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。
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
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。
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。
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
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。
flowers数据集.rar
处理好的flowers17数据集,包含训练集、验证集和测试集,和相应的数据集分类代码。
RDPWrap-v1.6.2.zip
用于开启win10家庭版的远程桌面,其中包含各个版本的ini文件
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
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
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)
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
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
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
ILSpy反编译与ConfuserEx混淆工具.zip
通用的代码混淆工具ConfuserEx和代码反编译工具ILSpy,适用于windows桌面exe软件。
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。
minist手写数字数据集(含代码)
minist手写数字数据集(含代码,案例有softmax分类、knn分类和神经网络分类),代码简洁易懂,可以当做练手资料
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
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
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。
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
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
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。
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
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
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
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。
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
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。
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)
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)
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。
60个labelme标注的船只数据
用于做格式转换的demo数据,可以支持目标检测模型的训练与测试
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
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)。