Myolotrain是一个可视化管理yolo视觉模型训练的系统，为计算机视觉任务提供了直观的图形界面。该平台集成了在线标注、数据集管理、模型管理、训练管理和目标检测功能，支持windows、linux、docker等多种部署方式，使用户能够轻松地训练和部署 YOLOv8 模型，支持CPU和GPU，使用tensorboard实时查看训练进度，具备数据集自动分割功能。

🚀 基于 OpenCV 的 Webcam 脚本程序，适用于计算机视觉数据采集，实时视频帧收集等。具有安装便捷、操作简单、跨平台等特点。

🚀 基于 Gradio 的 YOLOv5 通用目标检测系统，可自定义检测模型、演示便捷、安装简单。

🚀 基于 YOLOv5 的智能人脸数据标注工具。实现人脸数据标注自动化，可自定义人脸检测模型、可导出多种格式标签，包括 PASCAL VOC XML、MS COCO JSON、YOLO TXT。

🚀 基于 Gradio Blocks 的 YOLOv5 通用目标检测演示系统 Gradio YOLOv5 Det 项目的扩展版

🚀 基于Streamlit的YOLOv5模型转换可视化工具

自学OpenCV，实现车辆检测与计数，学习更新ing

使用树莓派4b做为主控、百度ai目标检测作为辅助、实现智能垃圾回收打捞

基于VGG和tkinter的CBIR

🚀 基于Tesseract的OCR翻译系统

基于Gradio和Streamlit的人脸识别演示系统

自动驾驶学习第一部分：基于简单的计算机视觉进行图片中车道线的识别练习代码

自动驾驶学习第二部分 通过计算机视觉 解决图象的失真问题

这是自动驾驶学习的第三部分，在这一部分中我尝试了不同的梯度设置和不同的颜色空间来更好的进行识别道路车道标记。

学习自动驾驶的第四部分，我用了更深层次的计算机视觉，联系了处理每张图片，绘制颜色直方图峰值，滑动绘制峰值，测量曲率等等。