- 博客(92)
- 收藏
- 关注
RSS订阅原创 从零实现一个最小智能体 Agent：基于 Thought-Action-Observation 的旅行助手
本文介绍了一个手动实现的智能旅行助手Agent项目，通过"思考-行动-观察"循环机制完成旅游建议任务。项目使用Python构建，包含天气查询和景点推荐两个工具函数，通过OpenAI兼容接口调用大模型进行决策。核心流程展示了用户输入"宿松旅游"后，Agent自动完成天气查询、景点推荐并生成最终建议的过程。文章详细说明了项目结构、配置文件、提示词设计、工具函数实现等关键环节，并分享了API调用常见问题的解决方法。这个案例帮助初学者理解Agent底层工作原理，为后续学习La
2026-05-18 20:37:42
242
原创 uv入门笔记
本文介绍了Python项目管理工具uv的特点及使用方法。uv是由Astral开发的Rust编写的高效工具，可替代pip、poetry等传统工具，专注于Python项目管理。与conda相比，uv更适合纯Python项目，而conda则擅长处理跨语言环境。文章详细说明了uv的核心概念，包括工具本体、缓存目录、Python管理目录和项目.venv目录的区别，并提供了在Windows系统下将uv安装到D盘的具体步骤，包括设置环境变量和目录结构配置。最后介绍了uv常用命令的使用场景，帮助开发者更好地管理Python
2026-05-14 15:47:03
979
1
原创 Codex 桌面伙伴：自己孵化一只洛克王国迪莫，也能用 Petdex 一键安装社区宠物
Codex桌面宠物是一个有趣的互动功能，可以通过设置菜单启用。用户可以选择内置宠物，也可以自定义或从Petdex社区下载。自定义宠物需安装Hatch Pet技能，通过描述生成像素风动画；社区宠物则可通过简单命令快速安装。宠物会随Codex工作状态变化动画，为开发环境增添趣味性。两种方式生成的宠物都会存储在指定目录，重启Codex后即可选择使用。
2026-05-10 13:00:00
2364
原创 Codex + Image Gen 制作论文答辩 PPT
本文介绍了使用Codex和ImageGen工具自动生成论文答辩PPT的完整流程。首先需准备论文PDF和学校logo，通过Codex读取论文并提炼答辩结构，再基于logo生成视觉方案。核心步骤包括：1)让AI分析论文并规划PPT结构；2)根据logo设计视觉风格；3)生成完整PPT图片页并添加备注。该方法能快速统一风格、简化排版，但仍需人工检查数据准确性。最终PPT兼具专业性与一致性，大幅节省制作时间。
2026-05-09 15:00:00
15117
2
原创 Claude Code 接入 DeepSeek V4 Pro：从 npm 安装到 CC Switch 配置完整记录
本文介绍了在Windows系统上安装Claude Code并切换至DeepSeek V4 Pro模型的过程。由于官方安装脚本不可用，改用npm全局安装方式。首先需准备Node.js和Git环境，然后通过npm安装Claude Code。为解决默认安装到C盘的问题，文中还提供了修改npm全局包安装路径的方法。配置方面推荐使用CC Switch图形化工具管理API密钥，也提供了手动修改配置文件的方案。最后通过测试验证了DeepSeek V4 Pro模型已成功接入，可用于本地项目的代码分析与辅助开发。
2026-05-08 11:03:12
1996
2
原创 BERT 模型深度解析：从 Transformer Encoder 到预训练语言理解模型
摘要 BERT（Bidirectional Encoder Representations from Transformers）是Google于2018年提出的预训练语言模型，通过在大规模无标注文本上预训练获得通用语言表示，可迁移到各类NLP任务。相比传统方法，BERT采用Transformer Encoder构建深层双向语义表示，通过Masked Language Model和Next Sentence Prediction两个预训练任务，使模型能同时利用上下文信息。本文系统解析了BERT的结构、输入表示
2026-05-08 09:26:37
935
原创 YOLOv5 网络架构深度解析：从 CSPDarknet 到 PAN-FPN 的工程化目标检测框架
YOLOv5 是 Ultralytics 发布并长期维护的一套目标检测框架。相比 YOLOv3 和 YOLOv4，YOLOv5 最大的特点不只是网络结构变化，而是工程化程度更高：它基于 PyTorch 实现，训练、验证、推理、模型导出和部署流程都更加方便，因此在工业检测、边缘部署、实时视频分析等场景中被大量使用。
2026-05-08 09:24:53
1138
原创 YOLOv3 网络架构深度解析：从 Darknet-53 到 FPN 多尺度检测的全面进化
YOLOv3是目标检测领域的经典算法，采用一阶段检测思想，通过Darknet-53主干网络、多尺度预测和Anchor机制实现高效检测。其创新点包括：1)引入更深层的Darknet-53网络提升特征提取能力；2)借鉴FPN思想实现13×13、26×26、52×52三尺度特征融合；3)每个网格预测3个Anchor Box，输出目标位置、置信度和类别概率。YOLOv3在检测速度与精度间取得平衡，尤其改善了小目标检测效果。该算法将检测任务转化为回归问题，通过端到端训练实现高效推理。
2026-05-07 20:14:03
1002
原创 YOLOv3算法深度解析：从Darknet-53到FPN多尺度检测的全面进化
YOLOv3虽然在近些年已经被v5、v8等系列超越，但其架构设计的诸多创新依然影响深远：Darknet-53的残差设计为后来的YOLO系列提供了稳健的骨干网络基础；FPN多尺度特征金字塔成为目标检测领域的通用范式；独立的Logistic分类器彻底解决了多标签分类问题。可以说，YOLOv3奠定了实时目标检测算法的基本范式，堪称经典中的经典。如果您想进一步深入学习YOLO系列，可以查阅YOLOv3原论文《YOLOv3: An Incremental Improvement》（），以及官方网站。
2026-05-07 19:42:05
1042
原创 基于魔搭社区 Qwen2-1.5B-Instruct 实现本地文本分类实战
本文介绍了基于魔搭社区Qwen2-1.5B-Instruct模型实现本地文本分类的完整流程。作者从环境准备开始，详细讲解了模型下载（支持自动和手动两种方式）、加载方法，并重点阐述了利用提示词实现文本分类的创新思路。通过定义分类标签、设计prompt模板，让生成式大模型完成零样本分类任务。文章提供了单条文本分类的完整代码示例，包括prompt设计、模型调用和结果解析等关键环节。该项目适合初学者了解大模型本地部署和实际应用开发，为后续更复杂的NLP任务打下基础。
2026-05-07 19:32:50
862
原创 本地部署 AI 大模型保姆级教程：Ollama 安装、模型下载与终端实战全流程
本文详细介绍了如何在Windows系统下将Ollama大模型工具安装到E盘并正确配置模型存储路径。主要内容包括：1. Ollama的基本介绍与优势；2. 安装过程中的关键注意事项，特别是区分软件安装位置与模型存储位置的区别；3. 通过设置OLLAMA_MODELS环境变量将模型存储路径从默认的C盘转移到E盘；4. 将Ollama加入系统Path环境变量的方法；5. 常用命令和使用技巧；6. 针对新手的模型推荐。文章特别强调了避免模型占用C盘空间的关键配置步骤，并分享了作者在实际安装过程中遇到的问题和解决方案
2026-05-07 19:10:31
2138
原创 YOLOv2算法全方位解析：从BatchNorm到聚类先验框的九大改进
YOLOv2在YOLOv1基础上进行了多项重大改进，包括引入BatchNorm、高分辨率分类器、AnchorBox机制、K-means聚类先验框、直接位置预测以及细粒度特征融合等关键技术。这些改进使检测精度显著提升，特别是解决了小目标检测和定位精度问题。网络结构上采用全卷积的DarkNet-19骨干，去除全连接层，支持多尺度训练。通过聚类算法自动学习最优先验框尺寸，结合直接位置预测机制确保训练稳定性。细粒度特征融合策略有效提升了小目标检测能力，而多尺度训练增强了模型适应性。YOLOv2奠定了现代目标检测算法
2026-04-29 00:10:35
828
1
原创 YOLO目标检测算法与mAP评估指标详解（附示例）
《YOLO算法与目标检测评估指标详解》摘要：本文系统介绍了YOLO目标检测算法的核心思想，对比分析了单阶段（YOLO/SSD）与双阶段（R-CNN系列）检测方法在速度、精度上的差异。重点讲解了目标检测关键评估指标mAP的计算方法，涵盖IOU、精确率、召回率等核心概念，并通过具体示例演示了TP/FP/FN的判定过程。文章还详细阐述了P-R曲线的绘制原理和mAP的计算流程，帮助读者深入理解目标检测模型的性能评估体系。全文兼顾理论讲解与实践示例，适合目标检测初学者系统学习基础概念，也为进阶研究者提供了清晰的评估指
2026-04-28 23:31:04
1062
原创 YOLOv5 最新版从零配置环境到训练自己的数据集
本文详细记录了YOLOv5从环境配置到模型训练的完整流程。主要内容包括：1. 克隆YOLOv5官方仓库并配置Conda虚拟环境；2. 解决国内pip安装SSL报错问题；3. 准备自定义数据集并创建配置文件；4. 训练模型及常见警告处理方法；5. 使用训练好的模型进行目标检测。文章提供了详细的操作命令和参数说明，特别适合新手按步骤操作，最终完成从数据准备到模型应用的完整闭环。
2026-04-28 23:08:53
1079
2
原创 YOLO v1算法从原理到实战：网格划分、损失函数与NMS完全解析
《YOLOv1目标检测算法核心解析》摘要： YOLOv1开创性地将目标检测转化为单阶段回归问题，通过7×7网格划分实现实时检测（45FPS）。其核心设计包含：1）网格负责机制，物体由中心点所在网格预测；2）损失函数创新，采用平方根处理宽高以平衡大小物体权重；3）30维输出张量融合位置、置信度与类别信息。算法优势在于端到端训练和高效推理，但存在小目标检测差、网格预测限制（每格仅2框1类）等缺陷。文章详解了网络架构、损失函数设计及NMS后处理流程，为理解现代实时检测算法奠定基础。
2026-04-27 22:53:08
735
原创 基于双向LSTM的中文情感分类实战：从数据预处理到实时预测
本文介绍了一个完整的中文文本情感分类项目，采用双向三层LSTM模型对微博评论进行四分类情绪识别（喜悦、愤怒、厌恶、低落）。项目包含数据预处理、词汇表构建、预训练词向量加载、模型训练与验证等完整流程。通过字符级分词处理，构建4762个词汇的词典，使用腾讯200维预训练词向量，设计包含嵌入层、双向LSTM和全连接层的网络结构。实验结果显示该模型能有效识别文本情感，并提供了交互式预测脚本。文章详细解析了核心代码实现，包括数据批处理、模型架构和训练策略，为文本分类任务提供了可复用的技术方案。
2026-04-20 22:25:33
631
4
原创 基于 PaddleOCR v2.6.0 的图片文字识别实战（CPU 版）
摘要：本文基于PaddleOCR v2.6.0实现CPU环境下的中文OCR识别，详细介绍了从虚拟环境搭建到文本识别的完整流程。通过Python3.10环境配置、依赖安装、代码实现等步骤，解决了新手常见问题，最终实现对中文古诗图片的高精度识别（准确率达99%以上）。项目采用清华源加速依赖安装，通过虚拟环境隔离确保稳定性，并解析了OCR返回结果的数据结构。实验表明PaddleOCR在CPU环境下仍能保持良好性能，为文档数字化、票据识别等场景提供了轻量级解决方案。
2026-04-19 22:01:22
976
1
原创 PyTorch迁移学习实战：用ResNet18实现20类食物图像分类（附代码详解）
迁移学习是一种将预训练模型的知识迁移到新任务的机器学习方法。文章详细介绍了迁移学习的核心概念、应用场景和实现策略，包括特征提取和微调两种主要方法。通过PyTorch代码示例展示了如何使用ResNet18进行迁移学习，包括模型加载、层替换、数据预处理和训练流程。关键点包括：1）冻结预训练层参数；2）替换全连接层适配新任务；3）合理设置学习率和优化器；4）使用数据增强防止过拟合。实验表明迁移学习能显著提升小数据集的模型性能，相比从头训练可提高30%以上的准确率。文章还给出了保存最佳模型、设置随机种子等优化建议，
2026-04-18 22:27:09
979
1
原创 深入理解 ResNet：解决深度学习退化问题的经典网络
ResNet（残差网络）是深度学习领域的里程碑式创新，解决了深度神经网络训练中的退化问题。通过引入批量归一化(BN)和残差结构两大关键技术，ResNet实现了超深度网络的有效训练。其核心思想是利用shortcut连接让信息跨层传递，使网络只需学习输入与输出之间的残差，大大降低了训练难度。ResNet支持18层到152层等多种深度版本，具有收敛快、泛化强、通用性好等优势，成为计算机视觉领域最广泛使用的基础模型之一。这项简洁而优雅的设计不仅开创了深度学习"深度为王"的新时代，更启发了后续众多
2026-04-17 07:00:00
1318
1
原创 PyQt5实战：从零搭建一个简单登录界面
本文记录了作者首次使用PyQt5开发GUI界面的完整过程。通过QtDesigner设计登录界面，包含账号/密码输入框和登录/注册按钮，并将.ui文件转换为Python代码。在main.py中实现登录验证逻辑，使用QMessageBox进行交互提示。文章详细介绍了环境配置、界面设计、代码转换和功能实现的步骤，特别提醒了QTextEdit与QLineEdit在获取文本时的区别。虽然示例存在使用QTextEdit不够规范等问题，但完整呈现了PyQt5入门开发流程，为初学者提供了可参考的实战案例，并给出了改进建议。
2026-04-16 11:00:00
961
1
原创 PyQt5 开发环境搭建：从安装到配置 Qt Designer 与 PyUIC（避坑指南）
安装时各种报错：网络超时、权限拒绝、找不到版本……装好了却不知道如何在 PyCharm 里用：Qt Designer 怎么启动？UI 文件怎么转成 Python 代码？本文将从零开始，手把手带你完成PyQt5 模块安装 → 外部工具安装（含排错）→ PyCharm 集成配置的全过程，并附上一份 PyQt5 学习路线图，让你知道接下来该学什么。本文所有操作均基于 Windows 10/11 + Python 3.9/3.10/3.11 + PyCharm 社区版/专业版。本文涵盖了从PyQt5 模块安装。
2026-04-16 06:00:00
881
1
原创 PyQt5入门实战：从零实现一个表达式输入式计算器（附完整代码）
本文介绍了如何使用PyQt5和QtDesigner开发一个表达式输入式计算器。主要内容包括：1) 通过QtDesigner设计计算器界面布局，添加数字按钮、运算符等控件；2) 将UI文件转换为Python代码并实现计算逻辑，包括数字输入、运算符处理和表达式计算；3) 详细说明信号槽的两种连接方式及避免重复连接的方法；4) 提供常见问题解决方案，如程序崩溃、字体设置错误等。该计算器支持基本的四则运算，显示完整表达式，并包含错误处理功能。文章还给出了扩展建议，如添加小数点、键盘支持等。
2026-04-15 20:47:38
877
1
原创 深入理解LSTM：从结构到PyTorch实践
文章摘要 LSTM（长短期记忆网络）是一种改进的循环神经网络（RNN），由Hochreiter和Schmidhuber于1997年提出，旨在解决传统RNN处理长序列时的梯度消失问题。其核心机制包括遗忘门、输入门和输出门，通过细胞状态（Cell State）选择性记忆或遗忘信息，从而捕捉远距离依赖关系。LSTM在自然语言处理和时间序列任务中表现优异，但计算复杂度较高且难以并行化。PyTorch提供了高效的LSTM实现模块，支持多层堆叠和灵活的参数配置。尽管Transformer等新模型崛起，LSTM仍在小规模
2026-04-15 06:00:00
963
1
原创 循环神经网络（RNN）入门：核心概念、词嵌入与 PyTorch 实现
循环神经网络（RNN）是处理序列数据的深度学习模型，通过循环结构保留历史信息。RNN的核心是隐藏状态，它存储历史信息并用于当前计算。RNN广泛应用于自然语言处理、时间序列预测等领域。文本处理需先通过词嵌入层将单词转为向量，PyTorch的nn.Embedding可实现这一功能。RNN虽能处理序列数据，但存在梯度消失/爆炸问题，实际应用中常被LSTM或GRU替代。本文介绍了RNN的基本原理和PyTorch实现，为学习更复杂的循环网络奠定基础。
2026-04-14 13:00:00
787
1
原创 OpenCV实时检测人脸、年龄和性别（附Python代码+模型详解）
本文介绍了一个基于OpenCV的实时摄像头程序，能够自动检测人脸并预测性别和年龄。程序通过预训练模型实现功能，包括人脸检测、性别分类（boy/girl）和年龄区间预测（如25-32years）。文章详细说明了准备工作（安装库、下载模型文件）、代码实现（含中文显示方案）和核心知识点（模型结构、数据处理等）。同时提供了常见问题解决方案，如路径错误、中文显示问题、性能优化等。该程序适合OpenCV初学者学习计算机视觉和深度学习应用，文中还建议了进一步扩展方向。
2026-04-14 06:30:00
980
1
原创 OpenCV 疲劳检测实战：用 dlib 计算眼睛纵横比 (EAR）
本文介绍了使用Python+OpenCV+dlib实现驾驶员疲劳检测的方法。通过摄像头实时检测人脸关键点，计算眼睛纵横比(EAR)判断眼睛状态，连续闭眼超过阈值则触发疲劳警告。详细解析了代码实现过程，包括环境配置、关键算法原理和参数调整建议。该项目适合OpenCV初学者实践，涵盖了人脸检测、关键点定位、实时视频处理等知识点，代码量适中但效果直观。文章还提供了改进方向和常见问题解决方案，帮助读者快速掌握这一实用技术。
2026-04-13 13:33:00
980
1
原创 OpenCV 实战：基于人脸关键点的微笑与大笑识别（附完整代码）
本文介绍利用dlib和OpenCV实现基于嘴部几何特征的表情识别方法。通过检测人脸的68个关键点，计算嘴部纵横比(MAR)和嘴下颌宽比(MJR)两个指标：MAR反映嘴巴张开程度（>0.5为大笑），MJR反映嘴角拉伸程度（>0.45为微笑）。文章详细说明了特征点选取、公式计算和阈值判断逻辑，并提供了完整Python代码实现。此外还讨论了欧氏距离计算、比例特征的优势、阈值确定方法，以及引入眼睛纵横比(EAR)的改进方向。该方法简单有效，适合初学者理解表情识别的基本原理，可扩展应用于实时检测、疲劳监测
2026-04-13 12:33:31
660
1
原创 【OpenCV 实战】dlib 人脸检测完全指南（HOG + SVM）—— 从原理到代码
本文详细介绍了dlib人脸检测技术，对比了其与OpenCV Haar级联分类器的优缺点。重点讲解了dlib基于HOG+SVM的检测原理，提供了静态图片和实时视频检测的完整代码实现（包含中文路径处理方案），并深入解析了检测返回值的坐标系统。文章还对比了两种算法在实际应用中的表现差异，解答了常见问题，为开发者选择合适的人脸检测方案提供了实用建议。最后预告了后续关于dlib人脸关键点检测的内容。
2026-04-11 12:00:00
562
原创 OpenCV + dlib 人脸关键点检测学习笔记（68点）
本文介绍了人脸关键点检测的基本原理和dlib库的实现方法。主要内容包括：1）68点人脸关键点模型的区域划分；2）dlib库的核心组件（人脸检测器和关键点预测器）及使用方式；3）两种实现方案：绘制所有68个关键点并编号，以及分区绘制人脸轮廓（连线和凸包）；4）常见问题解决方案。文章通过完整代码示例和详细讲解，帮助初学者掌握人脸关键点检测的基本技能，并提供了进一步学习的扩展方向。
2026-04-11 06:00:00
1237
1
原创 OpenCV人脸识别三大经典算法：LBPH、EigenFace、FisherFace详解与代码实战
传统人脸识别三驾马车对比分析：EigenFace、FisherFace和LBPH 本文系统比较了OpenCV中三种传统人脸识别算法。EigenFace基于PCA降维，计算速度快但对光照敏感；FisherFace采用LDA算法，在小样本下分类能力最强；LBPH通过局部纹理特征实现，对光照变化鲁棒且支持增量学习。文章详细解析了三种算法的数学原理、OpenCV实现代码及参数设置技巧，并给出了具体应用场景建议：光照变化大选LBPH，实时性要求高用EigenFace，小样本场景适合FisherFace。最后提供了常见
2026-04-10 11:00:00
758
1
原创 OpenCV入门 Haar 级联分类器：从人脸检测到笑脸检测
本文系统介绍了OpenCV中基于Haar级联分类器的目标检测方法。首先阐述了Haar特征和积分图原理，解释了Viola-Jones检测框架的核心思想，包括AdaBoost算法和级联结构。然后详细解析了detectMultiScale函数的工作流程，包括图像金字塔、滑动窗口和合并策略。通过Python代码示例演示了人脸检测和笑脸检测的实现，重点分析了参数调优技巧和常见问题解决方案。最后对比了传统方法与现代深度学习方法的特点，指出Haar级联作为入门经典的价值在于理解目标检测的基本概念。文章强调从API调用到原
2026-04-10 07:00:00
593
1
原创 OpenCV DNN模块实现风格迁移：从原理到实战（附完整代码）
OpenCV的DNN模块让风格迁移变得简单易行，无需深度学习框架即可实现艺术效果转换。核心流程包括：通过blobFromImage预处理图像，用readNetFromTorch加载预训练模型，进行推理后处理后输出。支持静态图片和实时视频处理，只需几十行代码就能在CPU上运行。关键点在于正确处理图像格式转换和参数设置，如swapRB通道顺序调整和scalefactor数值缩放。提供多种艺术风格模型选择，适合初学者快速体验AI艺术创作。
2026-04-09 15:45:03
885
1
原创 OpenCV物体跟踪实战：基于KCF算法的实时摄像头目标跟踪（Python实现）
本文介绍了使用OpenCV实现物体跟踪的实践方法。通过Python代码演示了KCF算法的应用流程，包括摄像头启动、目标框选、跟踪更新等功能实现。文章重点讲解了不同OpenCV版本的兼容处理、跟踪状态管理及失败提示等关键技术点，并提供了完整的可运行代码。同时对比了物体跟踪与检测的区别，推荐了CSRT等替代算法，为初学者提供了实用的学习参考和技术实现方案。
2026-04-09 11:35:15
1147
2
原创 【OpenCV实战】稀疏光流估计（Lucas-Kanade）原理 + 代码逐行解析
本文介绍了稀疏光流跟踪的实现方法，重点解析了Lucas-Kanade(LK)光流算法。文章首先解释了光流的基本概念和两种主要方法（稀疏光流与稠密光流）的区别，然后详细说明了LK算法的三个前提假设：亮度恒定、小运动和空间一致性。通过Python代码示例，展示了如何使用OpenCV实现一个完整的稀疏光流跟踪器，包括特征点检测、光流计算和轨迹绘制等关键步骤。文章还分析了代码中的细节处理，如颜色生成、形状转换等，并针对实际应用中的问题提出了改进建议。最后比较了稀疏光流与稠密光流的特点，为读者提供了进一步学习的思路。
2026-04-09 11:05:37
621
3
原创 背景建模详解与OpenCV实现：从原理到代码实战
背景建模是计算机视觉中分离运动目标与静止环境的技术，常用于安防监控等场景。本文介绍了混合高斯模型(MOG2)在OpenCV中的实现方法，提供了一个优化后的完整代码示例。该方案通过阴影抑制、形态学处理和轮廓筛选等步骤，有效解决了常见问题，并支持动态帧率播放。文章详细解析了关键代码段和参数设置，为实际应用提供了可靠的解决方案。
2026-04-08 23:39:23
700
原创 OpenCV实战：摄像头实时文档扫描与透视矫正
本文介绍了如何使用OpenCV和Python实现一个类似"扫描全能王"的文档扫描程序。主要内容包括：1) 通过摄像头实时捕捉图像；2) 预处理（灰度转换、高斯模糊、边缘检测）；3) 轮廓检测与四边形文档区域识别；4) 顶点排序与透视变换实现文档矫正；5) 二值化处理增强扫描效果。文章详细解析了每个步骤的实现原理和关键代码，包括如何解决顶点排序等技术难点，并提供了完整的实现代码。该程序能够自动检测文档边缘，将倾斜的视角矫正为平整的俯视图，最终输出类似扫描件的黑白图像效果。文中还讨论了光线条
2026-04-08 22:23:46
621
1
原创 【OpenCV实战】答题卡识别与自动判分系统（附Python代码+透视变换）
本文介绍了一个基于OpenCV的答题卡自动识别与评分系统。该系统通过图像处理技术实现答题卡识别自动化，主要步骤包括：图像预处理（灰度化、滤波、边缘检测）、透视变换矫正、选项轮廓提取与排序、涂黑区域识别以及自动评分。文章详细讲解了每个环节的关键代码实现，如使用Canny边缘检测、轮廓近似和透视变换矫正图像，通过二值化和掩膜技术识别涂黑选项，并与预设答案比对计算得分。该项目适合图像处理初学者实践，涵盖了OpenCV中多个重要操作，包括轮廓处理、几何变换、图像分割等核心技术。最后还提供了常见问题解决方案和优化建议
2026-04-08 12:01:16
603
1
原创 OpenCV图像拼接实战：从SIFT特征匹配到透视变换全景融合
本文详细介绍了使用OpenCV实现图像拼接的技术流程。通过SIFT特征提取、BFMatcher匹配、RANSAC算法估计单应性矩阵，最终完成两幅图像的透视变换和拼接。重点解析了findHomography和warpPerspective函数的关键参数设置，包括RANSAC阈值、输出尺寸顺序等易错点。文章提供了完整的Python代码实现，并讨论了常见问题的解决方法，如匹配点不足、图像错位等问题。该方案可作为图像拼接的基础实践，为进一步实现自动画布计算、多频段融合等高级功能打下基础。
2026-04-07 20:22:12
513
1
原创 OpenCV 实战：SIFT 指纹特征匹配与可视化（补充版）
本文在原有SIFT指纹验证基础上新增了可视化功能，实现了匹配关键点的红色标注和跨图像特征连线。通过优化OpenCV的cv2.circle和cv2.drawMatchesKnn函数，将抽象匹配结果转化为直观图像展示。文章详细解析了Lowe比率测试阈值选择（0.6）、queryIdx/trainIdx索引含义等核心细节，并提供了常见问题排查表。代码保留了原有匹配逻辑，仅新增可视化相关部分，可直接运行且无需额外依赖。该方案既提升了结果可解释性，又为构建完整指纹识别系统奠定了基础，适用于计算机视觉特征匹配的教学和实
2026-04-07 16:32:49
560
原创 OpenCV 实战：基于 SIFT 算法实现指纹图像验证
本文基于OpenCV实现指纹验证系统，采用SIFT算法提取尺度/旋转不变特征，结合FLANN快速匹配器完成特征点匹配。核心流程包括：灰度转换、SIFT特征提取、FLANN匹配、Lowe比率测试过滤错误匹配，最终通过有效匹配对数量（阈值50）判断认证结果。系统具备处理指纹图像旋转和尺度变化的能力，完整代码可直接运行，适用于基础指纹验证场景。文中详细解析了SIFT优势、FLANN匹配设计和阈值选择等关键技术点，并提供了常见问题解决方法和功能扩展建议，为计算机视觉在生物特征识别中的应用提供了实践参考。
2026-04-07 16:05:06
711
1
机器学习基于随机森林的分类模型参数详解：sklearn中RandomForestClassifier的关键参数配置与调优指南
2026-03-02
机器学习支持向量机SVC参数详解：C与gamma调优策略及RBF核函数应用指导
2026-03-02
机器学习线性回归API参数配置与模型训练：sklearn框架下特征系数计算及预测性能评估
2026-03-02
机器学习基于贝叶斯定理的分类算法实现：朴素贝叶斯模型在特征条件概率计算与文本分类中的应用
2026-03-02
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人