计算机视觉大作战

毕业设计

代码在线跑，知识轻松学

Python精品学习库

自行/邀约他人一键搬运博客，速成社区影响力并领取好礼

博客搬家 | 分享价值百万资源包

往期视频·干货材料·成员作品 最新动态

技术创作特训营·精选知识专栏

新邀入驻腾讯云开发者社区，福利多多！

如何运用「云、端融合的数智化安全体系」高效护航数据安全

左手AI，右手安全 —— 一汽丰田数字化转型之路

本课题主要针对电商系统的设计，项目架构采用分布式架构设计，前端技术使用Vue.js，项目使用Dubbo和Zookeeper对于服务提供者和消费者进行统一管理。包含电商系统的大部分功能。该系统分为商家端和用户端。商家端有权限管理、商品管理、广告管理等功能。用户端有用户注册和登录、搜索商品、添加购物车、商品下单、支付、秒杀商品等功能。

基于Spring Boot + Vue.js的高并发电商系统的设计与实现-①绪论

一开始在服务器上面即使运行了zookeeper和dubbo-admin容器都没有访问出dubbo-admin的界面管理器。查看了其他映射端口以及注册中心的地址等等其他参数，都不行，然后就一直没有去处理。就摆了半个月的时间。

2024.03.19记录所解决的问题

报告内容（包括选题的意义与目的、文献综述、研究现状、创新思路、论文提纲、进度安排、参考文献等。）

基于SpringBoot+Vue.js的高并发电商系统的设计与实现-开题报告

💡💡💡本文摘要：基于YOLO11的牙齿检测，阐述了整个数据制作和训练可视化过程

基于YOLO11的牙齿检测系统（Python源码+数据集+Pyside6界面）

​💡💡💡本文摘要：基于YOLO11的柑橘树上树下检测，阐述了整个数据制作和训练可视化过程

基于YOLO11的柑橘树上树下检测系统（Python源码+数据集+Pyside6界面）

💡💡💡问题点：针对 Transformer 在图像超分辨率（SR）任务中的高计算开销问题，提出了一系列高效解决方案。①我们观察到自注意力在不同层之间存在重复性

YOLO11首发优化：Transformer创新 | 卷积化自注意力，共享大卷积核和动态卷积核，引入Flash Attention高效涨点| ICCV2025

💡💡💡本文摘要：基于YOLO11的夹层玻璃缺陷检测系统，阐述了整个数据制作和训练可视化过程

基于YOLO11的夹层玻璃缺陷自动视觉检测系统（Python源码+数据集+Pyside6界面）

腾讯 IMA（Intelligent Model Assistant） 是腾讯推出的AI智能工作平台，依托混元大模型 + DeepSeek-R1 双引擎，支持联网搜索、多模态解析与结构化知识管理。 它并非仅为通用文档而生——通过IMA，你可搭建专属的“YOLO算法知识库”，打通技术研究、工程优化到团队协作的全链路效率。

YOLO 算法不再难：用腾讯 IMA 构建你的「垂直领域知识引擎」

💡💡💡SBP-YOLO模型代表了道路异常检测领域的最新技术突破，通过多项创新设计在保持YOLO算法高实时性的同时显著提升了检测精度。该模型融合了轻量化设计、特征增强机制和实时性优化三大技术方向的核心创新，为嵌入式自动驾驶平台提供了理想的检测解决方案。

SBP-YOLO智能驾驶最新技术突破

💡💡💡问题点：航空和卫星图像固有存在低空间分辨率、传感器噪声、目标模糊、低光照退化和部分遮挡等限制

YOLO11优化：遥感目标检测 | 专为低质量遥感图像设计的边缘 - 高斯聚合（EGA）模块，解决低空间分辨率、传感器噪声、目标模糊、低光照退化和部分遮挡等限制

💡💡💡本文摘要：基于YOLO11的久坐人群姿态检测，阐述了整个数据制作和训练可视化过程

基于YOLO11的久坐人群​​​​​​​姿态检测系统（Python源码+数据集+Pyside6界面）

💡💡💡现有IoU问题点：现有的边界盒回归方法通常考虑GT盒与预测盒之间的几何关系，利用边界盒的相对位置和形状来计算损失，而忽略了边界盒的形状和规模等固有属性对边界盒回归的影响。

YOLOv13改进：IoU优化 | 一种新的Shape IoU，更加关注边界框本身的形状和尺度，对小目标检测也很友好

💡💡💡本文独家改进：一种超轻量高效动态上采样DySample， 具有更少的参数、FLOPs，效果秒杀CAFFE和YOLOv13网络中的nn.Upsample

YOLOv13改进：上采样算子 | 超轻量高效动态上采样DySample，效果秒杀CAFFE，助力小目标检测

💡💡💡叶片病害问题点：特征颜色、纹理及形态的多样性，加之光照条件变化，导致检测难度变大

一种基于YOLO11的高精度叶片病害检测算法（原创自研）

💡💡💡本文摘要：基于YOLO11的野生动物检测，阐述了整个数据制作和训练可视化过程

基于YOLO11的 野生动物检测系统（Python源码+数据集+Pyside6界面）

💡💡💡本文摘要：基于YOLO11的农场猪检测，阐述了整个数据制作和训练可视化过程

基于YOLO11的农场猪检测系统（Python源码+数据集+Pyside6界面）

💡💡💡本文改进内容：加入EMA注意力，一种基于跨空间学习的高效多尺度注意力，效果优于ECA、CBAM、CA等经典注意力。

YOLOv13改进：注意力机制 | EMA：基于跨空间学习的高效多尺度注意力，效果优于ECA、CBAM、CA

💡💡💡本文内容：如何用自己的数据集训练YOLOv13，在NEU-DET任务中YOLOv13原始mAP50为0.742；yolov13-MSCA原始mAP50为0.742提升至0.746；yolov13-MSCA1原始mAP50为0.742提升至0.749；yolov13-MSCA2原始mAP50为0.742提升至0.749

YOLOv13如何提升NEU-DET的检测精度 | 新颖的多尺度卷积注意力（MSCA）加在网络不同位置的涨点情况

💡💡💡本文内容：如何用自己的数据集训练YOLOv13，在NEU-DET任务中不使用预训练模型，YOLOv13原始mAP50为0.742；使用预训练模型，YOLOv13原始mAP50为0.762

如何用自己的数据集训练YOLOv13以及提升精度（NEU-DET为案列展开）

AI小怪兽，YOLO骨灰级玩家，1）YOLOv5、v7、v8、v9、v10、11、v12、v13优化创新，轻松涨点和模型轻量化；2）目标检测、语义分割、OCR、分类等技术孵化，赋能智能制造，工业项目落地经验丰富；

《YOLOv13：基于超图增强自适应视觉感知的实时目标检测》原理、代码详解

文章

问答

视频

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋 

腾讯云代码助手

CODING DevOps

Cloud Studio

SDK中心

API中心

命令行工具

腾讯云开发者社区推出了毕业设计专栏，为你提供了毕业设计的相关文章，致力于帮助开发者快速成长与发展。

毕业设计

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐