- 博客(10)
- 收藏
- 关注
RSS订阅原创 一个文章带你了解OpenCV
OpenCV 作为开源计算机视觉领域的 “标杆工具库”，以其强大的功能、跨平台的特性和易用的接口，成为了连接计算机视觉理论与实际应用的桥梁。无论是初学者想要入门计算机视觉，还是资深开发者需要快速实现项目功能，OpenCV 都能满足需求。通过本文的介绍，相信您已经对 OpenCV 有了全面的认识 —— 从它的定义、发展历程，到核心功能、安装方法和应用场景，再到学习建议。接下来，不妨亲手安装 OpenCV，运行文中的示例代码，感受计算机视觉技术的魅力。
2025-09-30 00:10:34
919
原创 一个文章带你学习tensorflow！！！
打开终端（Windows 用 cmd 或 PowerShell，macOS 用终端），输入以下命令安装 pip（Python 包管理工具）和虚拟环境（可选但推荐，避免环境冲突）：。理论不如实践，我们用经典的 MNIST 手写数字数据集（包含 0-9 的手写数字图片），搭建一个简单的神经网络，感受 TensorFlow 的核心用法。print(f"预测结果：{tf.argmax(predictions[0]).numpy()}") # 输出概率最高的类别。工欲善其事，必先利其器。
2025-09-23 11:23:48
887
原创 还不学Agent？？？要OUT了！！！
Agent 通常指一种能够感知环境并采取行动以实现特定目标的实体。在计算机科学和人工智能领域，Agent 可以是软件程序、机器人或任何能够自主决策的系统。自主性：无需人类持续干预即可独立运行，例如算法交易 Agent 可在预设规则下自主分析市场并执行交易，无需人工实时操作。反应性：能实时感知环境变化并作出响应，例如自动驾驶 Agent 检测到前方障碍物后立即减速。目标导向性：以明确目标为行动核心，例如路径规划 Agent 的目标是 “从 A 点到 B 点的最短路径”，所有决策均围绕该目标展开。社会性。
2025-09-20 10:58:45
1010
原创 Git 实战技巧手册：从基础到进阶的效率提升指南！！！！
Git 技巧的核心是减少重复操作、避免数据丢失、保持历史清晰。建议优先掌握工作区 - 暂存区 - 版本库的基础流程，再逐步应用高级命令。遇到复杂场景时，可通过git help <命令>查看官方文档。
2025-09-19 11:22:10
406
原创 Milvus Lite 从入门到实践：本地向量数据库快速上手（不看就亏了！！！）
Milvus Lite 是一个轻量级版本，适合本地开发和测试。运行，无需额外配置。
2025-09-19 10:49:48
294
原创 流媒体传输协议【rtp、rtcp、rtsp、rtmp、mms、hls】
注：现代Web应用倾向使用MSE（Media Source Extensions）配合HLS/DASH实现浏览器端流处理。：时间戳（Timestamp）、序列号（Sequence Number）用于同步和乱序处理。：Adobe专有协议，原基于TCP，后衍生RTMPT（HTTP隧道）。：HLS或MPEG-DASH（基于HTTP的动态自适应流）。：监控RTP传输质量，提供QoS反馈（如丢包率、抖动）。：应用层协议，用于控制媒体服务器（如播放、暂停）。：低延迟（1-3秒），支持动态带宽适应。
2025-09-19 10:48:31
292
原创 一篇文章让你搞懂多线程与多进程！
多线程是指在单个进程的地址空间内创建的多个独立执行流（即 “线程”）。所有线程共享所属进程的核心资源，包括内存空间（代码段、数据段、堆）、文件描述符、信号处理机制等。多进程是指操作系统中同时运行的多个相互独立的进程实例。每个进程拥有完全隔离的地址空间和资源（内存、文件句柄等），进程间默认无法直接访问对方的资源。为更清晰地对比二者差异，以下从 5 个关键维度展开：二者的选择需结合任务特性，核心判断依据如下：python运行2. 多进程示例（含进程间通信）python运行关键注意事项与避坑指南
2025-09-19 08:45:47
888
原创 VIM 全面使用指南（Ubuntu 环境适配）
VIM（Vi Improved）是Unix系统经典编辑器Vi的增强版，以高效、可定制和跨平台著称。作为Ubuntu默认安装的文本编辑器，VIM在命令行环境下尤其强大，适合代码编辑、配置文件修改等任务。
2025-09-15 16:12:08
691
原创 目标检测、语义分割、实例分割的作用与区别
目标检测是计算机视觉中 “定位 + 分类” 的基础任务，核心是同时回答 “图像中有什么物体” 和 “物体在什么位置” 两个问题，无需关注物体的像素级细节。核心任务：识别图像中所有目标物体的类别，并通过矩形边界框标记其位置，解决 “物体是什么、在哪里” 的基础定位问题。适用场景自动驾驶：检测道路上的行人、车辆、交通信号灯等，为决策系统提供基础目标位置信息；视频监控：实现多目标跟踪（基于检测结果追踪运动物体的连续位置），如商场人流统计、园区异常物体监测；
2025-09-15 15:07:33
765
原创 一个文章带你理解YOLO！！！！
YOLOv8进一步优化为更高效的骨干网络设计，引入可变形卷积和自适应特征融合模块。YOLOv3使用独立的分类和回归分支。YOLOv8升级为Distribution Focal Loss和DFL-CIoU，优化困难样本的学习。YOLOv5引入自动学习锚框（AutoAnchor）和混合精度训练，速度比YOLOv3提升约40%。YOLOv8通过更小的模型尺寸和梯度累积策略，训练效率比YOLOv5提高25%。YOLOv8新增SPPF模块和动态标签分配策略，并提出无锚框（Anchor-Free）的改进版本。
2025-09-08 10:32:36
791
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人