蜗牛不会算法

1. 基于YOLOv5金属表面缺陷检测 1.1 数据集介绍 NEU数据集由东北大学宋克臣团队制作，专注于钢材表面缺陷的检测与识别。数据集包含了1800张灰度图像，涵盖了六种...

MobileViT是Apple在2021年提出的轻量级视觉Transformer，结合了CNN的高效和Transformer的全局建模能力。CNN的轻量和高效+Transf...

1. 简介 ViT是2020年Google团队提出的将Transformer应用在图像分类的模型。 ViT原论文中最核心的结论是，当拥有足够多的数据进行预训练的时候，ViT...

一、宏观定位与生态区别 二、网络架构核心区别 1. Backbone（主干网络） YOLOv5：CSPDarknet53 核心模块：C3模块...

1. Transformer 整体结构 Transformer 由 Encoder 和 Decoder 两个部分组成，Encoder 和 Decoder 都包含 6 个 b...

2.模型压缩策略 2.1网络剪枝 2.1.1非结构化剪枝 2.1.2结构化剪枝 2.1.3其他类型的方法 2.2轻量级网络设计 2.2.1基于卷积结构的轻量级模型设计 2....

一、核心奠基论文（提出分阶段/分层剪枝思想） 分阶段混合策略： 1. AMC: AutoML for Model Compression (2018) 首次提出每层可以有不...

YOLOv8结构化剪枝 1. 核心原理对比 Network Slimming（NS） 依赖BN层γ参数作为通道重要性指标 L1正则化训练使不重要的通道γ趋近于0 全局阈值剪...

1. 数据输入与增强参数 这类参数控制着图像在进入网络前的样子，直接影响模型的泛化能力和鲁棒性。 2. 模型结构超参数 这类参数定义了神经网络的长相和容量，通常在模型设计阶...

1. 核心思想 Network Slimming 的核心是利用Batch Normalization（BN）层中的缩放因子γ（gamma参数） 作为通道重要性的度量指标，用...

YOLOv8网络使用的模块： 卷积模块：Conv + BatchNorm + SiLU 瓶颈模块：减少计算复杂度和参数数量，同时保留模型性能 C2f模块：高效多分支多特征提...

一、模型压缩技术概述 1.1 模型压缩问题定义 因为嵌入式设备的算力和内存有限，因此深度学习模型需要经过模型压缩后，方才能部署到嵌入式设备上。 模型压缩问题的定义可以从 3...

1. YOLOv8预训练模型迁移学习 1. YOLOv8源码下载和安装 （1）克隆YOLOv8并安装 克隆项目到本地。2.DepGraph结构化剪枝...

DepGraph结构化剪枝原理深度解析 核心思想：依赖图（Dependency Graph） 一句话概括：DepGraph通过分析神经网络的计算图依赖关系，自动识别并同步剪...

回调函数本质上是一种线程间通信（Inter-Thread Communication, ITC）机制。在多线程编程中，回调函数提供了一种高效的事件驱动通信方式，允许线程之间...

这种实现使用了共享全局内存 + 互斥锁同步的方式在线程间传递图像数据，是一种经典的生产者-消费者模型。 1. 共享全局内存 存储格式：连续的RGB像素数据 内存布局：[R0...

在多个线程间安全共享图像数据并避免冲突，互斥锁(Mutex)和队列(Queue)都是有效的同步机制 1. 互斥锁方案：共享最新帧 适用场景：只需要处理最新帧（如实时预览） ...

1. 代码整个结构 2. 智能识别模块 3. 下载模型 下载手掌检测模型 palm.xml 拷贝到目标板 4. 编译： 在# V4L2摄像头数据采集（读取、转换、缩放、合并...

1. 整体代码结构 2. 摄像头采集模块 camera_100ask_dev.c/.h —— 摄像头采集模块 负责摄像头设备的初始化、图像采集、格式转换、缩放、亮度调节、保...

1. 整体流程框架 2. 五个核心模块 每个模块通常由单独的源文件管理，主程序（如 main.c）只负责调用这些模块，实现完整的数据采集与显示流程。这样设计让程序更清晰、易...