感受。如：好的感受，就像打了鸡血，人很爽。坏的感受，就像累，苦，饿，的感受。感受好，那趋利避害。感受就是系统释放的好坏信号加告知好坏的因果。有时不理智分析，系统告知好坏因果，你会认为自己判断的没

【专题一：基于AI-有限元融合的复合材料多尺度建模与性能预测前沿技术】 实践1：软件环境配置与二次开发方法实践、python/abaqus脚本交互、自动化建模、二次开发框架搭建、Hashin/Tsai-Wu失效分析有限元实战、TexGen软件安装及GUI界面操作、三维编织网格划分 实践2：大批量仿真分析与数据处理方法、复合材料分析模型建立、PyCharm嵌入ABAQUS计算内核、PowerShell调用Python FEA脚本解决动态内存爆炸问题、RSE、RVE模型、输出训练数据集、ABAQUS实现Direct FE2方法仿

老哥们，跑深度学习用amd和intel的cpu有区别吗，amd的U会出现适配和兼容性问题吗（同价位9700x+5070ti和265k+5070选哪个），目前因为AMD平台的U性价比高而且可升级性，且由于预算有限，我买了9700x+5070ti的平台。不知道用AMD的U会不会对深度学习任务不适配？

动手学深度学习pytorch版

孩子想要iMiGUE数据库和自发微手势数据集（SMG）这两个数据集

手上有linu X86的，但是不知道能不能在麒麟x86上直接用

rt，只想混个本科毕设，一直在拿ai写，但是它写出来的东西准确率最好的时候也只有52%，我怀疑是不是整个深度学习相关的模型都是它胡乱编的

求目标检测大佬的帮助，我是新转进来的。感觉还没入门。时间有点来不及了

图像分类?目标检测?遥感图像等等?或者其他类型的?只想发个小论文毕业，不在乎学不学得到东西

WARNING Labels are missing or empty in D:\WORK\Rice Leaf Disease_dataset\Images\train.cache, training may not work correctly. See https://docs.ultralytics.com/datasets for dataset formatting guidance. train: Scanning D:\WORK\Rice Leaf Disease_dataset\Images\train... 0 images, 5591 backgrounds, 0 corrupt: 100% ━━━━━━━━━━━━ 5591/5591 2.4Kit/s 2.4s WARNING train: No labels found in D:\WORK\Rice Leaf Disease_dataset\Images\train.cache. See https://docs.ultralytics.com/datasets for dataset formatting guidance. label标签文件和train的jpg文件都有，但为什么yolo识

领导任务，求几个深度学习的技术交流群最好是微信群

一个电车充电洗相关的数据集 进行MAE和RMSE评估时值特别大 R方达到百分之99 换了别的模型也很是99 这种情况应该怎么办 下面是运行结果

😭😭我按照豆包，用了VScode，但是好像不太行，设置了什么变量也不管用 之后又调出来Anaconda，也不管用 求求各位大佬教教怎么办？比如推荐一些别的软件，求求了

有的话求拉，如果没有的话，那我想要创建一个了，学习交流用，主要用来分享技术和行业资讯，本人已入门，希望在进阶路上能和志同道合的伙伴携手同行，一起加油！私我加V

目前训练了一个GNN模型。2700个data，510个数据点每个点26个特征，两千多条边每个边13个特征，信息传递5次。目前训练下来，训练集到了0.97左右，验证集到0.88始终上不去了，尝试了加dropout=0.2反而更低。有没有大佬支支招。

就是保存的模型再加载在测试集上的准确率比刚训练好就测试高很多

代做深度学习，图像处理，计算机视觉，画图模型改进:CNN、GCN、Transformer、LSTM等专、本、硕、博文章润色、文章复现、修改、创新实现、算法改进、算法定制等。机器学习，图像处理，算法设计，目标检测，识别，去噪，去模糊，模式识别，深度学习，支持向量机SVM，神经网络，python C++ matlab java，双目,多目视觉三维重建，校正图，视差图，三维坐标。相机标定， opencv立体匹配， 双目测距，python，matlab, c++, opencv都可以实现。#深度学习#