2026年6月19日
摘要：
作者：周琦、李润泽、张钧瑞** 从一行 pip install torch 到一个能精准识别行人、车辆的 AI 模型，我们花了数周时间。回头看这段路，踩过的坑比写过的代码还多，但每一步都值得。 最终成果 我们训练出了一个基于 YOLO11s 的无人机视角应急救援目标检测模型，最终验证结果如下： 指标 阅读全文
posted @ 2026-06-19 22:25
浪速白雪姬
阅读(17)
评论(0)
推荐(0)
摘要：
作者：周琦 随着基础模型训练完毕，我们着手进行实际场景测试，并规划未来的功能扩展。 推理速度与实战测试 我们将训练好的 best.pt 模型部署到了笔记本本地。周琦编写了推理脚本，对全新的无人机航拍视频进行测试。单张图片的推理时间约需 15.8ms，基本满足实时检测的需求。模型在复杂的城市路口环境中 阅读全文
posted @ 2026-06-19 22:24
浪速白雪姬
阅读(4)
评论(0)
推荐(0)
摘要：
作者：张钧瑞 这一阶段是项目最耗费时间和精力的部分——训练与调参。 初次训练与速度瓶颈 我们首先选用了较大的 YOLO11s 模型作为起点。由于显存限制，Batch Size 只能设为4。首次训练因为分辨率过高，一个Epoch竟然要跑半个小时！通过讨论，我们果断将输入分辨率降至 960，张钧瑞优化了 阅读全文
posted @ 2026-06-19 22:23
浪速白雪姬
阅读(8)
评论(0)
推荐(0)
摘要：
作者：李润泽 训练环境就绪后，我们迎来的第二个挑战是处理 VisDrone 数据集。这个数据集包含超过 6000 张复杂的无人机航拍图片，我们的目标是从中提取出“行人”和“车辆”两类关键目标。 数据集清洗与格式转换 VisDrone 原始标注格式与 YOLO 要求的归一化坐标有所不同。我们编写了专门 阅读全文
posted @ 2026-06-19 22:20
浪速白雪姬
阅读(7)
评论(0)
推荐(0)
摘要：
作者：周琦、李润泽、张钧瑞 我们团队接到了一个极具挑战的任务：利用无人机视角训练一个目标检测模型，用于应急救援场景，初期需要精准识别行人和车辆。作为项目的基础，第一周的主要任务是在周琦的带领下，从零开始搭建深度学习训练环境。 硬件选型与系统配置 我们选用了搭载 NVIDIA GeForce RTX 阅读全文
posted @ 2026-06-19 22:20
浪速白雪姬
阅读(7)
评论(0)
推荐(0)
摘要：
周二日报 日期：本周周二 今日学习内容 1. 专业课：计算机网络课程，学习信道、传输介质、带宽相关概念，绘制物理层结构思维导图；整理双绞线、光纤对比知识点。 2. 数学课：工程数学课堂，学习线性变换基础，完成课堂配套计算题；概率论自习，复习古典概型、条件概率公式，刷题10道基础题。 3. 六 阅读全文
posted @ 2026-06-19 15:41
浪速白雪姬
阅读(3)
评论(0)
推荐(0)
摘要：
周一日报 日期：本周周一 今日学习内容 1. 专业课：软件工程课程，学习软件生命周期模型、瀑布模型优缺点，梳理需求分析阶段核心任务，整理课堂案例笔记；课后完成章节课后简答练习。 2. 公共课：毛概课堂，记录新时代相关理论要点，完成随堂选择题作业。 3. 六级备考：背诵50个高频阅读词汇，精做 阅读全文
posted @ 2026-06-19 15:40
浪速白雪姬
阅读(9)
评论(0)
推荐(0)
浙公网安备 33010602011771号