软件工程opencv图像在C#与C++之间交互传递
测试环境： vs2019windows x64opencv4.8.0opencvsharp4.8.0netframework4.7.2课程解决问题：(1)C#如何传递opencvsharp的Mat图像数据给C++(2)C#如何接收C++ opencv的Mat图像数据
共4节 111人已学习¥80.0 免费试学
深度学习搞定系列：训练自己的yolov9目标检测模型windows版
本课程将带您进入yolov9面向目标检测框架搭建环境，标注，训练，测试等完整实现过程。主要内容如下1、 yolov9框架基本介绍2、搭建windows上yolov9环境3、用labelImg标注自己的数据集4、转换数据集 5、配置参数6、参数调节和训练7、测试自己的模型yolov9是yolov7作者最新佳作，是一个集成了分类、分割和目标检测框架。yolov9发布形式类似于yolov7，大大降低了使用难度，是目前非常优秀目标检测图像分类实例分割的框架。yolov9不仅仅是一个目标检测框架，而且集成了图像分类，实例分割。让我们在cv领域又多出一个非常实用深度学习算法框，本课程主要针对目标检测做自己的数据集训练，不对实例分割和图像分类训练做讲解，请同学中注意一下本课程主要内容，请观看本课程的课程导论，了解课程主要内容和体系结构。
共12节 1055人已学习¥120.0 免费试学
深度学习搞定系列：yolov9目标检测封装成类调用
本课程主要核心是将yolov9框架封装成一个类，方便调用或者集成开发以及集成部署。通过本课程您将收获一下知识：（1）了解yolov9框架检测基本流程；（2）掌握目标检测封装类大体思路；（3）学会yolov9封装函数以测试；（4）学会利用封装类模块，进行API调用。本课程优点：（1）去掉课程无关的讲解，直击课程核心出发点，避免花费更多时间学习自己已经掌握知识，而着重掌握封装本质上来；（2）提供代码讲解和API示例，让同学们更快获取本课程核心内容；（3）课程简洁，重点课程重点讲解。学习本课程之前您需要准备的是（本课程不提供讲解）：（1）您需要提前搭建好自己yolov9环境，建议使用Anaconda3搭建,建议python版本torch==1.9.0（2）您需要保证自己的环境正常运行，比如可以预测图片或者视频（3）您需要准备官方提供模型或者自己训练的模型本课程环境为windows10，您也可以在linux上操作，但需要一个带一块英伟达显卡。
共7节 256人已学习¥150.0 免费试学
软件工程攻克系列：matplotlib-cpp在vs上的配置
Matplotlib-cpp是一个用于C++的Matplotlib库绑定，它可以让C++程序使用Matplotlib进行数据可视化。在Visual Studio上配置Matplotlib-cpp需要以下步骤：1、下载并安装Python环境和Matplotlib。确保Python可以在命令行中运行。2、在Visual Studio中创建一个C++项目。3、在代码中包含Matplotlib-cpp的头文件，并使用Matplotlib-cpp的函数进行绘图。4、配置头文件和库文件5、编译并运行程序。如果一切正常，应该可以看到一个图形窗口显示。以上是Matplotlib-cpp在Visual Studio上的基本配置步骤。具体操作可能会因操作系统和Visual Studio版本而有所不同，需要根据实际情况进行调整。本课程将通过实际操作帮助大家怎么配置matplotlibcpp到Visual Studio中，本课程用到的环境为windows x64Visual Studio 2019anaconda3请大家准备好安装包让我们一起进入课堂吧
共3节 329人已学习¥50.0 免费试学
软件工程搞定系列：CMakeLists编写实战linux版
CMake是一个跨平台的构建工具，可以用于自动生成构建系统，以便管理C++项目的构建和发布。在这个课程中，我们将以简单例子了解CMakeLists编写规则，包括它的基本概念、语法和用法，以及如何使用它来自动化编译C++项目。课程大纲如下： * CMake基本概念了解，通过简单例子去学习CMake构建规则。 * CMake语法和用法 介绍CMake的语法和基本命令，包括变量、函数、条件语句、循环语句等。 * 构建C++项目 介绍如何使用CMake来构建和管理软件项目，包括如何创建CMake项目、如何添加和配置目标、如何添加和配置源文件、如何添加和配置库文件等。 * CMake的高级功能 介绍CMake的一些高级功能，包括如何使用变量、如何使用条件语句和循环语句、如何添加自定义目标、如何添加自定义命令等。 * 实践项目 通过实践项目来巩固所学知识，包括如何使用CMake来构建一个简单的C++程序、如何使用CMake来构建一个多目标的项目、如何使用CMake来构建一个静态库和动态库等。通过这个课程，您将学会使用CMake来自动化构建和管理软件项目，从而提高您的开发效率，减少错误，并使您的项目更加可维护。
共23节 194人已学习¥100.0 免费试学
深度学习搞定系列：yolo-nas训练自己目标检测模型windows版
本课程将带您进入yolo-nas面向目标检测框架搭建环境，标注，训练，测试等完整实现过程。主要内容如下1、 yolo-nas框架基本介绍2、搭建windows上yolo-nas环境3、用labelImg标注自己的数据集4、转换数据集 5、配置参数6、参数调节和训练7、测试自己的模型yolo-nas是一个集成了图像分类、实例分割、目标检测的框架。其友好的API接口方式，大大降低了使用难度，是目前非常优秀目标检测图像分类实例分割的框架。让我们在cv领域又多出一个非常实用深度学习算法框，本课程主要针对目标检测yolo_nas_s做自己的数据集训练，不对实例分割和图像分类训练做讲解，请同学中注意一下本课程主要内容，请观看本课程的课程导论，了解课程主要内容和体系结构。
共11节 674人已学习¥120.0 免费试学
深度学习搞定系列：yolov8追踪封装与应用
本课程主要核心是介绍yolov8的2种目标追踪算法，并通过2个实际运用例子让同学们掌握yolov8追踪目标技巧，同时将bytetrack和botsort追踪算法封装成一个类，方便调用或者集成开发以及集成部署。通过本课程您将收获一下知识：（1）了解yolov8框架检测基本流程；（2）掌握目标追踪封装类大体思路；（3）学会yolov8目标追踪封装方法和调用；（4）学会利用封装类模块，进行API调用。本课程优点：（1）去掉课程无关的讲解，直击课程核心出发点，避免花费更多时间学习自己已经掌握知识，而着重掌握封装本质上来；（2）提供代码讲解和追踪示例，让同学们更快获取本课程核心内容；（3）课程简洁，重点课程重点讲解。本课程环境为windows10，您也可以在linux上操作，但需要一个带一块英伟达显卡。
共15节 429人已学习¥120.0 免费试学
深度学习搞定系列：yolov7目标检测封装成类调用
本课程主要核心是将yolov7框架封装成一个类，方便调用或者集成开发以及集成部署。通过本课程您将收获一下知识：（1）了解yolov7框架检测基本流程；（2）掌握目标检测封装类大体思路；（3）学会yolov7封装函数以测试；（4）学会利用封装类模块，进行API调用。本课程优点：（1）去掉课程无关的讲解，直击课程核心出发点，避免花费更多时间学习自己已经掌握知识，而着重掌握封装本质上来；（2）提供代码讲解和API示例，让同学们更快获取本课程核心内容；（3）课程简洁，重点课程重点讲解。学习本课程之前您需要准备的是（本课程不提供讲解）：（1）您需要提前搭建好自己yolov7环境，建议使用Anaconda3搭建；（2）您需要保证自己的环境正常运行，比如可以预测图片或者视频（3）您需要准备官方提供模型或者自己训练的模型本课程环境为windows10，您也可以在linux上操作，但需要一个带一块英伟达显卡。
共7节 841人已学习¥150.0 免费试学
深度学习搞定系列:yolov7训练自己的目标检测模型windows版
本课程将带您进入yolov7面向目标检测框架搭建环境，标注，训练，测试等完整实现过程。环境基础都是在windows10系统上进行教学。主要内容如下1、 yolov7框架基本介绍2、搭建windows上yolov7环境3、用labelImg标注自己的数据集4、转换数据集 5、配置参数6、参数调节和训练7、测试自己的模型yolov7是darknet团队最新佳作，是目前非常优秀目标检测和实例分割的框架。yolov7不仅仅是一个目标检测框架，而且集成了姿态估计，实例分割等功能。让我们在cv领域又多出一个非常实用深度学习算法框架，本课程主要针对目标检测做自己的数据集训练，不对分割或者其他算法训练做讲解，请同学中注意一下本课程主要内容，请观看本课程的课程导论，了解课程主要内容和体系结构。本课程您需要准备环境是：（1）windows10/11系统,windows7 64位系统也可以（2）必须要配有nvidia显卡，可以是GTX920MX以上显卡都行，建议是RTX3060、RTX3090等高端显卡。
共13节 449人已学习¥120.0 免费试学
深度学习搞定系列：yolov8目标检测封装成类调用
本课程主要核心是将yolov8框架封装成一个类，方便调用或者集成开发以及集成部署。通过本课程您将收获一下知识：（1）了解yolov8框架检测基本流程；（2）掌握目标检测封装类大体思路；（3）学会yolov8封装函数以测试；（4）学会利用封装类模块，进行API调用。本课程优点：（1）去掉课程无关的讲解，直击课程核心出发点，避免花费更多时间学习自己已经掌握知识，而着重掌握封装本质上来；（2）提供代码讲解和API示例，让同学们更快获取本课程核心内容；（3）课程简洁，重点课程重点讲解。学习本课程之前您需要准备的是（本课程不提供讲解）：（1）您需要提前搭建好自己yolov8环境，建议使用Anaconda3搭建,建议版本ultralytics>=8.0.54；（2）您需要保证自己的环境正常运行，比如可以预测图片或者视频（3）您需要准备官方提供模型或者自己训练的模型本课程环境为windows10，您也可以在linux上操作，但需要一个带一块英伟达显卡。
共6节 2133人已学习¥150.0 免费试学
深度学习搞定系列：yolov8训练自己的目标检测模型ubuntu版
本课程将带您进入yolov8面向目标检测框架搭建环境，标注，训练，测试等完整实现过程。环境基础都是在ubuntu系统上进行教学。主要内容如下1、 yolov8框架基本介绍2、搭建ubuntu上yolov8环境3、用labelImg标注自己的数据集4、转换数据集 5、配置参数6、参数调节和训练7、测试自己的模型yolov8是yolov5团队最新佳作，是一个anchor free的框架，集成了yolov3,yolov5,yolov8框架。yolov8发布形式为cli版本，大大降低了使用难度，是目前非常优秀目标检测图像分类实例分割的框架。yolov8不仅仅是一个目标检测框架，而且集成了图像分类，实例分割。让我们在cv领域又多出一个非常实用深度学习算法框，本课程主要针对目标检测做自己的数据集训练，不对实例分割和图像分类训练做讲解，请同学中注意一下本课程主要内容，请观看本课程的课程导论，了解课程主要内容和体系结构。本课程您需要准备环境是：（1）ubuntu18.04系统,其他系统也可以（2）必须要配有nvidia显卡，可以是GTX920MX以上显卡都行，建议是RTX3060等高端显卡。
共12节 682人已学习¥120.0 免费试学
深度学习搞定系列：yolov8训练自己的实例分割模型ubuntu版
本课程将带您进入yolov8面向实例分割框架搭建环境，标注，训练，测试等完整实现过程。这个课程主要使用的环境都是在ubuntu18.04.6操作系统上进行的，主要内容如下1、 yolov8目标检测框架基本介绍2、搭建ubuntu上yolov8环境3、用roboflow或者labelme标注自己的数据集4、转换数据集 5、配置参数6、参数调节和训练7、测试自己的模型yolov8不仅仅是一个目标检测框架，也具备实例分割和图像分类的功能。让我们在cv领域多出一个非常实用深度学习算法框，本课程主要针对实例分割做自己的数据集训练，不对目标检测和图像分类训练做讲解，请同学注意一下本课程主要内容，可以先观看本课程的课程导论，了解课程主要内容和体系结构。本课程需要用到的环境：(1)ubuntu18.04系统，您也可以使用其他版本系统比如ubuntu16.04/ubuntu20.04(2)带有nvidia显卡的台式机或者笔记本，要求显卡必须>=GTX920MX以上。
共13节 2300人已学习¥120.0 免费试学
深度学习搞定系列：yolov8训练自己的实例分割模型windows版
本课程将带您进入yolov8面向实例分割框架搭建环境，标注，训练，测试等完整实现过程。主要内容如下1、 yolov8目标检测框架基本介绍2、搭建windows上yolov8环境3、用roboflow或者labelme标注自己的数据集4、转换数据集 5、配置参数6、参数调节和训练7、测试自己的模型yolov8不仅仅是一个目标检测框架，也具备实例分割和图像分类的功能。让我们在cv领域多出一个非常实用深度学习算法框，本课程主要针对实例分割做自己的数据集训练，不对目标检测和图像分类训练做讲解，请同学注意一下本课程主要内容，可以先观看本课程的课程导论，了解课程主要内容和体系结构。
共13节 3257人已学习¥120.0 免费试学
深度学习搞定系列：yolov8训练自己的目标检测模型windows版
本课程将带您进入yolov8面向目标检测框架搭建环境，标注，训练，测试等完整实现过程。主要内容如下1、 yolov8框架基本介绍2、搭建windows上yolov8环境3、用labelImg标注自己的数据集4、转换数据集 5、配置参数6、参数调节和训练7、测试自己的模型yolov8是yolov5团队最新佳作，是一个anchor free的框架，集成了yolov3,yolov5,yolov8框架。yolov8发布形式为cli版本，大大降低了使用难度，是目前非常优秀目标检测图像分类实例分割的框架。yolov8不仅仅是一个目标检测框架，而且集成了图像分类，实例分割。让我们在cv领域又多出一个非常实用深度学习算法框，本课程主要针对目标检测做自己的数据集训练，不对实例分割和图像分类训练做讲解，请同学中注意一下本课程主要内容，请观看本课程的课程导论，了解课程主要内容和体系结构。
共11节 4859人已学习¥120.0 免费试学
深度学习搞定系列：yolov7-segmention训练实例分割模型win版
本课程将带您进入yolov7面向实例分割框架搭建环境，标注，训练，测试等完整实现过程。主要内容如下1、 yolov7目标检测框架基本介绍2、搭建windows上yolov7环境3、用roboflow或者labelme标注自己的数据集4、转换数据集 5、配置参数6、参数调节和训练7、测试自己的模型众所周知，yolov7不仅仅是一个目标检测框架，现在已经集成姿态检测，实例分割。让我们在cv领域多出一个非常实用深度学习算法框，本课程主要针对实例分割做自己的数据集训练，不对目标检测和图像分类训练做讲解，请同学注意一下本课程主要内容，可以先观看本课程的课程导论，了解课程主要内容和体系结构。
共14节 1676人已学习¥120.0 免费试学
深度学习搞定系列:yolov5训练自己的实例分割模型windows版
本课程将带您进入yolov5-6.2面向实例分割框架搭建环境，标注，训练，测试等完整实现过程。主要内容如下1、 yolov5框架基本介绍2、搭建windows上yolov5环境3、用roboflow或者labelme标注自己的数据集4、转换数据集 5、配置参数6、参数调节和训练7、测试自己的模型众所周知，yolov5如今不仅仅是一个目标检测框架，现在已经集成图像分类，实例分割。让我们在cv领域多出一个非常实用深度学习算法框，本课程主要针对实例分割做自己的数据集训练，不对目标检测和图像分类训练做讲解，请同学中注意一下，本课程主要内容，将观看本课程的课程导论，了解课程主要内容和体系结构。
共14节 668人已学习¥120.0 免费试学
深度学习搞定系列：mmdetection训练自己的数据集ubuntu版
本课程是专门为刚入门的学生，研究者和爱好者打造训练模型流程讲解课程。本课程着重从安装环境，标注数据集，转换数据集，修改训练前配置参数，训练自己的模型，测试自己的模型进行讲解，适合初学者。 mmdetection是openmmlab系列框架之一，集合很多优秀的目标检测算法和部分图像分割算法，本课程只对目标检测算法训练流程进行讲解，其中选择了SSD，fasterrcnn,yolox三个框架对训练流程进行讲解。 本课程具有特点：（1）教会您在ubuntu上安装自己的显卡驱动，cuda+cudnn和anaconda3（2）了解深度学习领域中常用VOC格式和COCO格式含义（3）学会使用labelImg标注工具，这个工具主要是做目标检测使用，支持VOC格式,yolox格式和ML格式（4）学会训练参数配置文件修改，这个了解后，可以有利于学习其他框架训练，比如paddledetection或者openmmlab其他系列的框架，他们存在很多相似地方本课程需要的环境：ubuntu18.04或其他系统带有英伟达显卡驱动电脑一台cuda10.2+cudnn7.6.5torch==1.7.0torchvision==0.8.1本课程设计的目标：（1）让同学们快速掌握自定义数据集训练的基本流程（2）让同学们学会安装自己电脑的深度学习环境（3）让同学们学会目标检测自定义数据集标注方法
共18节 378人已学习¥100.0 免费试学
深度学习搞定系列：DETR训练自己的目标检测数据集ubuntu版
本课程主要以ubuntu为环境基础，为大家讲解如何在ubuntu上训练自己的DETR目标检测数据集模型，主要包括ubuntu上显卡驱动安装，cuda+cudnn安装，anaconda3安装，labelImg安装,DETR环境安装。 本课程主要以实践为基础，理论问辅。注重讲解DETR目标检测训练的流程以及如何测试自己训练好的模型，并提供了预测类的代码和转换数据集的代码，使得同学们在本课中可以提高获得训练模型效率和训练周期。 学习本课程需要大家准备好一个Ubuntu18.04系统环境，如果其他版本ubuntu系统也可以，然后就是需要环境是带有英伟达显卡，不建议使用虚拟机训练自己模型。 请注意，本课程是对DETR进行目标检测训练流程讲解，不对DETR分割模型训练进行讲解。如果您需要分割模型则不适宜学习本课程。
共13节 1298人已学习¥100.0 免费试学
深度学习搞定系列：yolox检测封装成类调用
本课程主要核心是将Yolox框架封装成一个类，方便调用或者集成开发以及集成部署。通过本课程您将收获一下知识：（1）了解Yolox框架检测基本流程；（2）掌握目标检测封装类大体思路；（3）学会Yolox封装函数以测试；（4）学会利用封装类模块，进行API调用。本课程优点：（1）去掉课程无关的讲解，直击课程核心出发点，避免花费更多时间学习自己已经掌握知识，而着重掌握封装本质上来；（2）提供代码讲解和API示例，让同学们更快获取本课程核心内容；（3）课程简洁，重点课程重点讲解。学习本课程之前您需要准备的是（本课程不提供讲解）：（1）您需要提前搭建好自己Yolox环境，建议使用Anaconda3搭建；（2）您需要保证自己demo.py可以正常运行（3）您需要准备官方提供模型或者自己训练的模型
共7节 363人已学习¥150.0 免费试学
深度学习搞定系列：paddleocr训练自己的数据集ubuntu版
paddleocr训练自己数据集ubuntu版是一门专门适合初学者训练自己的paddleocr模型教程。通过本教程您可以收获：（1）学会在ubuntu上安装自己的显卡驱动（2）学会在ubuntu上安装cuda+cudnn（3）学会在ubuntu上安装anaconda3（4）学会在ubuntu安装PPOCRLabel以及使用PPOCRLabel标注自己的数据集（5）学会使用ubuntu训练文本检测模型（6）学会使用ubuntu训练文本识别模型（7）学会使用paddleocr导出自己的模型（8）学会使用paddleocr测试自己的模型
共14节 1379人已学习¥120.0 免费试学
- 1
- 2
卢老师
研究员
熟悉众多计算机编程语言，开发众多windows程序,长期致力于图像算法、深度学习方面研究工作。
课程数 25 学生数 33650