基于YOLO目标检测的哨兵监控系统项目开发
导语：本文不谈情怀，只讲技术。 记录如何用 Python + React 在 Windows 环境下榨干 USB 摄像头性能，从零手搓一套低延迟、高帧率、带 AI 实时检测的无头后台监控系统。 1. 项目愿景：突破原生限制 市面上有很多开源监控方案，但在 Windows 环境下往往面临启动慢、帧率低
基于卷积神经网络实现 MNIST 手写数字识别项目
用CNN实现MNIST手写数字识别：从模型训练到预测优化 手写数字识别是计算机视觉中最经典的入门任务之一，而 MNIST 数据集则提供了标准化的实验环境。本项目基于卷积神经网络（CNN）实现了一个完整的手写数字识别系统，支持模型训练、评估、单图像预测、批量测试和后处理优化，非常适合深度学习初学者学习
机器学习项目：基于 YOLO11的军用飞机识别
YOLO介绍 YOLO（You Only Look Once）是一种基于深度学习的实时目标检测算法，最早由 Joseph Redmon 等人提出，其主要特点是将目标检测任务转化为一个单一的回归问题，在一次前向传播中同时预测多个边界框和类别概率，因此得名 “只看一次”。这种设计使得YOLO能够实现快速
