遥感影像语义分割 通过人工智能的机器视觉算法，对遥感影像进行识别，对地、物进行分类，通过语义分割算法从视觉上，对不同分类进行颜色标注，可以很直观的加以区分，方便对遥感影像进行处理，极大的改善了通过人力资源，对影像识别的现状，提高了工作识别效率。
Node.js + Python 实现 WebSocket视频流推送核心代码实现 其中的WebSocket协议需要通过 npm install ws 进行安装。而wss.on方法可以监听客户端的连接，并通过循环客户端列表来发送数据，即client.send(msg)。
DAG有向无环图 DAG 是一组顶点和边的组合。顶点代表了 RDD， 边代表了对 RDD 的一系列操作。DAG Scheduler 会根据 RDD 的 transformation 动作（算子），将 DAG 分为不同的 stage，每个 stage 中分为多个 task，这些 task 可以并行运行。
Hadoop 3.x 集群搭建心得 虚拟机：lipeng，123456环境变量路径：/etc/profile.d/my_env.sh解压缩指令：host文件查询：/etc/hosts同步目录：cd /opt/module，执行xsync spark-3.1.2/，拷贝到其他虚拟机（Spark为例）
YOLOv5 提升模型训练 2、 Image size，COCO数据集训练使用640分辨率，由于数据集中有大量的小目标，增加分辨率（如1280），有利于训练结果。6、 背景图像，背景图像是没有对象的图像，这些对象添加到数据集中以减误报（FP），建议使用大约0-10%的背景图像来帮助减少FPs（COCO有1000张背景图像供参考，占总数的1%），背景图像不需要标签。3、 图片多样性，必须代表部署环境，对于现实世界我们推荐图片来自一天中不同时间，不同季节，不同天气，不同光照，不同角度和不同相机等。1、 每类图片数，建议>1500张。
卷积网络知识点 cv2把图片读取后是把图片读成BGR形式的，plt则是读成RGB形式img[:, :, ::-1]的作用就是实现RGB到BGR通道的转换 （若图片一开始就是BGR的，就是实现从BGR到RGB的转换）。那么image[:, ::-1, :]的作用就是把图像左右翻转，image[::-1, :, :]的作用就是把图像上下颠倒。举个例子，现在我们输入一张人脸的图像，使用某一卷积核提取到眼睛的特征，用另一个卷积核提取嘴巴的特征等等。每一个卷积核都可以提取特定的特征，不同的卷积核提取不同的特征，
制作数据集与Labelme使用 3、执行json_to_dataset.py脚本，将json图片转化成label可以使用的图片（参考工程：语义分割\unet-pytorch-main）2、进入json文件路径，cmd执行labelme_json_to_dataset x.json，生成x.json文件夹（output文件夹）4、执行yg2uent.py脚本，将图片划分为训练集与验证集，并生成train.py训练时读取的txt文件。1、cmd执行labelme指令，打开QT，选择图片，进行制作，保存为json文件。
关注
