人工智能合集专栏

随着智慧城市与视频监控系统的广泛应用，人群检测与计数成为计算机视觉领域的重要研究方向之一。为帮助开发者快速上手人群检测模型的训练与评估，我们提供了一套 高质量、可直接用于训练的行人检测数据集

随着工业智能化与安全生产要求的不断提升，粉尘检测逐渐成为环境监测与安全防护领域的重要研究方向。在矿山、工厂、建筑工地等高粉尘场景中，粉尘浓度过高不仅影响生产效率，更会对人体健康和设备安全造成严重威胁。

基于Rokid CXR-M和CXR-S SDK构建简易翻译助手 最近在研究一些AR相关的技术时，偶然接触到了Rokid的智能眼镜。看了它的开发文档后才发现，CXR-M和CXR-S分别负责移动端和眼镜端

一、研究背景 古籍承载着丰富的历史、文化与思想价值，但其数字化与智能化利用始终面临难题。传统的古籍版面复杂多变，存在稀疏文字、跨栏结构、插图混排等特征，这些都给自动化版面分析带来极大挑战。 早期研究多

本项目旨在实现基于YOLOv8模型的多姿态行为识别系统，通过采集并分析站立、摔倒、坐姿、深蹲和跑步五种常见行为，系统能够对这些姿态进行准确识别。项目包含完整的源代码、数据集、训练流程以及PyQt5界面

随着人工智能技术的发展，深度学习在多个领域取得了显著突破。YOLOv8作为当前流行的目标检测模型，在多个实际应用中表现出了强大的检测能力。

随着工业化的快速发展，粉尘污染成为了环境监测和工业安全中必须关注的问题。传统的粉尘检测方法往往依赖人工采样和实验室分析，周期长、成本高。

本项目基于 YOLOv8目标检测算法，结合标注数据集和深度学习技术，实现 茶叶病虫害的自动识别与分类，并且配备了 PyQt5可视化界面，方便科研人员和茶农直接使用。

在现代养殖业中，如何高效、准确地监测猪的生活行为，是提升生产效率与健康管理的关键。借助深度学习与计算机视觉，本项目基于 YOLOv8 目标检测模型，结合 PyQt5 可视化界面

本 猪在日常饲养环境行为数据集（3000 张图片已划分、已标注），在数据规模、类别覆盖与标注精度方面均具有较高的实用性。它不仅为智能养殖系统的研究与应用提供了坚实的数据基础

随着人工智能与计算机视觉技术的快速发展，基于人脸与眼部的检测与识别逐渐成为诸多应用的核心环节。从智能安防、智慧教育到智能驾驶、医疗辅助诊断，人的脸部特征与眼睛状态往往承载着重要的信息价值。

随着智慧安防与计算机视觉的发展，如何自动识别穿戴反光衣物成为工地安全、交通运输、夜间作业中的重要课题。传统人工监管方式效率低且容易遗漏，而基于YOLOv8的智能识别方法，能够通过深度学习模型实现高精度

该系统不仅能应用于 科研与生态监测，也能为 教育与自然爱好者 提供直观的工具。未来，可在此基础上扩展更多鸟类种类，结合边缘计算与移动端部署，实现更广泛的应用价值。

本项目是一款基于 YOLOv8 的智能视频分析系统，专注于 打架、斗殴及暴力行为的自动识别，集成了易用的 PyQt5 图形界面工具，适用于图片、视频、文件夹批量处理以及实时摄像头监控。

本项目基于 YOLOv8目标检测算法，结合 自采集+标注的数据集，实现了对 铁轨旁危险行为的实时自动识别。此外，项目集成了 PyQt5图形化界面，使检测与训练更加直观便捷，适合科研人员、开发者以及铁路

本项目集成了 YOLOv8 电瓶车/电动车检测模型 与 PyQt5 图形界面工具，实现了包括图片、文件夹、视频与摄像头等多种输入方式的电瓶车/电动车识别功能。配套完整源码与训练流程说明，确保你可以开箱

在这个项目中，利用YOLOv8的目标检测能力，结合深度学习的算法，通过预训练的模型对跌倒行为进行检测。系统支持从图片、视频、摄像头等多种输入源进行实时检测。使用PyQt5构建了图形界面，用户可以方便地

本项目基于最新的 YOLOv8 目标检测算法，构建了一个可用于医学图像分析的疟疾细胞检测系统，聚焦于识别图像中的 恶性疟原虫（Plasmodium falciparum）。配合完整的数据集与可视化界面

在智能驾驶与驾驶员辅助系统中，疲劳状态识别是确保行车安全的重要环节。通过对驾驶员眼睛、嘴部的状态检测，可以有效识别驾驶员是否存在 瞌睡、打哈欠、疲劳驾驶 等风险行为，从而及时预警，避免交通事故。

本项目围绕建筑行业中常见的钢筋识别与计数问题，基于先进的 YOLOv8 深度学习模型，构建了一个高效、稳定、可视化的智能检测系统。项目不仅实现了多场景支持（图片、视频、实时流）与目标自动计数