五一宜兴游记宜兴是无锡下辖的一个县级市，不大，以陶器出名，称为陶都。历史上苏东坡等名人也曾居住此地。 Info:宜兴，古称阳羡，这里不仅紫砂壶闻名天下，茶叶也很不错哦。 五一的行程是这样的： 5/2 上海-宜兴 （C3003高铁） 宜兴陶瓷博物馆 黄龙山矿址公园 陶二厂 蜀山古南街（制陶体验） 5/3 宜兴竹海风景区

武汉一日游五一节前在武汉出差，周六逛了下武汉。主要逛了： 湖北省博物馆 黄鹤楼中间穿插了楚河汉街和户部巷 湖北省博物馆提前在湖北省博物馆官方微信公众号了解了开放日期和编钟表演时间。 闭馆日：周一及除夕（国家法定节假日除外） 门票：提前5天预约，放票时间每天17:18分 编钟表演： 4/12日起10:30，11:30，14:00，15:00，双休及法定节假日增加16:00，票价50元

全自动标注上一篇，我们介绍了基于SAM2的半自动标注。这一篇，我们将介绍基于YOLO的全自动标注 工具工具依然是X-Anylabeling下载等信息这里就不赘述了，有需要请看半自动标注篇。 原理主要的原理就是需要有一个预训练的模型来进行辅助识别。通过小批量的数据集训练得到一个best.pt的模型，用这个模型来进行大规模的图像标注。 模型准备首先，需要有一个预训练的YOLO模型，比如yolo11n.

基于SAM2的半自动标注之前介绍了使用Labelme等工具进行标注。今天介绍下新的工具，并且使用SAM2来实现半自动的标注。 半自动标注与全自动标注所谓半自动标注与全自动标注，其实并非完全无人工参与。 半自动标注我这边所谓的半自动标注，指的是：人工点击目标，自动生成矩形框。无需人工进行框选。虽然人工依然参与，但是工作量降低了很多。而且可以实现非常高的精度，适合用于最初始的训练数据集。 全自动标注我

YOLO数据集图像预处理准备自定义数据集时，首先要准备图片。但收集到的图片可能规格各种各样。也可能数量并不够。因此我们需要进行预处理。下面分享一个使用opencv进行预处理的程序： 1234567891011121314151617181920212223242526272829303132333435363738394041424344454647484950515253545556575859

视频帧提取上一篇使用SAM2中介绍了对于视频进行识别，事实上需要先采样为图片。因此这一篇介绍下视频帧的提取。 工具我使用的是FFmpeg。相信也有其他的工具，请网上搜索其他的教程。 下载FFmpeg官网官网提供Linux、Mac、Windows多种平台以及多种安装方式的文件下载。 手册更加详细的内容，请参考：官方手册 提取基础帧提取1ffmpeg -i input.mp4 -vf "fp

这一篇我们插播一下SAM2，但事实上也是为了实现标注。 SAM2Segment Anything Model 2SAM2是Meta在SAM后面的第二代产品。主要增加了对视频的支持。SAM2官网 为什么要使用SAM2SAM2主要用于图形分割。也就是说，能够识别物体。因此将其用于YOLO图像的标注，会起到事半功倍的效果。本篇简单介绍SAM2是为了实现SAM2模型下的YOLO图像半自动标注。 安装根据官

标注 Label本篇将简要介绍几个用于Yolo标注的工具：Labelme、Labelimg、Label Studio。后续将介绍基于SAM2的半自动标注以及全自动标注的实现。 Labelmelabelme的Github主页 安装Labelme可以参考官方Guide最简单使用pip安装(使用了PyQT5) 1pip install labelme 或者下载单独exe文件下载地址 使用Label

CUDA环境安装补充之前写过YOLO训练的device选择，简单说明了下CUDA的安装。这里再补充一下 CUDA安装CUDA安装和之前的没有变化，请参考原来的内容 NOTE需要加入环境变量PATH Pytorch CUDA上一篇没有详细介绍这一步，今天补充一下。YOLO需要使用CUDA，必须使得Pytorch也是有CUDA的版本。默认安装Ultra

YOLO视觉检测应用入门篇（五-小结） 小结经过之前几篇的简单介绍，相信对于Yolo已经有了一些理解和认识，尤其是在应用方面对于YOLO的val和perdict，建议可以去Github Doc进行进一步的学习了。相信接下来会更加得心应手。YOLO不仅用于图片，也可以用于视频。 除此之外，有一些个人的建议： 是时候看一下原理的教程了当完全不熟悉的时候去听这些教程，简直是一头雾水。但经过了几个简单的应