- 博客(336)
- 资源 (3)
- 收藏
- 关注
RSS订阅
原创 操作系统学习系列内容汇总
操作系统一、概论二、进程管理三、内存管理一、概论操作系统（一）—— 概论（1）：导论操作系统（一）—— 概论（2）：操作系统结构二、进程管理操作系统（二）—— 进程管理（1）：进程操作系统（二）—— 进程管理（2）：多线程编程操作系统（二）—— 进程管理（3）：进程调度操作系统（二）—— 进程管理（4）：同步操作系统（二）—— 进程管理（5）：死锁三、内存管理操作系统（三）—— 内存管理（1）：内存管理策略操作系统（三）—— 内存管理（2）：虚拟内存管理...
2021-09-05 11:42:28
615
1
原创 老杜带你学MySQL学习系列内容汇总
MySQL（一）—— 数据库概述MySQL（二）—— 简单的查询MySQL（三）—— 条件查询MySQL（四）—— 排序MySQL（五）—— 数据处理函数（单行处理函数）MySQL（六）—— 分组函数（多行处理函数）MySQL（七）—— 分组查询MySQL（八）—— 连接查询MySQL（九）—— 子查询MySQL（十）—— unionMySQL（十一、十二）—— limit、关于DQL语句的总结MySQL（十三）—— 表MySQL（十四）—— 表的一些操作MySQL（十五）—— .
2021-09-04 22:49:02
1257
原创 谢希仁计算机网络学习系列内容汇总
计算机网络一、概述二、物理层三、数据链路层四、网络层五、运输层六、应用层一、概述计算机网络（一）—— 概述（1、2）：计算机网络在信息时代的作用、因特网概述计算机网络（一）—— 概述（3、4）：三种交换方式、计算机网络的定义和分类计算机网络（一）—— 概述（5）：计算机网络的性能指标计算机网络（一）—— 概述（6）：计算机网络体系结构计算机网络（一）—— 概述（7）：总结二、物理层三、数据链路层四、网络层五、运输层六、应用层...
2021-07-14 09:34:39
2181
4
原创 浙大版数据结构学习系列内容汇总
一、基本概念二、线性结构三、树四、图五、排序六、散列查找一、基本概念数据结构（一）—— 基本概念数据结构（一）基本概念 —— 编程作业 01：最大子列和问题数据结构（一）基本概念 —— 编程作业 02 ：Maximum Subsequence Sum数据结构（一）基本概念 —— 编程作业 03 ：二分查找二、线性结构数据结构（二）—— 线性结构（1）：线性表数据结构（二）—— 线性结构（2）：堆栈数据结构（二）—— 线性结构（3）：队列数据结构（二）—— 线性结构（4）：应用实例.
2021-06-09 17:55:40
3584
原创 十大排序算法总结
排序方法最好时间复杂度最坏时间复杂度平均时间复杂度辅助空间复杂度稳定性博客链接直接插入排序O(n)O(n)O(n)O(n2)O(n^{2})O(n2)O(n2)O(n^{2})O(n2)O(1)O(1)O(1)稳定插入排序算法折半插入排序O(n)O(n)O(n)O(n2)O(n^{2})O(n2)O(n2)O(n^{2})O(n2)O(1)O(1)O(1)稳定折半插入排序算法直接选择排序O(n2)O(n^{2})O(n2)O(n2)O(n...
2021-05-15 10:24:36
2785
3
原创 学习深度学习过程中的一些经验与方法
深度学习是机器学习领域中一个新的研究方向，它被引入机器学习使其更接近于最初的目标——人工智能。 深度学习是学习样本数据的内在规律和表示层次，这些学习过程中获得的信息对诸如文字，图像和声音等数据的解释有很大的帮助。它的最终目标是让机器能够像人一样具有分析学习能力，能够识别文字、图像和声音等数据。 深度学习是一个复杂的机器学习算法，在语音和图像识别方面取得的效果，远远超过先前相关技术。 深度学习在搜索技术，数据挖掘，机器学习，机器翻译，自然语言处理，多媒体学习，语音，推荐和个性化技术，以及其他相关领
2021-05-08 17:14:24
3005
1
原创 C++学习系列内容汇总
一、C++基础入门C++学习过程中的一些经验与方法C++基础入门（一）—— C++初识C++基础入门（二）—— 数据类型C++基础入门（三）—— 运算符C++基础入门（四）—— 程序流程结构（上）C++基础入门（四）—— 程序流程结构（下）C++基础入门（五）—— 数组C++基础入门（六）—— 函数C++基础入门（七）—— 指针C++基础入门（八）—— 结构体C++基础入门（九）—— 案例：通讯录管理系统二、C++核心编程C++核心编程（一）—— 内存分区模型C++核心编程
2021-04-23 15:26:01
6309
原创 吴恩达机器学习系列内容汇总
学习机器学习过程中的一些经验与方法吴恩达机器学习（一）—— 简介吴恩达机器学习（二）—— 线性回归吴恩达机器学习（三）—— ex1：Linear Regression（MATLAB+Python）吴恩达机器学习（四）—— Logisitic回归吴恩达机器学习（五）—— 正则化吴恩达机器学习（六）—— ex2：Logistic Regression（MATLAB+Python）吴恩达机器学习（七）—— 神经网络：Representation吴恩达机器学习（八）—— ex3：Multi-cla.
2021-04-17 18:36:05
11785
7
原创 Git和GitHub的使用
GitHub简介基本概念GitHub的用途GitHub简介 GitHub是世界上最大的软件远程仓库，是一个面向开源和私有软件项目的托管平台，使用Git做分布式版本控制。基本概念 仓库（Repository）：用来存放项目代码，每个项目对应一个仓库，多个开源项目则有多个仓库。 收藏（Star)：用来收藏项目，方便下次查看。 复制克隆项目（Fork） 发起请求（Pull Request） 关注（Watch）：关注项目，当项目更新可以接收到通知。 事务卡片（Issue） Gi.
2021-03-26 21:52:30
3488
原创 C++学习过程中的一些经验与方法
C++是C语言的继承，它既可以进行C语言的过程化程序设计，又可以进行以抽象数据类型为特点的基于对象的程序设计，还可以进行以继承和多态为特点的面向对象的程序设计。C++ 是一种中级语言，综合了高级语言和低级语言的特点，它是由 Bjarne Stroustrup 于 1979 年在贝尔实验室开始设计开发的。C++ 进一步扩充和完善了 C 语言，是一种面向对象的程序设计语言。C++ 可运行于多种平台上，如 Windows、MAC 操作系统以及 UNIX 的各种版本。 C++ 是一种静态类型的、编译式的、通
2021-03-13 09:39:55
3325
2
原创 零基础入门学Python系列内容汇总
零基础入门学Python（一）—— Python的安装与启动介绍了Python的安装与启动步骤。零基础入门学Pyhton（二）—— 用Python设计第一个小游戏介绍了缩进、BIF等知识点。零基础入门学Python（三）—— 成为高手前必须知道的一些基础知识介绍了变量、字符串、条件分支、while循环、数据类型、常用操作符等知识点。零基础入门学Python（四）—— 了不起的分支和循环介绍了分支和循环、“悬挂else”、条件表达式（三元操作符）、断言、while循环语句、for循环语、range().
2020-12-14 10:34:41
2300
原创 准备数学建模竞赛过程中的一些经验与方法
2020年“华为杯”数学建模竞赛的比赛时间为2020年9月17日8:00 – 2020年9月21日12:00。决定参赛后，我们大概从七月初就开始组队准备比赛。因为疫情的原因，推迟的四六级考试时间竟然和建模竞赛的时间撞上了，无奈只能二选一，真可谓是“鱼与熊掌不可兼得”呀，最后只能放弃这一次考四六级的机会，好好准备建模竞赛。这也提醒想要参加数学建模竞赛的同学，越是临近比赛，越需要全身心的投入，所以不能抱着想要两者兼顾的心态，很有可能都弄不好，当然厉害的大佬除外。 我们队的三个人都是第一次参加数学建模竞赛
2020-10-12 12:01:23
2268
6
原创 英文文献翻译的几款实用工具
随着对英文文献阅读需求的增加，需要翻译更准确、使用起来更方便的翻译软件。经过在知乎还有百度等多种地方查询，发现了几款评价比较高的软件，进行了使用。彩云小译：这款软件适用于长篇文献，直接将文档上传到网站，就可以完成翻译。 彩云小译在线翻译链接...
2020-05-13 23:39:40
14976
2
原创 学习机器学习过程中的一些经验与方法
近年来，随着数据的爆炸式增长和计算能力的成倍提高，人工智能发展的越来越迅猛，而说到人工智能必然要了解机器学习。 入门机器学习，我使用的资料主要是吴恩达老师的《机器学习》课程视频以及相对应的programming exercise编程练习。学完之后，我觉得吴恩达老师课程视频的内容整体来说比较基础，易于理解和掌握，很适合新
2020-05-09 20:08:32
1745
1
原创 Python学习过程中的一些经验与方法
Python是一种体现简单主义思想的语言，也是一种解释性语言，使用者可以用尽量少的代码完成更多的工作。对于初学者而言，它也是一门容易学习的语言。 由于自己之后学习的东西会涉及到python语言，所以作为一个p...
2020-04-26 15:01:32
710
原创 Python实现排序
在Python中可以使用提供的sort排序法对list实现排序。 Python提供两种内置排序的函数分别是sort()和sorted()，这两种函数用法差别在于sort()会直接修改原始的list进行排序，sorted()可迭代对象排序并返回新的list。 sort()函数参数：list.sort(key=None, reverse=False)实现整数的排序# 使用sort升序list = [4, 5, 8, 3, 7, 1, 2, 6, 10, 9]print("before
2022-07-23 22:06:00
1851
原创 使用Python随机生成数据的一些方法
通过Python_Faker生成测试数据通过Python基础语法生成一些随机数利用26个字母和10个数字随机生成5个八位密码生成5个2位小数点的随机数生成5个随机整数数通过Python_Faker生成测试数据 通过Python_Faker生成测试数据需要安装Faker包，使用pip安装pip install Faker。 随机生成5个人的个人信息（包括用户名、年龄、性别、地址、工作、婚姻状态）并保存为.csv文件，代码如下所示。from faker import Fakerimport pa.
2022-07-22 22:27:33
3251
原创 设计一个卷积神经网络模型用于遥感图像的场景分类
遥感图像场景分类是指对遥感图像中场景语义内容标签的映射过程，对高分辨率遥感影像的信息提取及内容理解有着重要的意义。主要的场景分类方法可以分为三类：第一类是基于底层视觉特征的场景分类方法，第二类是基于中层视觉表示的场景分类方法，第三类是基于高层视觉信息的场景分类方法。其中基于高层视觉信息的场景分类方法通过训练卷积神经网络模型来自动提取图像的抽象语义特征，卷积神经网络展现出很强的图像场景特征描述能力，解决了底层、中层特征对场景语义信息描述不准确的问题，打开了大幅提升场景分类效果的大门。 为实现遥感图像的
2022-06-01 16:49:29
3326
1
原创 计算机网络（四）—— 网络层（7、8、9）：IPv4数据报的首部格式、网际控制报文协议ICMP、虚拟专用网VPN与网络地址转换NAT
计算机网络系列内容的学习目录→\rightarrow→谢希仁计算机网络学习系列内容汇总。 7. IPv4数据报的首部格式7.1 课后练习8. 网际控制报文协议ICMP8.1 课后练习9. 虚拟专用网VPN与网络地址转换NAT9.1 虚拟专用网VPN(Virtual Private Network)9.2 网络地址转换NAT9.3 课后练习7. IPv4数据报的首部格式7.1 课后练习 1. 以下关于IPv4数据报结构的描述中，错误的是( B ) A. IPv4数据报的首部长度是可变的.
2022-06-01 11:06:08
2344
原创 遥感图像目标检测数据集
目前国内外开发了很多可以用于遥感图像目标检测任务的公开基准数据集，常用的有NWPU VHR-10和DOTA两种。NWPU VHR-10 提取码：73z5NWPU VHR-10遥感数据集是由西北工业大学公布的用于遥感图像目标检测的公开数据集，包含10类地物目标共800张遥感图像，具体有airplane、ship 、storage tank 、baseball diamond、tennis court、basketball court、ground track field、harbor、bridge、
2022-05-26 17:14:55
1865
原创 遥感图像场景分类数据集
目前国内外开发了很多可以用于场景分类任务的公开基准数据集，为这一领域的研究提供了便利。常用的遥感图像场景分类数据集有UC Merced Land-Use和NWPU-RESISC45两种。UC Merced Land-Use 提取码：txeuUC Merced Land-Use遥感数据集是由UC Merced计算机视觉实验室公布的用于遥感图像场景分类的公开数据集，包含21类场景，各类别场景样本展示如下图所示。 上图中具体每个类别为(1) agricultural、(2) airplane、
2022-05-26 15:54:45
6826
1
原创 使用数据增强技术对已有样本进行扩充
当数据集中的样本量较少时，直接将其输入网络进行训练可能会导致过拟合，所以需要对已有样本通过使用数据增强技术进行扩充。扩充时主要有翻转和旋转两种操作，其中翻转包含水平翻转、上下翻转两种，旋转包含逆时针旋转90∘90^{\circ}90∘、180∘180^{\circ}180∘、270∘270^{\circ}270∘三种。 具体代码如下所示。# -*- coding: utf-8 -*-from PIL import Imageimport osfile_dir = 'E:/Remote S
2022-05-18 16:36:48
2123
原创 对保存的vgg16.ckpt模型实现特征图可视化
在使用NWPU VHR-10数据集训练Faster R-CNN模型之后，可以通过对保存的模型实现特征图可视化来进一步分析模型。
2022-05-06 19:29:06
1627
原创 使用ResNet101作为预训练模型训练Faster-RCNN-TensorFlow-Python3-master
使用VGG16作为预训练模型训练Faster-RCNN-TensorFlow-Python3-master的详细步骤→Windows10+Faster-RCNN-TensorFlow-Python3-master+VOC2007数据集。 如果使用ResNet101作为预训练模型训练Faster-RCNN-TensorFlow-Python3-master，在之前使用VGG16作为预训练模型的训练步骤基础上需要修改几个地方。第一个，在之前的第6步时，改为下载预训练模型ResNet101，在./da
2022-01-23 21:53:31
6746
5
原创 使用DOTA数据集训练Faster R-CNN模型
一、所需文件下载链接二、基础环境配置三、训练及测试过程 使用Faster R-CNN算法在DOTA数据集上实现目标检测。 使用Faster R-CNN算法在VOC2007数据集上实现目标检测的详细步骤→Windows10+Faster-RCNN-TensorFlow-Python3-master+VOC2007数据集。一、所需文件下载链接Faster R-CNN源码及操作步骤Github链接→Faster-RCNN-TensorFlow-Python3。Faster-RCNN-Tensor.
2021-12-25 10:28:47
2382
18
原创 使用Python将DOTA数据集的格式转换成VOC2007数据集的格式
这里写目录标题一、VOC2007数据集二、DOTA数据集一、VOC2007数据集 VOC2007数据集的文件结构如下图所示。 其中，文件夹Annotations中存放的是图像的标注信息的xml文件，命名从000001.xml开始；文件夹ImageSets中存放的是图像划分的集合的txt文件，目标检测任务对应的train、val、trainval、test数据集的txt文件存放在Main文件夹中；文件夹JPEGImages中存放的是所有图片的jpg文件，命名从000001.jpg开始；文件夹Seg
2021-12-19 22:02:33
8072
205
原创 使用NWPU VHR-10数据集训练Faster R-CNN模型
一、所需文件下载链接 使用Faster R-CNN算法在NWPU VHR-10数据集上实现目标检测。 使用Faster R-CNN算法在VOC2007数据集上实现目标检测的详细步骤→Windows10+Faster-RCNN-TensorFlow-Python3-master+VOC2007数据集。一、所需文件下载链接Faster R-CNN源码及操作步骤Github链接→Faster-RCNN-TensorFlow-Python3。Faster-RCNN-TensorFlow-Pytho.
2021-12-06 12:19:59
4126
2
原创 Requirement already satisfied解决办法
遇到的问题： 当使用电脑中安装的Python 3.7的IDLE去运行某一个python文件时，会出现ModuleNotFoundError: No module named 'numpy'的报错，需要安装numpy库。 而当使用win+R快捷键打开cmd，输入pip install numpy命令时，却得到Requirement already satisfied: numpy in d:\programming\anaconda3\lib\site-packages (1.16.5
2021-12-06 11:37:52
45672
19
原创 使用Python将NWPU VHR-10数据集的格式转换成VOC2007数据集的格式
一、VOC2007数据集二、NWPU VHR-10数据集三、将NWPU VHR-10数据集的格式转换成VOC2007数据集的的格式一、VOC2007数据集 VOC2007数据集的文件结构如下图所示。 其中，文件夹Annotations中存放的是图像的标注信息的xml文件，命名从000001.xml开始；文件夹ImageSets中存放的是图像划分的集合的txt文件，目标检测任务对应的train、val、trainval、test数据集的txt文件存放在Main文件夹中；文件夹JPEGImage.
2021-11-28 17:34:00
3099
12
原创 Windows10+Faster-RCNN-TensorFlow-Python3-master+VOC2007数据集
一、所需文件下载链接二、基础环境配置三、训练过程 使用Faster R-CNN算法在VOC2007数据集上实现目标检测。一、所需文件下载链接Faster R-CNN源码及操作步骤Github链接→Faster-RCNN-TensorFlow-Python3。Faster-RCNN-TensorFlow-Python3-master压缩包百度云盘链接→提取码：76wq。VOC2007数据集百度云盘链接→提取码：z8sd。VOC2007数据集的解析→VOC2007数据集详细分析。二、基础环.
2021-11-27 22:24:00
2575
18
原创 VOC2007数据集详细分析
VOC数据集官网链接→http://host.robots.ox.ac.uk/pascal/VOC/。 VOC2007数据集官网链接→http://host.robots.ox.ac.uk/pascal/VOC/voc2007/index.html。 VOC2007数据集百度云盘链接→提取码：z8sd。VOC2007数据集分析： VOC2007数据集有20个类：aeroplane, bicycle, bird, boat, bottle, bus, car, cat, chair, cow
2021-11-23 20:53:42
25212
10
原创 目标检测中的mAP
要计算mAP必须先绘出各类别PR曲线，计算出AP。而如何采样PR曲线，VOC采用过两种不同方法。 在VOC2010以前，只需要选取当Recall >= 0, 0.1, 0.2, …, 1共11个点时的Precision最大值，然后AP就是这11个Precision的平均值。 在VOC2010及以后，需要针对每一个不同的Recall值（包括0和1），选取其大于等于这些Recall值时的Precision最大值，然后计算PR曲线下面积作为AP值。AP&mAPmAP：mean Av
2021-11-08 21:12:35
13532
3
原创 R-CNN、Fast R-CNN、Faster R-CNN算法对比
R-CNN、Fast R-CNN、Faster R-CNN算法都是基于Region Proposal(候选区域)的深度学习目标检测算法，是2-stage两阶段检测模型。 Region Proposal就是预先找出图中目标可能出现的位置，通过利用图像中的纹理、边缘、颜色等信息，保证在选取较少窗口(几千个甚至几百个)的情况下保持较高的召回率(IoU)。 边框回归(Bouding Box Regression)：对RegionProposal进行纠正的线性回归算法，目的是为了让Region Propo
2021-10-28 22:31:51
1489
原创 遥感如何穿透云雨雾和黑夜，从太空看破地球？
遥感卫星上搭载了遥感传感器，它会接收并分析来自地面的电磁波信号，在遥远的距离下感知地面物体，所以得名遥感。这些卫星一般位于距地400~700千米的高空轨道上。根据接收的电磁波波长不同，遥感可以分为多种不同类型。 可见光遥感接收的电磁波就是可见光，波长一般在0.38~0.76微米之间，只要采用其中三个波段就能合成出一张彩色的图像。 通过观察可以发现，下面这两张照片的清晰度有所区别。 原因之一是它们拍摄时的镜头孔径不一样。 根据以下公式R空间分辨率=a探测器像元间距h轨道高度f焦距R
2021-10-22 09:47:45
798
原创 遥感影像的全色、多光谱、高光谱图像
1. 全色图像2. 多光谱图像3. 高光谱图像4. RGB图像 遥感成像原理： 光进入相机镜头，光电感应装置将光信号转换为电信号，量化电脉冲信号，记录为一个像素值。传感器响应函数设计为，要使光电感应装置产生这个电脉冲信号，光子强度必须达到一个阈值。进入镜头的光子数量取决于相机的感受野大小，镜头能通过的光子。多光谱图像要分出多个波段，镜头会分光，红滤镜只过红光，蓝滤镜只通过蓝光，假设相同的光打到全色与多光谱镜头上，显然因为滤光的缘故，多光谱感光器接收到的光子要少于全色感光器。而这些光子已经足够全色产生电.
2021-10-20 16:22:32
18570
3
原创 MFC的一些知识
微软基础类库（英语：Microsoft Foundation Classes，简称MFC）是一个微软公司提供的类库（class libraries），以C++类的形式封装了Windows API，并且包含一个（也是微软产品的唯一一个）应用程序框架，以减少应用程序开发人员的工作量。其中包含的类包含大量Windows句柄封装类和很多Windows的内建控件和组件的封装类。 MFC是微软公司实现的一个C++类库，主要封装了大部分的windows API函数，所以在MFC中我们可以直接调用 Windows
2021-09-07 16:56:20
618
原创 操作系统（三）—— 内存管理（2）：虚拟内存管理
2. 虚拟内存管理2.1 背景2.2 请求调页2.3 页面置换2.3.1 基本页面置换2.3.2 FIFO页面置换2.3.3 最优页面置换2.3.4 LRU页面置换2.3.5 基于计数的页面置换2.4 帧分配2.4.1 帧的最小数2.4.2 分配算法2.4.3 全局分配与局部分配2.5 系统抖动2.5.1 系统抖动的原因2.5.2 内存映射文件2. 虚拟内存管理 虚拟内存技术允许执行进程不必完全处于内存。这种方案的一个主要优点就是，程序可以大于物理内存。此外，虚拟内存将内存抽象成一个巨大的、统一的存.
2021-09-01 23:42:23
482
原创 操作系统（三）—— 内存管理（1）：内存管理策略
1. 内存管理策略1.1 背景1.1.1 基本硬件1.1.2 地址绑定1.1.3 逻辑地址空间与物理地址空间1.1.4 动态加载1.2 交换1.3 连续内存分配1.3.1内存保护1.3.2 内存分配1.3.3 内存碎片1.4 分段1.5 分页1.6 页表结构1.6.1 分层分页1.6.2 哈希页表1.6.3 倒置页表 计算机系统的主要目的是执行程序。在执行程序及其访问数据应该至少有部分在内存里。 为了提高CPU的利用率和响应用户的速度，通用计算机在内存里必须保留多个进程。1. 内存管理策略 .
2021-09-01 22:23:38
1393
机器学习资料.zip
2020-09-03
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人