合宙Air724UG LuatOS-Air script lib API--utils

utils
Table of Contents
utils
string.toHex(str, separator)
string.fromHex(hex)
string.utf8Len(str)
string.utf8ToTable(str)
string.rawurlEncode(str)
string.urlEncode(str)
table.gsort(t, f)
table.rconcat(l)
string.formatNumberThousands(num)
string.split(str, delimiter)
io.exists(path)
io.readFile(path)
io.writeFile(path, content, mode)
io.pathInfo(path)
io.fileSize(path)
io.readStream(path, offset, len)
utils
模块功能:常用工具类接口

string.toHex(str, separator)
将Lua字符串转成HEX字符串,如"123abc"转为"313233616263"

参数
名称 传入值类型 释义
str string 输入字符串
separator string 可选参数,默认为"" 输出的16进制字符串分隔符
返回值
hexstring 16进制组成的串
len 输入的字符串长度

例子
string.toHex(“\1\2\3”) -> “010203” 3
string.toHex(“123abc”) -> “313233616263” 6
string.toHex(“123abc”," ") -> "31 32 33 61 62 63 " 6
详细指南和示例参考:指南 示例

string.fromHex(hex)
将HEX字符串转成Lua字符串,如"313233616263"转为"123abc", 函数里加入了过滤分隔符,可以过滤掉大部分分隔符(可参见正则表达式中\s和\p的范围)。

参数
名称 传入值类型 释义
hex string 16进制组成的串
返回值
charstring,字符组成的串
len,输出字符串的长度

例子
string.fromHex(“010203”) -> “\1\2\3”
string.fromHex("313233616263:) -> “123abc”
详细指南和示例参考:指南 示例

string.utf8Len(str)
返回utf8编码字符串的长度

参数
名称 传入值类型 释义
str string utf8编码的字符串,支持中文
返回值
number,返回字符串长度

例子
local cnt = string.utf8Len(“中国a”),cnt == 3
string.utf8ToTable(str)
返回utf8编码字符串的单个utf8字符的table

参数
名称 传入值类型 释义
str string utf8编码的字符串,支持中文
返回值
table,utf8字符串的table

例子
local t = string.utf8ToTable(“中国2018”)
string.rawurlEncode(str)
返回字符串的 RFC3986 编码

参数
名称 传入值类型 释义
str string 要转换编码的字符串,支持UTF8编码中文
返回值
str, RFC3986 编码的字符串

例子
local str = string.rawurlEncode(“####133”) ,str == “%23%23%23%23133”
local str = string.rawurlEncode(“中国2018”) , str == “%e4%b8%ad%e5%9b%bd2018”
string.urlEncode(str)
返回字符串的urlEncode编码

参数
名称 传入值类型 释义
str string 要转换编码的字符串,支持UTF8编码中文
返回值
str,urlEncode编码的字符串

例子
local str = string.urlEncode(“####133”) ,str == “%23%23%23%23133”
local str = string.urlEncode(“中国2018”) , str == “%e4%b8%ad%e5%9b%bd2018”
table.gsort(t, f)
返回一个迭代器函数,每次调用函数都会返回hash表的排序后的键值对

参数
名称 传入值类型 释义
t table 要排序的hash表
f param 自定义排序函数
返回值
function.

例子
test = {a=1,f=9,d=2,c=8,b=5}
for name,line in pairsByKeys(test) do print(name,line) end
table.rconcat(l)
table.concat的增强版,支持嵌套字符串数组

参数
名称 传入值类型 释义
l table 嵌套字符串数组
返回值
string

例子
print(table.rconcat({“a”,{" nice “},” and “, {{” long “},{” list "}}}))
string.formatNumberThousands(num)
返回数字的千位符号格式

参数
名称 传入值类型 释义
num number 数字
返回值
string,千位符号的数字字符串

例子
loca s = string.formatNumberThousands(1000) ,s = “1,000”
string.split(str, delimiter)
按照指定分隔符分割字符串

参数
名称 传入值类型 释义
str string 输入字符串
delimiter string 分隔符
返回值
分割后的字符串列表

例子
“123,456,789”:split(‘,’) -> {‘123’,‘456’,‘789’}
io.exists(path)
判断文件是否存在

参数
名称 传入值类型 释义
path string 文件全名,例如:“/lua/call.mp3”
返回值
bool,存在为true,不存在为false

例子
local ex = io.exists(“/lua/call.mp3”)
详细指南和示例参考:指南 示例

io.readFile(path)
读取文件中的所有内容

参数
名称 传入值类型 释义
path string 文件全名,例如:“/lua/call.txt”
返回值
string,文件的内容,文件不存在返回nil

例子
local c = io.readFile(“/lua/call.txt”)
详细指南和示例参考:指南 示例

io.writeFile(path, content, mode)
写入文件指定的内容,默认为覆盖二进制模式

参数
名称 传入值类型 释义
path string 文件全名,例如:“/lua/call.txt”
content string 文件内容
mode string 文件写入模式,支持如下几种(默认"w+b"):
“w"或者"w+b”:空文件写入模式,如果文件不存在,则新建文件,然后从起始位置开始写入;如果文件存在,则删除已有内容,然后从起始位置开始写入
“a"或者"a+b”:追加写入模式,如果文件不存在,则新建文件,然后从起始位置开始写入;如果文件存在,则从文件末尾开始追加写入
返回值
boolean result,文件写入结果,true表示写入成功;false表示写入失败

例子
local c = io.writeFile(“/lua/call.txt”,“test”)
详细指南和示例参考:指南 示例

io.pathInfo(path)
将文件路径分解为table信息

参数
名称 传入值类型 释义
path string 文件路径全名,例如:“/lua/call.txt”
返回值
table,{dirname=“/lua/”,filename=“call.txt”,basename=“call”,extname=“.txt”}

例子
loca p = io.pathInfo(“/lua/call.txt”)
详细指南和示例参考:指南 示例

io.fileSize(path)
返回文件大小

参数
名称 传入值类型 释义
path string 文件路径全名,例如:“/lua/call.txt”
返回值
number ,文件大小

例子
locan cnt = io.fileSize(“/lua/call.txt”)
详细指南和示例参考:指南 示例

io.readStream(path, offset, len)
返回指定位置读取的字符串

参数
名称 传入值类型 释义
path string 文件路径全名,例如:“/lua/call.txt”
offset number 要读取的指定位置,相对于文件开头的偏移位置
len number 要读取的字节数
返回值
string,返回要读取的数据,读取失败返回nil

例子

详细指南和示例参考:指南 示例

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
1 目标检测的定义 目标检测(Object Detection)的任务是找出图像中所有感兴趣的目标(物体),确定它们的类别和位置,是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具有挑战性的问题。 目标检测任务可分为两个关键的子任务,目标定位和目标分类。首先检测图像中目标的位置(目标定位),然后给出每个目标的具体类别(目标分类)。输出结果是一个边界框(称为Bounding-box,一般形式为(x1,y1,x2,y2),表示框的左上角坐标和右下角坐标),一个置信度分数(Confidence Score),表示边界框中是否包含检测对象的概率和各个类别的概率(首先得到类别概率,经过Softmax可得到类别标签)。 1.1 Two stage方法 目前主流的基于深度学习的目标检测算法主要分为两类:Two stage和One stage。Two stage方法将目标检测过程分为两个阶段。第一个阶段是 Region Proposal 生成阶段,主要用于生成潜在的目标候选框(Bounding-box proposals)。这个阶段通常使用卷积神经网络(CNN)从输入图像中提取特征,然后通过一些技巧(如选择性搜索)来生成候选框。第二个阶段是分类和位置精修阶段,将第一个阶段生成的候选框输入到另一个 CNN 中进行分类,并根据分类结果对候选框的位置进行微调。Two stage 方法的优点是准确度较高,缺点是速度相对较慢。 常见Tow stage目标检测算法有:R-CNN系列、SPPNet等。 1.2 One stage方法 One stage方法直接利用模型提取特征值,并利用这些特征值进行目标的分类和定位,不需要生成Region Proposal。这种方法的优点是速度快,因为省略了Region Proposal生成的过程。One stage方法的缺点是准确度相对较低,因为它没有对潜在的目标进行预先筛选。 常见的One stage目标检测算法有:YOLO系列、SSD系列和RetinaNet等。 2 常见名词解释 2.1 NMS(Non-Maximum Suppression) 目标检测模型一般会给出目标的多个预测边界框,对成百上千的预测边界框都进行调整肯定是不可行的,需要对这些结果先进行一个大体的挑选。NMS称为非极大值抑制,作用是从众多预测边界框中挑选出最具代表性的结果,这样可以加快算法效率,其主要流程如下: 设定一个置信度分数阈值,将置信度分数小于阈值的直接过滤掉 将剩下框的置信度分数从大到小排序,选中值最大的框 遍历其余的框,如果和当前框的重叠面积(IOU)大于设定的阈值(一般为0.7),就将框删除(超过设定阈值,认为两个框的里面的物体属于同一个类别) 从未处理的框中继续选一个置信度分数最大的,重复上述过程,直至所有框处理完毕 2.2 IoU(Intersection over Union) 定义了两个边界框的重叠度,当预测边界框和真实边界框差异很小时,或重叠度很大时,表示模型产生的预测边界框很准确。边界框A、B的IOU计算公式为: 2.3 mAP(mean Average Precision) mAP即均值平均精度,是评估目标检测模型效果的最重要指标,这个值介于0到1之间,且越大越好。mAP是AP(Average Precision)的平均值,那么首先需要了解AP的概念。想要了解AP的概念,还要首先了解目标检测中Precision和Recall的概念。 首先我们设置置信度阈值(Confidence Threshold)和IoU阈值(一般设置为0.5,也会衡量0.75以及0.9的mAP值): 当一个预测边界框被认为是True Positive(TP)时,需要同时满足下面三个条件: Confidence Score > Confidence Threshold 预测类别匹配真实值(Ground truth)的类别 预测边界框的IoU大于设定的IoU阈值 不满足条件2或条件3,则认为是False Positive(FP)。当对应同一个真值有多个预测结果时,只有最高置信度分数的预测结果被认为是True Positive,其余被认为是False Positive。 Precision和Recall的概念如下图所示: Precision表示TP与预测边界框数量的比值 Recall表示TP与真实边界框数量的比值 改变不同的置信度阈值,可以获得多组Precision和Recall,Recall放X轴,Precision放Y轴,可以画出一个Precision-Recall曲线,简称P-R
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

打赏作者

l531798151

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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