《好好先生》专栏

HALCON 21.11：学习笔记---OPC_UA(I/O)本章主要提供有关OPC_UA的信息。系统要求Intel compatible PC with Windows 7 (32-bit or 64-bit) or newer that is also supported by the vendor-specific SDK, also WoW64 (using 32-bit HALCON on 64-bit Windows), Linux with kernel 2.6 (or highe

HALCON 21.11：深度学习笔记---语义分割/边缘提取(12)HALCON 21.11.0.0中，实现了深度学习方法。本章介绍了如何使用基于深度学习的语义分割，包括训练和推理阶段。通过语义分割，我们使用深度学习(DL)网络将输入图像的每个像素分配到一个类。语义分割的例子：输入图像的每个像素都被分配给一个类，但是类“apple”的三个不同实例和类“orange”的两个不同实例都不是可区分的对象语义分割的结果是一个输出图像，其中的像素值表示输入图像中对应像素的指定类别。因此，在.

HALCON 21.11：深度学习笔记---对象检测, 实例分割(11)HALCON 21.11.0.0中，实现了深度学习方法。本章介绍了如何使用基于深度学习的对象检测。通过对象检测，我们希望在图像中找到不同的实例，并将它们分配给一个类。实例可以部分重叠，但仍然可以区分为不同的。下面的模式说明了这一点。对象检测的例子: 在输入图像中找到三个实例并分配给一个类实例分割是对象检测的一种特殊情况，在这种情况下，模型还预测一个实例掩码，标记该实例在图像中的特定区域。下面的模式说明了这一点。.

HALCON 21.11：深度学习笔记---分类(10)HALCON 21.11.0.0中，实现了深度学习方法。本章介绍了如何在训练和推理阶段使用基于深度学习的分类。基于深度学习的分类是一种对一幅图像分配一组置信值的方法。这些置信度值表明图像属于每个可分辨类的可能性有多大。如果我们只考虑顶部的预测，分类就是在给定的类集合中指定一个特定的类给一幅图像。下面的模式说明了这一点。分类示例： 网络区分三个类别. 输入图像获得三个可分辨类的置信值:“apple”0.85、“lemon”0.03和.

HALCON 21.11：深度学习笔记---异常检测(9)HALCON 21.11.0.0中，实现了深度学习方法。本章介绍了如何使用基于深度学习的异常检测。通过异常检测，我们想要检测图像是否包含异常。异常指的是偏离常规的、未知的东西。异常检测的例子：输入图像的每个像素都被分配了一个值，该值表明该像素是异常的可能性有多大。蠕虫不是模型在训练中看到的无虫苹果的一部分，因此它的像素得到了更高的分数。一个异常检测模型学习没有异常的图像的共同特征。训练后的模型将推断出输入图像只包含学习过的

HALCON 21.11：深度学习笔记---模型(8)HALCON 21.11.0.0中，实现了深度学习方法。本章阐述了HALCON中深度学习(DL)模型的一般概念和数据处理。从概念上讲，HALCON中的深度学习模型是深度神经网络的内部表示。每个深度神经网络都有一个定义其功能的架构，即它可以用于的任务。一个功能可以有多个可能的网络架构。目前，以下功能的网络在HALCON中作为模型实现：异常检测，参见深度学习/异常检测。 分类，参见深度学习/分类。 对象检测，参见深度学习/对象

HALCON 21.11：深度学习笔记---术语表(7)HALCON 21.11.0.0中，实现了深度学习方法。下面，我们将描述深度学习环境中使用的最重要的术语：anchor (锚)Anchors are fixed bounding boxes. They serve as reference boxes (参考框), with the aid of which the network proposes bounding boxes for the objects to be localize

HALCON 21.11：深度学习笔记---有监督训练(6)HALCON 21.11.0.0中，实现了深度学习方法。不同的DL方法有不同的结果。相应地，它们也使用不同的衡量标准来确定网络的“表现如何”。在训练一个网络时，不同的模型会有不同的行为和缺陷，我们将在这里进行描述。训练中的验证当涉及到网络性能验证时，需要注意的是，这不是一个纯粹的优化问题(参见上面的“网络和训练过程”和“设置训练参数”部分)。为了观察训练过程，通常可视化验证措施是有帮助的，例如，对于分类网络的训练，批样本的误差。由于

HALCON 21.11：深度学习笔记---设置超参数(5)HALCON 21.11.0.0中，实现了深度学习方法。关于超参数的有关设置内容如下：不同的DL方法是为不同的任务设计的，它们的构建方式也不同。它们都有一个共同点，即在模型的训练过程中都面临着一个最小化问题。训练网络或子网络，一个目标是努力使适当的损失函数最小化，参见“网络和训练过程”一节。为此，有一组参数是在开始训练之前设置的，在训练期间未进行优化。我们将这些参数称为超参数。对于DL模型，您可以设置更改策略，指定在训练期间更改这些超参数的

HALCON 21.11：深度学习笔记---网络和训练过程(4)HALCON 21.11.0.0中，实现了深度学习方法。关于网络和训练过程如下：在深度学习中，任务是通过网络发送输入图像来执行的。整个网络的输出由许多预测组成。例如，对于一个分类任务，预测会得到每个类的置信度，表示图像显示该类实例的可能性有多大。具体的网络会有所不同，特别是从一种方法到另一种方法。一些方法，如对象检测，使用子网络生成特征图(参见下面和深度学习/对象检测, 实例分割中给出的解释)。在这里，我们将解释一个基本的卷积神经网

HALCON 21.11：深度学习笔记---Data（数据）(3)HALCON 21.11.0.0中，实现了深度学习方法。其中，关于术语“数据”的介绍如下：术语“数据”一词在深度学习的语境中被用作图像和信息，以及其中的内容。这最后的信息必须以网络可以理解的方式提供。不同的DL方法对于必须提供什么信息以及如何提供这些信息有自己的要求。具体要求见相应章节。网络对图像的尺寸、灰度值范围和类型提出了进一步要求。具体的值取决于网络本身，可以用函数get_dl_model_param查询。此外，不同方法也有

HALCON 21.11：深度学习笔记(2)HALCON 21.11.0.0中，实现了深度学习方法。由于上面提到的DL方法在它们做什么以及它们如何需要数据方面各不相同，所以您需要知道哪种方法最适合您的特定任务。一旦清楚了这一点，您就需要收集适当数量的数据，也就是图像和方法所需的信息。然后，所有这些DL方法都有一个通用工作流：1. 准备网络和数据（Prepare the Network and the Data）网络需要为您的任务和适合于特定网络的数据做好准备。建立关系网：读取一个预先训练好的

HALCON 21.11：深度学习笔记(1)HALCON 21.11.0.0中，实现了以下深度学习方法：1. Anomaly Detection（异常检测）给每个像素分配显示未知特征的可能性。更多信息请参见深度学习/异常检测一章。异常检测的某个例子：给输入图像的每个像素分配一个分数，表示它显示未知特征(即异常)的可能性有多大2. Classification（分类）将图像分类为给定类集合中的一个类。更多信息请参见深度学习/分类一章。分类的某个例子：将图像分配给一个类

Python: 如何将py文件转成exe文件?1.安装PyInstaller模块pip install PyInstaller2.将py文件打包成exe执行文件找到需要打包的py文件所在路径，在地址栏键入cmd，打开命令窗口后输入pyinstaller -F 文件名.py回车执行，等待执行完毕后会创建三个文件夹，其中都一个为 dist 文件夹，exe文件就在此文件夹中。双击exe文件就可正常执行~~~...

Python：PDF文件转图像什么是PyMuPDF？Python环境下想要将PDF文件转图像，可以使用PyMuPDF库。PyMuPDF是MuPDF的Python绑定-“轻量级PDF和XPS查看器”。MuPDF可以访问PDF，XPS，OpenXPS，CBZ（漫画书档案），FB2和EPUB（电子书）格式的文件，也可以是扩展名为.pdf，.xps，.oxps，.cbz，.fb2 或.epub的文件（因此您可以使用Python开发电子书查看器……），因此它不仅仅可以解析PDF文件。支持的操作系统

Qt使用导出类报错：error C2491: “LmcThreadPaddle::staticMetaObject”: 不允许 dllimport 静态数据成员 的定义在使用继承自QObject带有Q_OBJECT宏的导出类时，编译报错：不允许 dllimport 静态数据成员 的定义。原因是自动生成的moc文件带有静态函数，无法导出。1、在Qt中的解决办法是不将导出宏定义成Q_DECL_IMPORT。#if defined(ZMAP_LIBRARY_PRODUCTOR)# define .

类的静态成员函数带来了什么好处，应该在什么时候使用？静态成员函数主要为了调用方便，不需要生成对象就能调用。比如：class X{public: void MethodA(); static void MethodB();}此时MethodB可以直接调用，X::MethodB();MethodA必须先生成类对象才能调用，X x; x.MethodA();函数的行为对所有派生类都一致时，可以声明为静态。静态成员函数的作用基本上相当于：一个带有命名空间的全局函数。

dirent.h简介<dirent.h>是一个应用程序接口, 主要用于文件系统的目录读取操作，主要提供了几个目录数据读取函数, 参见opengroup.org。<dirent.h>是个unix系统下常见的接口，但windows平台的MSVC编译器并没有提供这个接口，对于跨平台的项目开发就会带来一些麻烦，如果在MSVC下编译时可能因为windows平台缺少这个接口就要为windows平台另外写一些代码。但是目前已经有人完成了windows平台下dirent.h文件编写，详.

PaddleOCR-release-2.3\deploy\cpp_infer\src识别中文时出现乱码PaddleOCR-release-2.3\deploy\cpp_infer\src识别中文时出现乱码，需要对ppocr_keys_v1.txt的编码格式由utf-8修改成ANSI格式即可，具体方法可以直接使用记事本修改，如图：或者添加代码：#include <windows.h>SetConsoleOutputCP(CP_UTF8);...

glog 编译报错 ERROR macro is defined. Define GLOG_NO_ABBREVIATED_SEVERITIES before including logging.h. See the document for detail.将宏定义放到头文件前面：#define GOOGLE_GLOG_DLL_DECL#define GLOG_NO_ABBREVIATED_SEVERITIES#include "glog/logging.h"或者添加宏定义：项目—属性—C/