2021年09月_FL1623863129

12月 11月 10月 09月 08月 07月 06月 05月 04月 03月 02月 01月

原创 [python][原创]sqlalchemy读取mysql数据库表数据中文乱码解决方法

试过全网的办法全部不好使，我的方法绝对可以data.encode('latin-1').decode('utf-8')其中data就是从mysql取出来的乱码中文数据，你对查询的数据重新按照这个编码就行了

2021-09-29 17:57:54 319 1

原创 [环境配置][修改]arm系统镜像在ubuntu上的备份与还原

本教程适用jetson,树梅派,atlas200dk等arm系统。转载自：在Ubuntu系统中使用dd工具备份Jetson Xavier NX TF/SD卡_Feizhai2的博客-CSDN博客Jetson XavierNXTF/SD卡系统镜像的备份与恢复备份环境系统备份系统恢复本次操作是通过 dd 命令完整克隆系统。这种方法是块设备的 bit 复制，所以完全不需要了解上层文件系统的结构和内容，只需要保证目标磁盘设备的空间大于源设备就可以实现。使用 d..

2021-09-27 09:30:22 1235

原创 [C++][修改]GDAL源码编译vs2015/vs2017/vs2019

本教程通过vs2019/vs2017/vs2015测试通过，流程大体一致VS2017编译最新的GDAL3.2.0一堆的源码GDAL3.2.0PROJ7.2.0Sqlite3.3GEOS3.8.1TIFF4.1.0CURL7.73.0辅助工具cmakeeverythingnotepad++准备工作编译Sqlite3编译TIFF编译CURL编译PROJ编译GEOSGDAL的编译生成VS项目修改nmake.opt文件编译源码生成库install生成可执行文件dev

2021-09-25 09:04:10 518

原创 [C++][原创]GDAL3.3.2编译后的hello world

#include <gdal_priv.h>int main(){ GDALAllRegister(); printf("hello GDAL!\n"); getchar(); return 0;}

2021-09-23 19:25:36 123

原创 [python][原创]全屏截图的4种方法

第一种：PILimport timeimport numpy as npfrom PIL import ImageGrabimport cv2beg = time.time()img = ImageGrab.grab(bbox=None)img = np.array(img.getdata(), np.uint8).reshape(img.size[1], img.size[0], 3)end = time.time()print(end - beg)cv2.imshow('res

2021-09-21 22:18:49 2482 1

原创 [python][转载]关于使用opencv旋转后坐标位置变化研究

旋转一定角度的方法有两种方法一：M = cv2.getRotationMatrix2D((cx, cy), angle, 1)(im_h, im_w) = image.shape[:2](cX, cY) = (im_w // 2, im_h // 2)# img = np.array(img)cos_ = np.abs(M[0, 0])sin_ = np.abs(M[0, 1])nW = int((im_h * sin_) + (im_w * cos_))nH = int((im_.

2021-09-19 09:35:31 2994

原创 [qt][原创]qttools中配置有多余Default Qt/Win version残留清除办法

在vs中使用qt插件是qt开发的一种，但是在配置qt时其实会有很多问题。在Qt VS Tools的Qt Options已经配置好Qt Versions后如果删除QT程序之后会出现Default Qt/Win version任然存在，这是如果再添加一个话就不能出现重名了，如果新建一个其他名字的话其实在vs中还是不能正常运行qt，会出现点击ui文件vs会无故重启或者点击Launch Qt Desiger报错：未将对象引用设置到对象的实例。错误如下图所示：或者类似错误提示：the given

2021-09-16 21:08:16 843

原创 [深度学习][原创]darknet编译错误IplImage {aka struct _IplImage}’ was expected

gcc -Iinclude/ -Isrc/ -DOPENCVpkg-config --cflags opencv-DGPU -I/usr/local/cuda/include/ -DCUDNN -Wall -Wno-unused-result -Wno-unknown-pragmas -Wfatal-errors -fPIC -Ofast -DOPENCV -DGPU -DCUDNN -c ./src/data.c -o obj/data.oIn file included from /usr/loc..

2021-09-15 15:24:27 408

原创 [技术杂谈][转载]vulkan是什么?

关于本教程将教您使用Vulkan图形和计算 API的基础知识。Vulkan 是Khronos 组（以 OpenGL 闻名）的一个新 API，它提供了对现代显卡更好的抽象。这个新界面让您可以更好地描述您的应用程序打算做什么，与OpenGL和Direct3D等现有 API 相比，这可以带来更好的性能和更少令人惊讶的驱动程序行为。Vulkan 背后的想法类似于Direct3D 12和Metal的想法，但 Vulkan 具有完全跨平台的优势，允许您同时针对 Windows、Linux 和 Android...

2021-09-15 07:38:20 2834

原创 [QT][原创]Qt Console的hello world实例

1、新建项目：新建文件或项目2、选择console项目：Qt Console Apllication-Choose3、删除原来main函数填写下面代码#include <QCoreApplication>#include "stdio.h"int Add(int a,int b){ return a+b;}int Add2(int a,int b){ return a+Add(a,b);//2a+b}int main(){

2021-09-14 07:23:16 2193

原创 [QT][原创]设置QT临时储存库地址增删组件

http://mirrors.ustc.edu.cn/qtproject/online/qtsdkrepository/windows_x86/root/qt/或者https://mirrors.tuna.tsinghua.edu.cn/qt/online/qtsdkrepository/windows_x86/root/qt/或者https://mirrors.aliyun.com/qt/online/qtsdkrepository/windows_x86/root/qt/或者..

2021-09-13 20:17:46 554

原创 [技术杂谈][原创]yolox快速训练助手使用教程

这是一个在windows平台操作yolox快速训练助手，可以帮助初学者，刚入门的学者，懒人专用的yolox训练工具，工具需要大家自己提前先把yolox环境安装好，然后使用这个软件训练十分方便。训练基本不需要什么配置傻瓜式操作，只要您的数据集是voc格式就可以使用这个软件训练了软件使用功能：(1)全面支持yolox所有框架训练，包括nano,yolov3,yolox-s,yolox-m,yolox-l,yolox-x,yolox-tiny（2）支持VOC标注检查功能（3）支持VOC类别查找删除

2021-09-11 09:02:30 1289 2

原创 [python][转载]pyltp的使用教程

1 LTP 简介LTP提供了一系列中文自然语言处理工具，用户可以使用这些工具对于中文文本进行分词、词性标注、句法分析等等工作。从应用角度来看，LTP为用户提供了下列组件：针对单一自然语言处理任务，生成统计机器学习模型的工具针对单一自然语言处理任务，调用模型进行分析的编程接口使用流水线方式将各个分析工具结合起来，形成一套统一的中文自然语言处理系统系统可调用的，用于中文语言处理的模型文件针对单一自然语言处理任务，基于云端的编程接口官网在这：http://ltp.ai/语义角色

2021-09-10 20:20:38 1528 3

原创 [ubuntu][原创]ubutnu18.04安装 deepin-wine

安装wine# 安装gitsudo apt-get install git# 安装deepin-winegit clone https://gitee.com/wszqkzqk/deepin-wine-for-ubuntu.gitcd deepin-wine-for-ubuntu./install.sh# 安装托盘sudo apt install chrome-gnome-shell# 安装扩展sudo apt install gnome-shell-extensio

2021-09-10 17:40:28 266

原创 [环境配置][原创]pip aliyun安装

安装命令：pip install -i http://mirrors.aliyun.com/pypi/simple/ --trusted-host mirrors.aliyun.com xxx

2021-09-10 14:57:20 929

原创 [python][原创]python获取文件路径、文件名、后缀名

import osfilepath=r"D:\test\fun.mp3"#获取文件所在目录和文件名字(dir,file)=os.path.split(filepath)#输入结果是：dir为D:\test file为fun.mp3#获取文件所在目录+文件名字无后缀和文件名后缀(带点)(dir,file)=os.path.splitext(filepath)#输入结果是：dir为D:\test\fun file为.mp3...

2021-09-04 14:54:03 358

advanced_descriptors-4.0.1-py3-none-any.whl.zip

2024-05-06

advanced_descriptors-4.0.3-py3-none-any.whl.zip

2024-05-06

advanced_descriptors-4.0.2-py3-none-any.whl.zip

2024-05-06

advanced_descriptors-4.0.0-py3-none-any.whl.zip

2024-05-06

advanced_descriptors-3.0.9-py3-none-any.whl.zip

2024-05-06

advanced_descriptors-3.0.9-cp39-manylinux2014_aarch64.whl.zip

2024-05-06

advanced_descriptors-3.0.9-cp39-cp39-manylinux2010_i686.whl.zip

2024-05-06

advanced_descriptors-3.0.9-cp39-cp39-win_amd64.whl.zip

2024-05-06

advanced_descriptors-3.0.9-cp39-cp39-win32.whl.zip

2024-05-06

advanced_descriptors-3.0.9-cp39-cp39-manylinux2014_i686.whl.zip

2024-05-06

advanced_descriptors-3.0.9-cp39-cp39-manylinux1_i686.whl.zip

2024-05-06

advanced_descriptors-3.0.9-cp38-manylinux2014_aarch64.whl.zip

2024-05-06

advanced_descriptors-3.0.9-cp38-cp38-manylinux2014_i686.whl.zip

2024-05-06

advanced_descriptors-3.0.9-cp38-cp38-manylinux2010_i686.whl.zip

2024-05-06

advanced_descriptors-3.0.9-cp37-manylinux2014_i686.whl.zip

2024-05-06

advanced_descriptors-3.0.9-cp38-cp38-win32.whl.zip

2024-05-06

advanced_descriptors-3.0.9-cp38-cp38-manylinux1_i686.whl.zip

2024-05-06

advanced_descriptors-3.0.9-cp38-cp38-win_amd64.whl.zip

2024-05-06

advanced_descriptors-3.0.9-cp37-manylinux2010_i686.whl.zip

2024-05-06

advanced_descriptors-3.0.9-cp37-manylinux2014_aarch64.whl.zip

2024-05-06

小麦穗检测数据集VOC+YOLO格式1691张1类别.zip

数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数)：1691 标注数量(xml文件个数)：1691 标注数量(txt文件个数)：1691 标注类别数：1 标注类别名称:["wheat"] 每个类别标注的框数： wheat 框数 = 73810 总框数：73810 使用标注工具：labelImg 标注规则：对类别进行画矩形框重要说明：暂无特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理标注

2024-05-08

水下垃圾检测数据集VOC+YOLO格式7666张13类别.zip

数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数)：7666 标注数量(xml文件个数)：7666 标注数量(txt文件个数)：7666 标注类别数：13 标注类别名称:["bio","cloth","fishing","metal","paper","papper","plastic","platstic","rov","rubber","timestamp","unknown","wood"] 每个类别标注的框数： bio 框数 = 2417 cloth 框数 = 6 fishing 框数 = 13 metal 框数 = 82 paper 框数 = 12 papper 框数 = 2 plastic 框数 = 6351 platstic 框数 = 1 rov 框数 = 2244 rubber 框数 = 16 timestamp 框数 = 12449 unknown 框数 = 170 wood 框数 = 64 总框数：23827 使用标注工具：labelI

2024-05-08

手势分类数据集5790张10类别.zip

数据集类型：图像分类用，不可用于目标检测无标注文件数据集格式：仅仅包含jpg图片，每个类别文件夹下面存放着对应图片图片数量(jpg文件个数)：5790 分类类别数：10 类别名称:["0","1","2","3","4","5","6","7","8","9"] 每个类别图片数： 0 图片数：489 1 图片数：536 2 图片数：636 3 图片数：635 4 图片数：522 5 图片数：528 6 图片数：596 7 图片数：612 8 图片数：594 9 图片数：642 重要说明：暂无特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理分类存放

2024-05-08

绵羊脸部绵羊品种分类数据集1680张4类别.zip

数据集类型：图像分类用，不可用于目标检测无标注文件数据集格式：仅仅包含jpg图片，每个类别文件夹下面存放着对应图片图片数量(jpg文件个数)：1680 分类类别数：4 类别名称:["marino","poll_dorset","suffolk","white_suffolk"] 每个类别图片数： marino 图片数：420 poll_dorset 图片数：420 suffolk 图片数：420 white_suffolk 图片数：420 重要说明：暂无特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理分类存放

2024-05-08

猪脸分类识别数据集5909张30类别.zip

数据集类型：图像分类用，不可用于目标检测无标注文件数据集格式：仅仅包含jpg图片，每个类别文件夹下面存放着对应图片图片数量(jpg文件个数)：5909 分类类别数：30 类别名称:["01","02","03","04","05","06","07","08","09","10","11","12","13","14","15","16","17","18","19","20","21","22","23","24","25","26","27","28","29","30"]

2024-05-08

猪脸检测数据集VOC+YOLO格式217张2类别.zip

数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数)：217 标注数量(xml文件个数)：217 标注数量(txt文件个数)：217 标注类别数：2 标注类别名称:["pig","pigface"] 每个类别标注的框数： pig 框数 = 215 pigface 框数 = 205 总框数：420 使用标注工具：labelImg 标注规则：对类别进行画矩形框重要说明：数据集里面是手机拍摄的视频截取图片，里面的一只猪进行标注的，介意勿下载特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理标注

2024-05-08

新冠肺炎CT胸透识别分类数据集4035张3类别.7z

数据集类型：图像分类用，不可用于目标检测无标注文件数据集格式：仅仅包含jpg图片，每个类别文件夹下面存放着对应图片图片数量(jpg文件个数)：4035 分类类别数：3 类别名称:["COVID-19","Normal","Viral-Pneumonia"] 每个类别图片数： COVID-19 图片数：1345 Normal 图片数：1345 Viral-Pneumonia 图片数：1345 重要说明：暂无特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理分类存放

2024-05-08

光伏电池异常检测数据集VOC+YOLO格式219张2类别.7z

数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数)：219 标注数量(xml文件个数)：219 标注数量(txt文件个数)：219 标注类别数：2 标注类别名称:["crackle","invalid"] 每个类别标注的框数： crackle 框数 = 345 invalid 框数 = 132 总框数：477 使用标注工具：labelImg 标注规则：对类别进行画矩形框重要说明：暂无特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理标注

2024-05-08

光伏电池异常分类数据集2000张带分类文件信息csv.zip

数据集介绍【简介】：光伏电池有划痕与失效区两种异常，两种异常构成了无缺陷、有裂纹无失效区、无裂纹有失效区、有裂纹有失效区四类情况。本数据集由这四类情况的图片构成。【应用领域】：AI+能源——图像分类【文件目录如下】： │ └─光伏电池异常检测数据集 │ ├─images #异常图片 │ └─train.csv #标签，表明每张图片存在的异常

2024-05-08

皮肤癌病变分类数据集2357张9类别.7z

数据集类型：图像分类用，不可用于目标检测无标注文件数据集格式：仅仅包含jpg图片，每个类别文件夹下面存放着对应图片图片数量(jpg文件个数)：2357 分类类别数：9 类别名称:["actinic_keratosis","basal_cell_carcinoma","dermatofibroma","melanoma","nevus","pigmented_benign_keratosis","seborrheic_keratosis","squamous_cell_carcinoma","vascular_lesion"] 每个类别图片数： actinic_keratosis 图片数：130 basal_cell_carcinoma 图片数：392 dermatofibroma 图片数：111 melanoma 图片数：454 nevus 图片数：373 pigmented_benign_keratosis 图片数：478 seborrheic_keratosis 图片数：80 squamous_cell_carcinoma 图片数：197 vascular_lesion 图片数

2024-05-07

皮肤病识别分类数据集23020张26类别.7z

数据集类型：图像分类用，不可用于目标检测无标注文件数据集格式：仅仅包含jpg图片，每个类别文件夹下面存放着对应图片图片数量(jpg文件个数)：23020 分类类别数：26 更多信息参考博客：blog.csdn.net/FL1768317420/article/details/138545125

2024-05-07

cudnn-11.4-windows-x64-v8.2.2.26.zip

2024-05-07

PCL-1.14.1-AllInOne-msvc2022-win64含pdb.zip

包含文件 PCL-1.14.1-AllInOne-msvc2022-win64.exe pcl-1.14.1-pdb-msvc2022-win64.zip

2024-05-07

邮件盒快递盒子检测数据集VOC+YOLO格式1037张1类别.7z

数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数)：1037 标注数量(xml文件个数)：1037 标注数量(txt文件个数)：1037 标注类别数：1 标注类别名称:["post"] 每个类别标注的框数： post 框数 = 1529 总框数：1529 使用标注工具：labelImg 标注规则：对类别进行画矩形框重要说明：暂无特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理标注

2024-05-07

快递包裹纸箱检测数据集VOC+YOLO格式395张2类别.7z

数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数)：395 标注数量(xml文件个数)：395 标注数量(txt文件个数)：395 标注类别数：2 标注类别名称:["kuaididai","zhixiang"] 每个类别标注的框数： kuaididai 框数 = 46 zhixiang 框数 = 461 总框数：507 使用标注工具：labelImg 标注规则：对类别进行画矩形框重要说明：暂无特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理标注

2024-05-07

流水线包裹检测数据集VOC+YOLO格式145张4类别.7z

数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数)：145 标注数量(xml文件个数)：145 标注数量(txt文件个数)：145 标注类别数：4 标注类别名称:["bag","bigbox","box","longbox"] 每个类别标注的框数： bag 框数 = 238 bigbox 框数 = 19 box 框数 = 309 longbox 框数 = 9 总框数：575 使用标注工具：labelImg 标注规则：对类别进行画矩形框重要说明：暂无特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理标注

2024-05-07

医学OCT视网膜疾病识别分类数据集14600张4类别.7z

数据集类型：图像分类用，不可用于目标检测无标注文件数据集格式：仅仅包含jpg图片，每个类别文件夹下面存放着对应图片图片数量(jpg文件个数)：14600 分类类别数：4 类别名称:["CNV","DME","DRUSEN","NORMAL"] 每个类别图片数： CNV 图片数：3650 DME 图片数：3650 DRUSEN 图片数：3650 NORMAL 图片数：3650 重要说明：暂无特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理分类存放

2024-05-07

苹果香蕉橙子菠萝葡萄西瓜水果检测识别数据集VOC+YOLO格式8475张6类别.7z

数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数)：8479 标注数量(xml文件个数)：8479 标注数量(txt文件个数)：8479 标注类别数：6 标注类别名称:["apple","banana","grape","orange","pineapple","watermelon"] 每个类别标注的框数： apple 框数 = 7049 banana 框数 = 3536 grape 框数 = 7202 orange 框数 = 15549 pineapple 框数 = 1613 watermelon 框数 = 1976 总框数：36925 使用标注工具：labelImg 标注规则：对类别进行画矩形框重要说明：暂无特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理标注

2024-05-07

课堂学生学习状态检测数据集VOC+YOLO格式8884张8类别.7z

数据集格式：Pascal VOC格式+YOLO格式(不含分割路径的txt文件，仅包含jpg图片对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件数)：8884 标注数量(xml文件数)：8884 标注数量(txt文件数)：8884 标注类别数：8 标注类名称:["ditouxie","jushou","kanshu","taolun","tingke","zhanli","zhidao","zhuantou"] 每类标注框数： ditouxie 框数 = 72462 jushou 框数 = 4183 kanshu 框数 = 58932 taolun 框数 = 4663 tingke 框数 = 117528 zhanli 框数 = 4101 zhidao 框数 = 680 zhuantou 框数 = 5339 总框数：267888 使用标注工具：labelImg 学生低头写=ditouxie 学生看书=kanshu 学生听课=tingke 学生转头=zhuantou 学生举手=jushou 学生站立=zhanli 小组讨论=taolun 教师指导=zhidao

2024-05-06

flavia植物叶片分类数据集1907张32类别.7z

数据集类型：图像分类用，不可用于目标检测无标注文件数据集格式：仅仅包含jpg图片，每个类别文件夹下面存放着对应图片图片数量(jpg文件个数)：1907 分类类别数：32 类别名称:["0","1","2","3","4","5","6","7","8","9","10","11","12","13","14","15","16","17","18","19","20","21","22","23","24","25","26","27","28","29","30","31"] 每个类别图片数： 0 图片数：59 1 图片数：63 2 图片数：72 3 图片数：73 4 图片数：56 5 图片数：62 6 图片数：52 7 图片数：59 8 图片数：55 9 图片数：65 10 图片数：50 11 图片数：63 12 图片数：52 13 图片数：65 14 图片数：60 15 图片数：56 16 图片数：77 17 图片数：62 18 图片数：61 19 图片数：66 20 图片数：60 21 图片数：55 22 图片数：55 23 图片数：65 24 图片数：54

2024-05-06

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人