小户型变大有辙没辙?教你四个扩空妙招

小户型是目前比较 电器常见的建筑室内空间结 家电构,它的装饰设计既要 家电求舒适性,又要求功能 电器术性相统一。对于房主 电器性相统一。对于房主和设计师而言,如何合理地使用有限的空间,是一件极富挑战性的事情。本期展示的四套小户型的设计方案,或多或少带给人们一些提示。 招数1:将卧室中的卫生间“开放” 本住宅的房主是一位单身女子,她要求,虽然空间不大,但是一【工长俱乐部】定要布置得浪漫而优雅。元洲装饰公司居然分部设计师王吉力做了如下设计:卧室的整体色调采用洁净的白色,与其相连的开放式卫生间则用紫色墙漆,配以白色的卫浴产品,演绎出一种简约的时尚。透明的冰裂玻璃隔断,在灯影的照射下更显妩媚动人。小小的空间里,圆的床、方的窗、隐约的灯光,都展示出女主人独有的细腻与感性。 招数2:节省空间的电视背景墙 这个小户型的客厅带有一个外飘窗,创艺苑室内设计中心同道工作室吴向欣将客厅的主色调定为白色,视觉效果爽朗而灵动。背景墙的设计较有特点:【工长俱乐部】既在一定的程度上节省了空间,又在视觉上给人一种宽大的感觉。最后,在设计上淳朴回归自然的气氛,让人爽目一新。沙发、茶几的线条简洁,色彩明快,让不大的空间显得开阔。 招数3:在空间中多做些隔断 据龙发装饰公司CBD中心设计室李玲玲介绍,本套小户型设计在客厅与厨房的划分上,采取半通透手法,将沙发安置在客厅的一角,令人感到稳妥与安全。由于没【工长俱乐部】有专门的厨房,因此设计师利用隔断把客厅隔出一个厨房空间,但整体上又不是完全隔开。此外,在卧室的墙壁上用石膏板做隔断,隔出了一个内置式衣帽间,这样显得空间会更大一些。由于起居室空间的限制,将学习区与起居室叠压进一个主要的起居区域。而【工长俱乐部】书房的功能,则只好通过错落有致的书架来承担了。 招数4:用色彩调和视觉效果 居室空间里,色彩的搭配技巧对于气氛的营造起到相当重要的作用。【工长俱乐部】色彩调和能创造舒适的视觉感受,雅特装饰设计师处理本方案的小空间时,从设计和色彩的搭配上作出细致分析,以达到“小空间大利用”的效果,丝毫让人感觉不到压抑和约束感。比如,在色彩上以白色为主,电视背景墙只是采用了淡淡的黄色,另外,将后期配饰放在家装设计当中做整体考虑。【工长俱乐部】工长俱乐部论坛
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
基于YOLOv9实现工业布匹缺陷(破洞、污渍)检测系统python源码+详细运行程+训练好的模型+评估 【使用程】 一、环境配置 1、建议下载anaconda和pycharm 在anaconda中配置好环境,然后直接导入到pycharm中,在pycharm中运行项目 anaconda和pycharm安装及环境配置参考网上博客,有很多博主介绍 2、在anacodna中安装requirements.txt中的软件包 命令为:pip install -r requirements.txt 或者改成清华源后再执行以上命令,这样安装要快一些 软件包都安装成功后才算成功 3、安装好软件包后,把anaconda中对应的python导入到pycharm中即可(不难,参考网上博客) 二、环境配置好后,开始训练(也可以训练自己数据集) 1、数据集准备 需要准备yolo格式的目标检测数据集,如果不清楚yolo数据集格式,或者有其他数据训练需求,请看博主yolo格式各种数据集集合链接:https://blog.csdn.net/DeepLearning_/article/details/127276492 里面涵盖了上百种yolo数据集,且在不断更新,基本都是实际项目使用。来自于网上收集、实际场景采集制作等,自己使用labelimg标注工具标注的。数据集质量绝对有保证! 本项目所使用的数据集,见csdn该资源下载页面中的介绍栏,里面有对应的下载链接,下载后可直接使用。 2、数据准备好,开始修改配置文件 参考代码中data文件夹下的banana_ripe.yaml,可以自己新建一个不同名称的yaml文件 train:训练集的图片路径 val:验证集的图片路径 names: 0: very-ripe 类别1 1: immature 类别2 2: mid-ripe 类别3 格式按照banana_ripe.yaml照葫芦画瓢就行,不需要过多参考网上的 3、修改train_dual.py中的配置参数,开始训练模型 方式一: 修改点: a.--weights参数,填入'yolov9-s.pt',博主训练的是yolov9-s,根据自己需求可自定义 b.--cfg参数,填入 models/detect/yolov9-c.yaml c.--data参数,填入data/banana_ripe.yaml,可自定义自己的yaml路径 d.--hyp参数,填入hyp.scratch-high.yaml e.--epochs参数,填入100或者200都行,根据自己的数据集可改 f.--batch-size参数,根据自己的电脑性能(显存大小)自定义修改 g.--device参数,一张显卡的话,就填0。没显卡,使用cpu训练,就填cpu h.--close-mosaic参数,填入15 以上修改好,直接pycharm中运行train_dual.py开始训练 方式二: 命令行方式,在pycharm中的终端窗口输入如下命令,可根据自己情况修改参数 官方示例:python train_dual.py --workers 8 --device 0 --batch 16 --data data/coco.yaml --img 640 --cfg models/detect/yolov9-c.yaml --weights '' --name yolov9-c --hyp hyp.scratch-high.yaml --min-items 0 --epochs 500 --close-mosaic 15 训练完会在runs/train文件下生成对应的训练文件及模型,后续测试可以拿来用。 三、测试 1、训练完,测试 修改detect_dual.py中的参数 --weights,改成上面训练得到的best.pt对应的路径 --source,需要测试的数据图片存放的位置,代码中的test_imgs --conf-thres,置信度阈值,自定义修改 --iou-thres,iou阈值,自定义修改 其他默认即可 pycharm中运行detect_dual.py 在runs/detect文件夹下存放检测结果图片或者视频 【特别说明】 *项目内容完全原创,请勿对项目进行外传,或者进行违法等商业行为! 【备注】 1、该资源内项目代码都经过测试运行成功,功能ok的情况下才上传的,请放心下载使用!有问题请及时沟通交流。 2、适用人群:计算机相关专业(如计科、信息安全、数据科学与大数据技术、人工智能、通信、物联网、自动化、电子信息等)在校学生、专业老师或者企业员工下载使用。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值