从训练到部署：基于YOLOv5和TensorRT的人脸口罩检测系统全流程实战指南（开源代码）

我是一个对称矩阵

人工智能领域优质创作者

博客专家认证

2025-02-23 19:15:35

我发表了一篇新的文章：从训练到部署：基于YOLOv5和TensorRT的人脸口罩检测系统全流程实战指南（开源代码），适合对深度学习和目标检测感兴趣的开发者。文章详细介绍了如何从零开始构建一个高效的人脸口罩检测系统，涵盖了从数据标注、模型训练到模型部署的完整流程，
欢迎大家收藏评论！

...全文

84 回复打赏收藏转发到动态举报

写回复

回复

切换为时间正序

请发表友善的回复…

发表回复

1.目标检测 1.HDD-Net：具有hand-crafted和学习到的混合特征检测器和描述符在图像匹配和3D重建等任务上，优于R2D2、D2-Net、SuperPoint和SIFT等，作者团队：帝国理工学院&华为诺亚实验室&慕尼黑工业大学 2.CVPR 2020 | 商汤提出SEPC：应对尺度变化的目标检测新算法 3.DBFace升级，模型仅1.3M的轻量级高精度人脸检测模型 4.RetinaMask：人脸口罩检测新网络 5.目标检测 | 解决小目标检测！多尺度方法汇总 6.PSDet+

选模型就像选兵器——数据量小用SVM（瑞士军刀），结构化数据用XGBoost（屠龙刀），非结构化数据直接上深度神经网络（倚天剑）。无监督学习则是让AI自己找规律，比如电商平台用DeepSeek的聚类算法把用户分成"薅羊毛党"“品质控”"价格敏感型"等8大类，个性化推荐转化率飙升300%。更绝的是他们的半监督学习方案，只用10%标注数据就能达到全监督90%的准确率，省下百万级标注成本。全连接网络是基础款轿车，CNN是越野车（处理图像），RNN是房车（处理时序数据）。

大家是否遇到过这种情况，就是在工作或者学习的时候，想去找一些方向的网络，但是呢，尴尬的是，老旧的网络里不想要，前沿的网络又不知道有哪些。为了解决大家的这个困扰，本人决定收集2020年大部分前沿的网络相关链接，之后我会：每周一更新一次（下面是我多年年收集的链接地址）\color{red}{每周一更新一次（下面是我多年年收集的链接地址） }每周一更新一次（下面是我多年年收集的链接地址） 2019计算机视觉-包揽所有前沿论文源码 2020计算机视觉-包揽所有前沿论文源码有兴趣的朋友可以加微信：a9442847

在具身智能系统中，世界模型（World Model）构建是认知能力的核心，而其中的“隐空间建模与状态压缩”技术决定了智能体对环境的理解深度与动作决策的效率。本文基于 2025 年最新开源项目与研究成果，深入剖析 Latent World Model 在真实具身系统中的工程化应用路径。通过实战构建基于 VAE、RSSM、Transformer 等架构的状态压缩模块，完成从多模态感知到隐变量抽取、状态预测与未来建模的完整流程。结合真实部署场景，详细讲解模型训练、推理优化与多模态输入处理的落地方案，助力开发者构建

55,039

社区成员

1,064

社区内容

发帖

与我相关

我的任务

人工智能计算机视觉深度学习个人社区辽宁省·大连市

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章