📄️ LAMA3大模型本地部署
安装Ollama
📄️ 使用Cursor写一个浏览器插件
Cursor 是一款人工智能代码生成工具，具有强大的代码生成能力。能够根据用户提供的自然语言描述或部分代码片段，生成完整的代码块。Cursor 会实时提供智能代码补全建议，提高编码速度和准确性。它可以根据上下文和编程语言的语法规则，预测你可能需要输入的代码内容。对于不熟悉的代码片段，Cursor 可以提供解释和文档说明，帮助你更好地理解代码的功能和用法。
📄️ TesseractOCR的使用与训练
Tesseract，是一个开源文本识别 (OCR) 引擎，是由HP实验室开发由Google维护的开源OCR（Optical Character Recognition , 光学字符识别）引擎，与Microsoft Office Document Imaging（MODI）相比，可以不断的训练自己的库，使图像转换文本的能力不断增强；如果团队深度需要，还可以以它为模板，开发出符合自身需求的OCR引擎。
📄️ YoloV5的目标模型训练方法
检测目标
📄️ YoloV8的目标模型训练方法
使用YoloV8提供的Python接口，训练一个佩戴安全帽的目标检测模型，完成模型训练后，使用模型检测图片或视频中的人员是否佩戴安全帽。
📄️ 数据标注
YOLO (You Only Look Once) 是一种流行的实时目标检测算法，其训练需要大量带有标注框的图片数据。数据标注是为图像中的目标物体添加边界框(bounding box)并分类的过程，是构建高质 量YOLO模型的基础。其核心特点是将目标检测作为单一的回归问题处理，通过单个神经网络直接从完整图像预测边界框和类别概率。与传统的两阶段检测器不同，YOLO实现了端到端的检测，具有速度快、效率高的优势。Yolo算法依赖于高质量的数据集和精确的数据标注。
📄️ YoloV5和V8的区别
YOLO（You Only Look Once）一直是一种突破性的算法，都是基于 DarkNet-53 模型的现代目标检测器，它们都具有一些共同的特性，如使用锚框来提升检测准确性以及非极大值抑制（NMS）技术来减少误检。YOLO算法自问世以来，已经演化出多个版本，其中最流行的两个版本是YOLOv5和YOLOv8。这两个版本都具有独特的功能和优势，使它们各具特色。
📄️ MS COCO 数据集
MS COCO全称是Microsoft Common Objects in Context，是由微软开发维护的大型图像数据集。
📄️ Pascal VOC 数据集
PASCAL VOC挑战赛 （The PASCAL Visual Object Classes ）是一个世界级的计算机视觉挑战赛，PASCAL（Pattern Analysis, Statical Modeling and Computational Learning）是一个由欧盟资助的网络组织。PASCAL VOC挑战赛主要包括以下几类：图像分类Object Classification)，目标检测(Object Detection)，目标分割(Object Segmentation)，行为识别(Action Classification) 等。
📄️ 评分卡模型
为了设计一个专家评分模型，可以采用以下步骤：