- 博客(32)
- 收藏
- 关注
RSS订阅原创 Flask中使用request对象处理post请求和get请求中表单数据的代码
值得注意的是，在服务器端处理表单数据时，请确保request.form.get()中的参数与对应输入控件的name属性一致，而不是id属性。
2024-06-04 21:44:05
158
原创 创建虚拟环境install包时出现ValueError: check_hostname requires server_hostname问题
这个错误通常表示在使用 pip install 命令时遇到了网络问题，导致无法连接到 Python 包的源。看到这个解答突然想到可能是代理的问题，关掉科学上网问题解决了，成功安装。
2024-06-03 20:59:22
119
转载 PyCharm activate教程
PyCharm activate教程亲测有用！！！https://www.cnblogs.com/unclecode1024/p/17966747
2024-03-27 11:14:08
245
原创 TypeError: sum() received an invalid combination of arguments - got (axis=NoneType, out=NoneType, ),
你可以用 torch.device(“cuda:0”) 来尝试分配你的模型和数据到一个特定的GPU。它似乎接收到了一个 PyTorch tensor，但 numpy 的函数并不支持直接处理 PyTorch tensor。①先检查CUDA版本：请确保你正在使用的 CUDA 版本与你的 pytorch 版本兼容。④检查系统资源：如果你运行了一些占用大量GPU资源的程序，可能会影响到这个代码的运行。⑤重启：最后，如果上述操作都不起作用，尝试重新启动机器。有时候，这个简单的操作能够解决许多看似复杂的问题。
2023-11-23 15:22:53
1017
原创 深度学习中higher-order interactions（高阶交互）和contextual information（上下文信息）是什么意思？
它强调了数据之间的相关性和相互作用，并将数据的理解和解释放在特定的背景中。例如，在自然语言处理任务中，上下文信息可以是前后文的文本内容，以便更准确地理解当前的词语或句子。高阶交互指的是多个特征之间的复杂相互作用，它强调了特征之间的非线性关系，并且通过使用深度学习模型可以更好地捕捉这些关系。综上所述，高阶交互和上下文信息在深度学习中具有相似的意义，都强调了数据之间的相关性和复杂的相互作用，但它们着重点略有不同。高阶交互强调特征之间的非线性关系，而上下文信息强调数据的背景和环境。
2023-11-04 20:07:07
446
原创 高级特征和低级特征之间的语义鸿沟(semantic gap)是什么？
语义鸿沟的问题在于，尽管高级特征对于理解图像中的语义信息非常重要，但与低级特征相比，它们的表示更加抽象和难以解释。例如，计算机可能可以检测到图像中的一些边缘和纹理（低级特征），但它们可能无法完全理解这些边缘和纹理是哪种物体的一部分，或它们如何与整个场景相关联（高级特征）。而克服高级特征和低级特征之间的语义鸿沟也是深度学习和计算机视觉研究的一个重要目标，包括构建更强大的模型来捕捉这些特征之间的关系，以及开发用于解释和可视化深度学习模型的工具。在计算机视觉中，低级特征可能包括边缘、颜色、纹理等基本信息。
2023-10-22 19:51:29
1547
原创 深度学习中经常出现的local context和global context分别指什么？
这样的操作可以将整个特征图（feature map）的信息聚合为一个单一的值或特征向量，该值或向量携带了整个图像的全局特征。多目标情境：在多目标检测任务中，全局上下文有助于模型区分不同目标之间的关系，例如它们之间的相对位置和分布。模型可以更容易地识别目标的细节和边界。噪声抵抗：局部上下文可以帮助模型抵抗图像中的噪声和干扰，因为它主要关注感兴趣区域的信息，而不容易受到图像背景或其他物体的影响。特定目标问题：对于特定目标的检测，全局上下文可能包含大量不相关信息，这可能会导致模型的混淆或低效性。
2023-10-08 15:00:19
1344
原创 高级上下文语义（high-level contextual semantics）
综合来说，高级上下文语义在图像处理中的目标检测任务中指的是对图像内容的深层次理解，不仅仅局限于简单的目标位置检测，还包括了目标的类别、关系、场景等方面的信息。这包括了理解物体之间的相对位置、连接和交互关系。高级上下文语义包括了对图像中各个物体的语义理解。这意味着不仅仅是检测目标的位置，还要知道这些目标是什么，例如识别出是猫、狗、汽车等物体类别。这意味着能够识别出图像中可能存在的场景或背景信息，例如在室内、户外、城市或乡村等环境中。对于视频目标检测任务，高级上下文也可能包括对目标在时间上的变化和运动的理解。
2023-09-17 11:01:01
163
原创 卷积神经网络倾向于通过纹理信息来识别目标吗
综上所述，CNNs的成功在于其多层次、多尺度的特征提取和学习能力，使其能够综合利用不同类型的信息来识别目标。虽然纹理信息对于一些任务和场景可能很重要，但CNNs的目标是自动从数据中学习适合任务的特征表示，这包括边缘、形状、颜色、对比度、位置、语义等多种特征。纹理信息：纹理信息可以是识别任务的重要组成部分之一，特别是在一些场景中，例如纹理强烈区分不同类别的情况下，CNNs可能会利用纹理特征来识别目标。上下文信息：CNNs还可以利用图像中的上下文信息，例如物体之间的相对位置关系，以帮助识别目标。
2023-09-16 16:43:39
88
原创 空间注意力机制
这种学习是间接的，通过网络内部的参数调整，而不是通过损失函数的直接约束。例如，在目标检测中，当前任务可能是检测目标的位置和类别，因此注意力机制可能会学习关注与目标相关的特征。空间注意力机制的学习过程是通过反向传播（backpropagation）和损失函数来实现的，但不是通过损失函数的直接约束来学习每个像素点的重要性权重。在注意力机制的层，通常会有一个权重计算操作，该操作会对前一层的特征图中的每个像素点或特征位置计算相应的权重。计算得到的权重会应用到前一层的特征图上，通过加权汇总的方式来生成最终的输出。
2023-09-15 20:29:02
514
原创 图像分割中常见的一些问题
为了应对这些问题，研究人员不断提出新的算法和技术，包括深度学习方法、多模态信息融合等。同时，数据增强、迁移学习和半监督学习等方法也被用于提高分割算法的鲁棒性和泛化能力。
2023-08-28 20:23:32
625
原创 初识U-Net的一些可能问题（eg：U-Net如何将输入图像仅通过卷积等操作就变成二值图像呢，怎么能保证卷积操作之后的值不是0就是1呢）
当涉及二值分类任务时，U-Net是一个常用的神经网络架构，它在医学图像分割等领域表现出色。本文将探讨U-Net如何通过卷积操作实现从输入图像到二值分割图像的过程，并解释如何确保卷积操作后的值仅为0或1。
2023-08-28 19:51:23
240
原创 如何查询树莓派中的IP地址
在上面的输出结果中，可以看到树莓派有三个网络接口，分别是 lo、eth0 和 wlan0。其中 lo 是本地回环地址，eth0 是有线网络接口，而 wlan0 是无线网络接口。根据输出结果，可以看到 wlan0 的 inet 地址为 192.168.3.10/24，这意味着树莓派的 IP 地址是 192.168.3.10。同时，该地址是动态分配的，这意味着您可能需要定期查看 IP 地址以确保其正确性。
2023-06-25 21:45:07
2820
原创 如何在Python中调用C++代码(使用ctype方法)
ctypes是Python标准库中的一个模块，它可以用来调用动态链接库中的C函数。首先需要将C++代码编译为动态链接库，然后使用ctypes来调用编译好的动态链接库。之后打开窗口，输入以下命令，即将上述cpp文件转换为了so文件，注意so文件的名称必须以lib开头。在Python中调用C++代码可以使用多种方法，下面介绍一种较为常见的方法，使用。
2023-06-19 21:08:06
933
原创 Python中cv2.Canny() 函数用法详解
cv2.Canny() 函数是 OpenCV 中的边缘检测函数之一，用于检测图像的边缘。它的基本原理是通过计算图像中每个像素点的梯度值来检测边缘。
2023-05-07 11:06:50
12236
原创 python中reshape函数用法详解
总之，reshape函数是一个非常实用的函数，可以用于将一个数组转换成任意形状的数组。reshape函数可以用于改变多维数组的形状，例如将一个二维数组转换成一个三维数组，或将一个三维数组转换成一个二维数组。但需要注意的是，reshape函数不会改变数组中的元素数量和数据类型，只会改变数组的形状。reshape函数是Numpy库中的一个函数，可以用于改变一个数组的形状，例如将一个二维数组转换成一个三维数组。
2023-04-06 21:43:27
17335
2
原创 在Python中产生n个服从二维高斯分布的随机数，绘制该数据的散布图和等密度点分布轨迹
然后，使用Scipy库的multivariate_normal方法生成一个多元高斯分布对象，并使用pdf方法计算每个网格点的概率密度值。levels参数指定轮廓线的数量，colors参数指定轮廓线的颜色，linestyles参数指定轮廓线的样式。散布图可以直观地展示数据的分布情况，等密度点分布轨迹可以更加准确地描述数据的概率密度分布情况。在这个例子中，散布图呈现出一个椭圆形状，而等密度点分布轨迹呈现出一个椭圆的等高线状，两者形状非常相似，印证了数据分布符合二维高斯分布的特点。
2023-04-03 14:45:55
1558
原创 在Python中产生n个服从一维高斯分布的随机数，绘制该数据的直方图和概率密度函数
在这个代码中，我们首先使用NumPy库生成一维高斯分布N。然后，使用Matplotlib库的hist方法绘制数据的直方图。bins参数指定了直方图的条数，density参数指定是否将直方图的值归一化为概率密度，alpha参数指定了直方图的透明度，color参数指定了直方图的颜色。接下来，我们使用NumPy库的linspace方法生成一个与直方图的x轴相同的数组，并使用高斯分布的概率密度函数计算y轴的值。最后，使用Matplotlib库的plot方法绘制概率密度函数的图像，并使用show方法显示图像。
2023-03-29 20:03:23
845
原创 HSV颜色模型介绍
与常见的RGB通道类似，HSV也是一种基于颜色的几何模型，由色调（Hue）、饱和度（Saturation）和亮度（Value）三个颜色通道组成。在HSV颜色空间中，饱和度为0时对应的是灰色，饱和度为100%时对应的是最鲜艳的颜色。在HSV颜色空间中，色相的变化对应着颜色的变化，例如，红色对应0度，绿色对应120度，蓝色对应240度等。在HSV颜色空间中，亮度为0时对应的是黑色，亮度为100%时对应的是最亮的颜色。通过调整HSV颜色空间中的这三个通道的取值，可以实现对颜色的调整和改变。
2023-03-29 16:17:05
4639
转载 什么叫图像的HSV空间？OpenCV的HSV空间各分量范围是多少？
比如红色在HSV颜色空间中的色度范围可以简单洁的描述为为色调(Hue)通道值范围为：0—10和160—180，而在RGB空间中就不好说出红色的范围了，当然纯红我们知道是(255,0,0)，但是除了纯红还有那么多种红，在RGB空间中不好把红色系的范围界定出来。即H通道的取值范围为0—360，S通道的取值范围为0—1(0%—100%)，V通道的取值范围为0—1(0%—100%)。H通道的取值范围为0—360，S通道的取值范围为0—1(0%—100%)，V通道的取值范围为0—1(0%—100%)。
2023-03-29 10:11:09
559
原创 基于Matlab的图像视频采集与处理实验（图像采集、图像直方图显示、视频采集、视频帧间差分）
实验结果如上图所示。通过实验可知，利用帧间差分法进行运动目标提取时实现较为简单，程序设计复杂度低。但其实验结果的好坏却依赖于选择的帧间时间间隔。对于快速运动的物体，需要选择较小的时间间隔，如果选择不合适，当物体在前后两帧中没有重叠时，会被检测为两个分开的物体；而对于慢速运动的物体来说，应该选择较大的时间差，如果时间选择不适当，当物体在前后两帧中几乎完全重叠时，则检测不到运动的物体，因此就更谈不上对运动的物体进行提取。ps：白色部分是我自己遮掉的，跟实验无关！
2023-03-24 20:50:16
1595
原创 深度学习中数据集收集：收集户外数据集所需考虑的几大因素
当我们在收集一个户外数据集时，我们应当尽可能多的采集不同场景的图像来让我们训练的模型拥有更强的泛化能力。一般我们会从以下几个方面来进行考虑。大家都知道，深度学习受数据的影响很大，一个好的数据集可能会使得我们得到一个较好的模型，因此，在我们收集或者制作一个数据集时，我们要尽量多的考虑一些影响因素。ps：期待大家继续补充哈！
2023-03-19 21:37:50
323
原创 基于UDP实现一个“伪智能”聊天机器人
基于UDP实现一个“伪智能”聊天机器人首先，我们先来了解一些基本知识：使用DatagramSocket发送、接收数据。Java使用DatagramSocket代表UDP协议的Socket，DatagramSocket本身只是码头，不维护状态，不能产生IO流，它的唯一作用就是接收和发送数据报，Java使用DatagramPacket来代表数据报，DatagramSocket接收和发送的数据都是通过DatagramPacket对象完成的。DatagramSocket(int prot)：创建一个
2021-04-16 21:24:37
749
原创 第一次只出现一次的字符
第一次只出现一次的字符在一个字符串中找到第一个只出现一次的字符,并返回它的位置, 如果没有则返回 -1（需要区分大小写，从0开始计数）public class FindCharOfFirstTimes { /** * 方法1： * 时间复杂度大，较繁琐。正常做法可以只用hashmap，只需要遍历两次字符数组就可以了 * LinkedList O(1)插入比ArrayList O(n)插入快。 * @param str * @return
2021-04-08 21:22:04
138
原创 如何创建一个maven项目
如何创建一个maven项目？创建一个新项目2.Maven国内中央仓库更换找C:\Users\stone.m2路径下是否存在settings.xml文件，若不存在则访问：https://gitee.com/changexzt/public-store/blob/master/settings.xml获取settings.xml文件。若路径下已有该文件，则在文件中配置成阿里maven镜像，如下图（这样配置会减少出错率）3.配置完成后继续如图操作4.finish之后会出现如下图情况
2021-04-01 19:39:33
224
4
原创 如何用两个栈来实现一个队列，完成队列的Push和Pop操作。
如何用两个栈来实现一个队列，完成队列的Push和Pop操作（队列中的元素为int类型）import java.util.Stack;public class Solution { //创建两个栈stack1、stack2 Stack<Integer> stack1 = new Stack<Integer>();Stack<Integer> stack2 = new Stack<Integer>(); //入队 public vo
2021-03-30 18:19:35
342
原创 如何定位URL路径资源
如何定位URL路径资源？一、什么是URL？URL其实就是我们俗称的“网址”，它由以下部分组成：协议：虽然我们说协议是程序员自己定的，但实际上已经有大佬们定义了一些现成的、又非常好用的应用层协议。http就是其中之一。域名+端口号：如果是默认的端口号可以省略。参数：是以？开始的键值对，键值对之间以&隔开。二、当你输入一个网址时按下回车键，你的电脑发生了哪些事件？浏览器向DSN服务器（是域名与之相对应的IP地址转换的服务器）请求解析该URL中域名对应的IP地址（本质上还是通过IP
2021-03-28 10:44:35
567
4
原创 基于html+css+js实现简易计算器网页代码实例
##基于html+css+js实现简易计算器网页代码实例<html> <head> <meta charset="utf-8"> <title>计算器</title> //引用jQuery <script src="jquery-1.9.1.min.js"></script> //通过jQuery取控件、操作控件的值 <script> function mycl(type){
2021-03-26 16:41:47
1217
原创 Java中基本数据类型
Java中基本数据类型一、整数类型1.bytebyte类型占1个字节，表示范围是从-27~+(27-1)。2.shortshort类型占2个字节，表示范围是从-215~+(215-1)。3.intint类型占4个字节，表示范围是从-231~+(231-1)。4.longlong类型占8个字节，表示范围是从-263~+(263-1)。//计算范围的方法（用int类型举例）：int类型有4个字节，也就是32比特(1个字节=8比特),第一个比特位代表正负，因此范围是从-231~+(231-1
2020-12-05 19:22:10
398
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人