- 博客(1)
- 资源 (19)
- 问答 (1)
- 收藏
- 关注
RSS订阅原创 JS工具方法 1 用xpath处理字符串查找
<script> var str='<aaa>\ <text x="0" y="15" fill="red" transform="rotate(30 20,40)">qqqqqqqq</text>\ <text x="0" y="15" fill=&qu
2018-06-04 17:01:42
3445
win10下用vs2019编译好的curl 64位库 版本7.84.0
在win10用cmake3.22与vs2019编译好的curl库，版本号为7.84.0（当下最新版，支持SLL）。库文件已经整理成了lib、include的结构,其中还内置curl.exe.
curl是一个利用URL语法在命令行下工作的文件传输工具，支持很多种http请求操作，详情可以参考Linux curl命令最全详解_Angel_CG的博客-CSDN博客_curl命令。curl现在在linux与win10都是有内置的，在命令行中可以直接使用curl指令。
2022-06-28
python释放cuda缓存库
博主自行实现的动态链接库，通过python导入后可以实现释放显存，与ai框架无关。支持pytorch、tensorflow、onnxruntime等cuda运行环境。调用dll.reset_cuda()即可释放显存
2022-06-21
windows下GDAL322的库
从GDAL322安装包中抽取出的库，避免了的安装和下载多个包的过程。包含lib、bin、include三个目录。将lib的路径添加到系统环境变量中就算是配置好了GDAL322。
2022-06-10
基于paddle2实现对paddlehub中的静态图的训练
基于paddle2实现了对paddlehub2中的静态图的训练，可以使用paddle.vision.transforms实现训练模型时的数据增强。避免了paddlehub1.x下无法在训练过程中增强数据的缺陷。基于此，还可以实现对paddlehub内置模型的知识蒸馏。如果想免费试用，请浏览https://blog.csdn.net/a486259/article/details/123191622，复制代码保存为文件即可。
2022-02-28
paddle.hub迁移学习-图像分类案例
基于paddle2.0内置的hub库所实现的迁移学习代码，包含4个文件，分别涉及模型、数据、训练和测试。该代码具体的使用方式请参考https://blog.csdn.net/a486259/article/details/123140942
2022-02-25
opencv4.5.3+opencv-contrib+CUDA
参考知乎教程https://zhuanlan.zhihu.com/p/354838274所实现的opencv4.5.3+opencv_contrib+CUDA11.1，在win10下用vs2019编译，显卡为3060，CUDA_ARCH_BIN设置为7.0;7.5;8.0;8.6。
2022-02-18
目标检测 数据扩充增强工具
用于目标检测的数据增强工具，通过读取voc格式的数据可以对图像和相应的box进行缩放、平移、镜像、旋转、resize和更改颜色空间。通过对扩充方法的随机组合，可以将一个带标注的图像扩充成100幅。资源使用方面有问题请查看https://blog.csdn.net/a486259/article/details/121644786
2021-06-15
labelme-4.5.7.exe
已打包好的最新版labelme-4.5.7，可以单独运行无需配置python环境。可以绘制多边形、圆形、线与点。因为不会压缩，所以文件大小有270m
2021-03-25
图像批处理方法-图像空白裁剪、灰度化、缩放
按照目录对图像进行灰度化、缩放(比例默认为1/3)、空白处裁剪(裁剪掉图片多余的空白)
=图像周边空白裁剪：按行和列统计图像四周的空白率，空白率过高的行和列将被裁剪掉（方法中设置为0.8，以灰度值大于0,9表示空白像素，可以按需更改）
2020-10-04
python工具方法 HristoryAvery
python工具方法 HristoryAvery方法在时序预测上的实现与使用，包含fit、predict、split_data三个方法。split_data用于划分数据集
2020-10-04
keras库文件，在loss和metrics库文件中添加rmse方法
在keras的loss库中添加rmse方法，成功使模型能正常使用rmse方法。在metrics.py文件上添加rmse方法后可以使用model.compile(loss='mse'，weighted_metrics=['rmse'])方法，可以在其他loss的条件下观测rmse的变化
2020-08-20
Wood Species Dataset-all.zip
Wood Species Dataset数据集有12种木材8千多个图像组成，其中有三种软木树种和九种阔叶树种，图像分为3类，分别是每种木材的横切面图片、弦切面图片和径切面图片。使用数据集时请务必按数据作者要求引用文献
2020-07-15
手写数字字母数据集[0-9,a-z,A-Z]
预处理过的EnglishHnd手写数字字母数据集，文件名已经改成数字、字母（限于windows10下不区分大小写，大写字母的都是双字母，如AA，BB），尺寸被裁剪缩放到28*28，与minist数据集完美兼容。
2019-04-10
cryptoJs加密解密工具
cryptoJs加密解密工具，并集成EncryptAes、DecryptAes两个方法，require(util.js)即可用。参数以json方式传递
2018-07-20
自己训练的superpoint与superglue模型
使用自己训练的superpoint与superglue模型进行图像配准（https://hpg123.blog.csdn.net/article/details/137381647） 博客中对应的模型与图片。放置对SuperGluePretrainedNetwork目录下，替换掉对应的文件即可使用
2024-04-12
使用FastDeploy 进行（图像分类、目标检测、语义分割、文本检测-orc）python部署
本资源整理了（图像分类、目标检测、语义分割、文本检测|orc）的FastDeploy-python部署案例，里面包含模型与对应的数据，下载资源后，安装FastDeploy即可使用。
FastDeploy是一款全场景、易用灵活、极致高效的AI推理部署工具， 支持云边端部署。提供超过 160+ Text，Vision， Speech和跨模态模型开箱即用的部署体验，并实现端到端的推理性能优化。包括 物体检测、字符识别（OCR）、人脸、人像扣图、多目标跟踪系统、NLP、Stable Diffusion文图生成、TTS 等几十种任务场景，满足开发者多场景、多硬件、多平台的产业部署需求。
2024-01-25
AOT-GAN-for-Inpainting项目中pt模型转化的onnx模型
AOT-GAN-for-Inpainting是一个开源的图像修复项目，其对 Places2 数据集的效果表明，我们的模型在 FID 方面明显优于最先进的模型，相对改进了 1.8%。一项包括 365 多名受试者的用户研究进一步验证了 AOT-GAN 的优越性。我们进一步评估了所提出的AOT-GAN在实际应用中的应用，例如，logo去除、面部修复和物体移除。结果表明，我们的模型在现实的广泛数据数据中取得了良好的效果。在论文中表述了一共在3个数据集上进行训练，但仅发布了两个预训练模型，关于logo移除的模型或许设计商业因素未公开。
本资源包含 CELEBA-HQ 与 Places2 两个数据集的onnx模型 https://hpg123.blog.csdn.net/article/details/135561206
2024-01-13
paddle-infer模型（包含ppyoloe-m、resnet50、segformerb1）
paddle_infer模型（包含ppyoloe_m_plus、resnet50、segformerb1的预训练模型），属于https://hpg123.blog.csdn.net/article/details/135229800中的模型、数据部分。含imagenet1000.txt类别信息，object365.txt类别信息
2023-12-26
win10上cuda12.1+tensorrt8.6+vs2019环境下编译onnxruntime1.17
onnxruntime官方在cuda12出来一年后都没有发布支持cuda12的onnxruntime版本，故此博主在win10上cuda12.1+tensorrt8.6+vs2019+py38环境下自行编译onnxruntime-gpu 1.17版本。本资源包，有onnxruntime_gpu-1.17.0-cp38-cp38-win_amd64.whl文件可以用于python的安装使用，还包含include、lib、bin文件支持c++编程使用。
2023-12-25
使用ROPNet项目在modelnet40数据集上训练的模型
具体包括：min_loss.pth、min_rot_error.pth两个模型文件https://github.com/zhulf0804/ROPNet项目提供了一个配准效果良好的点云模型，但是并没有发布预训练模型。故此，博主基于项目作者公布的代码，使用默认参数进行训练，约训练了450个epoch（完整epoch为600个）。所得到的模型精度与论文有轻微差异，但仍然能保证领先的精度。
训练loss：
Loss: 0.1087, Error R: 2.2862, Error t: 0.0218, anisotropic R(mse, mae): 2.6079, 1.1766, anisotropic t(mse, mae): 0.0224, 0.0103
测试效果：
Error R error: 1.6421
Error t error: 0.0171
anisotropic mse R error: 1.9071
anisotropic mae R error: 0.8711
anisotropic mse t error : 0.0177
anisotropic mae t err
2023-12-03
16位tif影像转jpg软件（win10可用，无任何依赖）
16位tif影像转jpg软件（win10可用，无任何依赖），对于16位tif影像转jpg，实现了3种转换函数，分别为normalization_img、min_max_normalization_img、cut_normalization_img。其中cut_normalization_img函数可以滤除掉tiff影像中的异常值，可以在格式转换时增强图像效果的稳定性。
软件由exe文件和ui文件组成，可以按照个人需求修改ui界面设计，修改后保存即可生效，无需更新软件。
同时也支持对jpg、png、bmp图像进行上述操作。
支持将图片拖入软件界面，也支持通过按钮选择图片。
软件具体实现介绍可以参考：https://hpg123.blog.csdn.net/article/details/131603554
2023-07-07
基于pyqt5所实现的16U tiff影像转8U影像软件源码
现在大部分图像软件都支持tiff影像的浏览，但都是仅限于8位的影像，对应CV16U类型的tiff影像并不支持（这需要专业的gis软件才可进行操作）。为了便捷操作，故此基于pyqt5+opencv实现16位tif影像转jpg的软件。由于博主还是不太喜欢将ui文件转换为py文件再去构建界面，直接加载ui文件构建界面可以节省一个中间步骤，且这可以在软件发布后直接修改ui文件达到快速更新软件的效果。
将16U的数据转换为8U有两种最简单的方式，即为归一化，具体如normalization_img函数代码所示，先将数据的值域压缩到0 ~ 1，然后再调整到 0 ~ 255。这种转换可能会存在某种问题，例如数据的整体值偏高，这样转化后就看不到差异了，故此又设计了min_max_normalization_img函数。先将数据的最小值调整为0，然后再进行归一化。
对于某些特殊的行业数据，可能存在较多的噪声，其最大值和最小值并不能真实反映数据的情况（可能为传感器故障），从而需要对数据值域的频率进行统计，找到噪声的阈值（最大值阈值、最小值阈值），将大于最大值阈值的数值修改为最大值阈值，将小于最小值阈值
2023-07-07
pyqt5的基本使用demo
对应的代码讲解在：https://hpg123.blog.csdn.net/article/details/131564563?spm=1001.2014.3001.5502，博文记录了pyqt5使用记录涉及pyqt界面控件的基本介绍，使用designer设计界面ui，并将其转化为py代码。关于界面主要实现radioButton的互斥选中事件、comboBox的选中事件（依据list添加item）、pushButton的单击事件、槽函数自动绑定、图片的拖入显示。
代码下载后，安装好qt环境既可使用，包含原始的ui文件，可以按照个人需求修改代码实现。
2023-07-06
ARM架构下ubuntu18.04编译好的opencv3.4.15（开箱即用）
ARM架构下ubuntu18.04编译好的opencv3.4.15（python版为通过编译），内置CMakeLists.txt模板文件，可以通过cmake的 find_package(OpenCV REQUIRED)直接配置opencv库。
编译时的系统信息如下：
root@HelperBox:~# uname -a
Linux HelperBox1.t507 4.9.170 #42 SMP PREEMPT Sat Nov 5 18:40:25 CST 2022 aarch64 aarch64 aarch64 GNU/Linux
root@HelperBox:~# lsb_release -a
No LSB modules are available.
Distributor ID: Ubuntu
Description: Ubuntu 18.04.4 LTS
Release: 18.04
Codename: bionic
2023-07-02
基于c++实现的文件加密解密代码
基于c++实现的文件加密解密代码，支持将二进制文件读取为char数组，然后根据自定义code对数据进行局部取反操作、局部倒序操作、局部滑动操作。
取反操作：将数据进行取反；解密操作也是取反操作；以单个char为操作单元
倒序操作：将数组的顺序进行翻转；解密操作也是倒序操作；以char数组为操作单元
滑动操作：将数组首位相连，进行一定的转动；解密操作也是滑动操作；以char数组为操作单元；
以头文件的方式实现，除标准std库外，不依赖任何第三方库；include到个人项目中即可使用。
2023-04-08
C++下web框架corw的完全使用手册（实现中文支持）
corw是一个开源、轻量化的c++web库，在使用上与python的flask是类似的。本文档为corw的完整使用文档，含项目配置(基于cmakelist)、路由绑定、返回数据(json、文本、response对象、静态资源、模板文件)、接口请求处理(REST请求，url参数绑定、json请求、GET参数和POST参数)和各种高级操作（Cookie操作、Session操作、文件上传操作、文件下载操作、websocket操作、自定义loghandler）。此外，还对各类参数请求、结果返回过程中对中文的支持（如get参数、post参数、url参数、json结果中中文参数的正确解读）
2023-02-20
win10下vs2019编译的opencv470+opencv-contrib（python pyd文件、c++包和编译缓存）
win10下vs2019编译的opencv470+opencv_contrib，包含opencv python版本的pyd文件和自行编译opencv470的.cache文件，各位可以下载.cache文件自己编译opencv470。所编译的opencv470中的lib和dll不是一个单独的文件，博主使用lib.exe将所有的lib文件合并为了opencv_world470.lib（链接器附加依赖性只需要opencv_world470.lib一个即可），但是dll文件没有合并（dll文件路径添加到环境变量path中即可）
2022-12-31
基于vs2019实现的绘图软件（矩形、多边形绘制）
实现了画笔（可以设置大小和颜色）、橡皮擦（可以设置大小），实现了绘制矩形（可以设置填充和不填充、可以设置颜色）、绘制多边形（可以设置填充和不填充、可以设置颜色）等基本功能。此外，还实现了导入底图的功能。
2022-10-18
基于c#实现的webapi调用软件
基于c#实现的webapi调用软件，用于请求web服务，尤其是通过aistudio平台部署的深度学习模型。如果您的自己的webapi接口返回的也是json格式的信息，也可以使用本软件进行请求调用。只是在请求服务前，一定要点击软件界面加密，将原始的url信息转化为用户不可读的字符串，然后再点击测试
2022-09-01
EditThisCookie.crx cookie编辑导入导出利器
支持多种导出格式，其导出的cookie支持在curl中使用（导出格式选择Netscape HTTP Cookie File）。
2022-06-29
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人