cameradetector.zip
cameradetector.zip
ACM挑战程序设计竞赛C++习题和代码
项目为《挑战程序设计竞赛(第2版)》习题册攻略,已完结。可配合书籍或笔记,系统学习算法。
题量:约200道,代码注释内含详解。
难度:总体高于Leetcode,部分接近ACM。
内容: 包含:求两数最大公约数和最小公倍数。给出n,求不大于n的素数有多少个,贪心算法,背包问题,DFS+记忆化搜索,最短路径,最优路径,图,穷竭搜索,数论等多种常见的算法题
Unity射击游戏开发教程的源码
Unity射击游戏开发教程的源码
使用unity开发的一款打飞机游戏,通过移动飞机,发射子弹来击落上方的移动目标飞机,目标飞机有简单的AI逻辑,代码的一些讲解从浅显易懂到不断地深入修改,我配套了相关的代码逻辑讲解博客 https://backend.blog.csdn.net/article/details/136804707 或者大家订阅我的专栏:https://blog.csdn.net/pbymw8iwm/category_7340539.html ,订阅专栏的用户可以后台留言,我免费发给订阅的用户
PL/0 编译器的扩充-实验报告
# PL/0 编译器的扩充--实验报告
## 一、实验目的与要求
对PL/0作以下修改扩充:
(1)增加单词:保留字 ELSE,FOR,STEP,UNTIL,DO,RETURN
运算符 *=,/=,&,||,!
(2)修改单词:不等号# 改为 <>
(3)增加条件语句的ELSE子句,要求:写出相关文法,语法描述图,语义描述图。
## 二、实验环境与工具
1、源语言:PL/0语言,PL/0语言是PASCAL语言的子集,它的编译程序是一个编译解析执行系统,后缀名为.PL0;
2、目标语言:生成文件后缀为*.COD的目标代码
3、实现平台:Borland C++ Builder 6
4、运行平台:Windows 7 64位
## 三、结构流程
### (1)PL/0 语言编译器
PL/0语言可看成是PASCAL语言的子集,它的编译程序是一个编译解释执行系统。PL/0的目标程序为假想栈式计算机的汇编语言,与具体计算机无关。
![](jiegou.png)
## 四、实验过程
### (一)增加单词:保留字 ELSE
BERT: Pre-training of Deep Bidirectional Transformers forLanguag
BERT: Pre-training of Deep Bidirectional Transformers forLanguage Understanding
车牌识别算法C++项目源码
一、车牌识别流程
车牌定位-->车牌检测-->车牌字符识别
1.1 车牌定位
车牌定位,即定位到车牌在图片中的位置区域。
本文使用了两种方式:sobel定位和颜色定位,最后综合两种方式实现定位。
1.1.1 sobel定位
sobel定位步骤如下:
高斯模糊 灰度化 Sobel运算 --> 16位转8位 二值化 形态学操作(闭操作)求轮廓 尺寸判断(初步过滤掉不符合要求的矩形)矩形矫正(旋转角度、安全矩形处理、调整大小)
最后得到的是包含可能车牌的旋转后的矩形矩阵向量
1.1.2 颜色定位
RGB颜色空间转换为HSV颜色空间
HSV分离
二值化(V颜色空间)
形态学操作(闭操作)
求轮廓
尺寸判断(初步过滤掉不符合要求的矩形)
矩形矫正(旋转角度、安全矩形处理、调整大小)
最后得到的是包含可能车牌的旋转后的矩形矩阵向量
目录说明
svm_train目录下的是如何进行车牌识别训练的代码,resources/svm_train目录下是车牌识别的训练文件;
ann_train目录 下是如何进行字符识别训练的代码,resources/ann_train目录下是字符识别的训练文件
QT绘制中秋佳节的月亮阴晴圆缺动画
QT绘制中秋佳节的月亮阴晴圆缺动画, C++代码不到一百行代码
月球的变化情况:
月亮从上弦月到下弦月的变化过程涉及月相的顺序变化,这一过程是月球绕地球运动和地球绕太阳运动的结果。月相的变化主要包括以下几个阶段:
新月:这是月相变化的开始阶段,月球位于地球和太阳之间,地球上看不到月亮。
蛾眉月:新月之后,月球开始露出一点亮面,形成蛾眉状的月相。
上弦月:蛾眉月之后,月球的亮面逐渐增大,形成上弦月,此时月球的亮面朝西,凸面向东。
满月:上弦月之后,月球的亮面继续增大,直到满月,此时月球的亮面全部朝向地球。
亏凸月:满月之后,月球的亮面开始逐渐减小,形成亏凸月。
下弦月:亏凸月之后,月球的亮面继续减小,形成下弦月,此时亮面朝东,凸面向西。
残月:下弦月之后,月球的亮面进一步减小,形成残月。
新月:残月之后,月球再次进入新月阶段,开始新一轮的月相变化。
国庆特惠-世界国家名称及国旗数据
国家数据列表 [country_data, ...]
countries_abb2.json 文件
以2位国家缩写为key的国家数据集合 {country_abb2 : country_data, ...}
country_data 国家数据
{
cn : 国家中文名称,
en : 国家英文名称,
full: 国家英文全称,
abb2: 国家英文2位简称(大写),
abb3: 国家英文3位 简称( 大写),
code: 国家code数字(字符串)
}
example:
{
"cn" : "中国",
"en" : "China",
"full" : "the People's Republic of China",
"abb2" : "CN",
"abb3" : "CHN",
"code" : "156"
}
countries_flags 国旗图片文件夹
以国家英文2位简称为图片名的国旗图片,包含全部主流国家,缺少几个小众国家的国旗图片。 图片绝大部分宽640px
分类不锈钢板中的表面缺陷类型数据集
该数据集来自通信科学研究中心Semeion的研究。研究的最初目的是正确分类不锈钢板中的表面缺陷类型,以及六种可能的缺陷类型(加上“其他”)。
输入向量由27个指示符组成,这些指示符大致[描述]缺陷的几何形状及其轮廓。
根据研究论文,Semion是由Centro Sviluppo Materiali(意大利)委托完成的,因此无法提供有关用作输入向量的27个指标的性质或6类缺陷类型的详细信息。
数据说明
有34个字段。前27个字段描述了从图像中看到的某种钢板断层
X_Minimum
X_Maximum
Y_Minimum
Y_Maximum
Pixels_Areas
X_Perimeter
Y_Perimeter
SumofLuminosity
MinimumofLuminosity
MaximumofLuminosity
LengthofConveyer
TypeOfSteel_A300
TypeOfSteel_A400
SteelPlateThickness
Edges_Index
Empty_Index
Square_Index
OutsideXIndex
全国热门旅游景点数据集合excel
数据文档
背景描述
全国热门旅游景点数据,用于数据分析、可视化
数据说明
字段:城市、名称、星级、评分、价格、销量、省/市/区、坐标、简介、是否免费、具体地址
字段 数据类型
城市 string
名称 string
星级 string
评分 float
价格 float
销量 int
省/市/区 string
坐标 string
简介 string
是否免费 bool
具体地址 string
数据来源
数据来自:某平台爬取
问题描述
适用于分析:
1、全国景点分布
2、国民出游分析
3、假期出游建议
4、景区价格分析
Acm 练习题集合 C语言开发
ACM练习题集合
总有些题目是你必须要自己要亲手去实践一遍的,不然的话,再简单的东西,你都是无法掌握的
三天不练手生,作为一个程序员,时刻保持对算法的高度灵敏是至关重要的
习题范围
基础的练习题
ACM的习题
算法入门的题
测试框架
采用GTest的框架【不用Main的原因很简单,不想写那么多的main,main在一个exe模块只有一个】
Deep Learning From Scratch训练营学习笔记
《Deep Learning From Scratch训练营》 学习笔记
python语言
Softmax-with-Loss层的计算图.md
第1章Python 入门
第2章感知机
第3章神经网络.
第4章神经网络的学习.
第5章误差反向传播法.
第6章与学习相关的技巧.
第7章卷积神经网络.
第8章深度学习.
2020年度大学生创新创业训练计划项目获推省级项目
2020年度大学生创新创业训练计划项目获推省级项目
图书馆管理系统C++语言
图书馆管理系统需求
1、图书管理基本业务模拟
书的登记内容包括书号、书名、著作者、现存量和库存量;
建立索引表(线性表)以提高查找效率; a)采编入库:新购一种书,确定书号后,登记到图书帐目表中,如果表中已有,则只将库存量增加; b)借阅:如果一种书的现存量大于0,则借出一本,登记借阅者的书证号和归还期限,改变现存量; c)归还:注销对借阅者的登记,改变该书的现存量。
主要功能如下: 输出形式:能按书号、书名、著作者查找库存的书籍信息 能按学生的借书证号显示学生信息和借阅信息 书籍入库 借书功能实现 还书功能实现
设计思想
后端数据处理
利用面向对象思想,实例对象书和学生,对两者附加相关方法和属性,同时使用XML对文件信息进行存储,方法为调用tinystr.h的一个xml读写库。之后将其封装为静态lib库进行接口调用
可视化实现
使用MFC进行窗口编写,实现图书馆可视化。
后端代码
注:首先在官网下载xml文件包,链接:https://sourceforge.net/projects/tinyxml/ 引入自己的库,然后开始实现接口,写好后端接口封装为lib静态库
朴素贝叶斯机器学习分类器.doc
朴素贝叶斯机器学习分类器.doc
智能汽车竞赛电路板资料总结
智能汽车竞赛电路板资料总结
电路板的注意事项总结
大模型训练结果-汽车识别 car.om
大模型训练结果-汽车识别 car.om,识别率在90%以上,可通过threshhold来进一步进行识别率校准判断。
回合制卡牌战斗游戏服务器架构和业务源码(跨平台,框架和主逻辑C++,登录支付php)
有看不懂代码的可以私聊作者,必回复(代码是作者写的,所以底层框架,主逻辑都明白)
1.回合制卡牌战斗服务器源码,底层库包含常用的工具类,线程库,网络库,数据库操作,主逻辑。
2.服务器架构分为登录支付的web服务器,gateway网关服务器,gameserver游戏逻辑服务器,game server连接mysql数据库,所有的战斗,地图中的任务移动计算都由服务器计算和判断,最后将战斗结果以战报的形式发给客户端来表现。
3.游戏的核心玩法为卡牌收集,九宫格的回合制战斗,包含了装备系统,背包系统,成就系统,排行榜,竞技场,工会,工会战斗,世界boss,活动,签到,任务系统,邮件系统,其他丰富的副本推进玩法,已上线经过验证的项目。
4.单个服务器8G内存,4核CPU的配置可承载两个区,每个区负载六千人同时在线
基于MindX SDK 开发,使用yolo算法来进行目标检测的python代码
本项目是使用MindX SDK 开发,在arm芯片上进行目标检测,将检测结果保存成json对象并通过redis的发布订阅通道通知给订阅者。
项目主要流程为:通过拉流输入视频,然后进行视频解码将 H.264 格式的视频解码为图片,图片缩放后经过模型推理进行火焰和烟雾,人物,汽车,佩戴安全帽,异物检测,空载检测,识别结果经过后处理后利用 cv 可视化识别框,如果检测到烟雾和火灾进行告警。
样例配套的 CANN 版本为 [5.0.4] ,MindX SDK 版本为mxVision-5.0.1。
MindX SDK 安装前准备可参考《用户指南》
(https://gitee.com/ascend/mindxsdk-referenceapps/blob/master/docs/quickStart/1-1安装SDK开发套件
工程目录如下图所示:
```
├── envs
│ └── env.sh //基础环境变量
├── images //ReadMe图片资源
│ └── image-flow.png
├
K-means聚类算法
K-means:k-均值算法(英文:k-means clustering),属于比较常用的算法之一,文本首先介绍聚类的理论知识包括什么是聚类、聚类的应用、聚类思想、聚类优缺点等等;然后通过k-均值聚类案例实现及其可视化有一个直观的感受,针对算法模型进行分析和结果优化提出了二分k-means算法。最后我们调用机器学习库函数,很短的代码完成聚类算法。
mxVision-5.0.1打包下载,华为服务器arm环境
mxVision-5.0.1打包下载,华为服务器arm环境
bin/
config/
filelist.txt
include/
lib/
opensource/
operators/
python/
samples/
set_env.sh*
toolkit/
yolov8的入门级(训练+预测)的代码demo
yolov8的入门级(训练+预测)的代码demo(目标检测/实例分割/关键点检测........)
1.install
安装torch+torchvision,torch官网有可选配置的安装指令提供,以及Previous versions提供https://pytorch.org/
安装ultralytics
pip install ultralytics
安装习惯的图像处理安装包处理result
pip install 。。。。。
2.数据集标注
工具:labelme
pip install labelme
2.训练(train.py)
三种任务的训练代码都非常简单。
首先都是载入模型,yolov8+n/s/m/l/x 是不同级别的目标检测预训练模型,后面+‘-seg’是实例分割模型,后面+‘-pose’是关键点检测模型,因为后两者都是基于目标检测的所以都会自动先加载目标检测模型。
3.预测(predict.py)
from ultralytics import YOLO
# Load a model
model = YOLO('yolov8n.pt') # load an o
神经网络学习资料整理从入门到精通
基础教程 实践案例 实践项目
内容
1.Python与基础知识
2.神经网络基本原理
3.神经网络高级模型
4.经典机器学习算法
5.现代软件工程
6.人工智能系统
自然语言理解
快速构建中文文本蕴含深度学习模型
智能对联
计算机视觉
看图识熊
漫画翻译
手写数字识别
语音
文本朗读应用
决策
黄金点游戏
golang开发使用mongodb统计数据并输出到excel中
本代码使用的是mongodb从指定的数据库中分页查找数据,并自定义excel表格的格式,根据需要输出的格式将结果按照列来更新
海康ISAPI开发指南-音频产品-广播音频输出
海康ISAPI开发指南_音频产品_广播音频输出
海康的SDK 对于部分系统架构支持不是特别好,比如音柱声音告警的功能,他在arm架构下不支持,这个也是官方给我的回复,因此我选择使用ISAPI来开发,通过调用http访问接口来完成对SDK的调用
rollercoaster-dataset过山车数据集下载
过山车数据库
该数据包含有关 1000 多个过山车的信息。信息是从维基百科抓取的。
数据集是csv格式的,包含过山车名称
长度
过山车的长度(英尺或米)(原始文本)
速度
速度(英里/小时或公里/小时)(原始文本)
地点
过山车的位置或停放地点
地位
过山车运行状况
开幕日期
杯垫的启用日期(原始文本)
类型
杯垫的材质类型
制造商
杯垫制造商
身高限制
乘坐身高限制
模型
杯垫模型
海康音柱服务调用C++工程
使用C++开发,直接使用的是ISAPI调用来根据不同的告警类型播放不同的告警音乐,其中告警类型和对应的音乐名称是走配置的,而且音乐文件是提前通过音柱网页端后台上传好的,代码里会根据当前的告警类型和音柱客户端将告警音乐播放。
跨平台开发,支持linux,windows平台,http服务负责接收http客户端的告警请求,收到告警请求之后放到子线程队列中排队,子线程依次将告警音乐进行播放。
育龄人群备孕胎次与避孕方式数据集
.育龄人群备孕胎次与避孕方式数据集.国家人口健康科学数据中心数据仓储PHDA,
育龄人群备孕胎次与避孕方式数据集收集了2010年-2014年31个省、直辖市、自治区及新疆建设兵团的备孕夫妇胎次与采用避孕方式的信息。数据资料包括基础人口学信息、孕产史信息、避孕方式、避孕措施持续使用时间及目前是否停用的信息等。本数据集可用于头胎备孕人群及二胎及以上胎次备孕人群的避孕方式横断面调査分析以及我国青龄人口避孕方式构成情况的时间变化趋势分析等。
育龄人群备孕胎次与避孕方式数据集
糖尿病并发症预警数据集
糖尿病并发症预警数据集
糖尿病是一种代谢紊乱性疾病,其发病率已在全球呈持续上升的趋势。和心脑血管疾病等其他慢性非传染病一样,I型糖尿病是种多因素疾病,其危险因素包括遗传、社会、生活方式和环境等多方面。预防控制糖尿病的关键是采取综合的预防治疗措施,而评估疾病的危害程度和控制疾病的危险因素则是糖尿病防治的重要前提。因此,掌握尿病患病和死亡情况,了解其危险因素的分布及其规律,可以为采取预防和控制糖尿病发生发展、提高尿病患者生存质量的措施提供决策依据。
本数据兼容性良好,基础表格处理软件便可运行。具体数据挖掘工具依据用户需要而定
中国人民解放军总医院提供
海康相机算法检测SDK的C++开发项目源码
本源码是商业化的源码,源码使用C++调用海康的SDK(支持跨平台的,本项目中包含了Win64和arm环境的SDK,如果需要支持其他系统的SDK,也可以支持,直接从官网下载对应系统版本的库,放到thirdparty\sdk目录下,有疑问无条件支持集成),源码中包含了自动解析相机的rtsp流地址(或者你自己配置相机登陆用户名和密码,host,端口),登陆相机之后,封装了调用接口API的方法,实现了获取相机能力,修改相机算法参数的功能,实现了火点检测和告警,温度检测和告警的逻辑。
本源码在开发使用中基本上就直接可以套用,在使用过程中有任何崩溃或者bug,都可以联系我,我将无偿修复解决。
yolov5的人脸检测工具C++开发
yolov5的人脸检测工具C++开发
一个简单的grpc开发demo
一个简单的grpc开发demo
docker配置和安装使用说明
docker配置和安装使用说明
1、docker安装与启动
2、镜像的获取与容器的使用
3、持久化容器与镜像
4.一些使用技巧
aarch64-linux-gnu环境opencv4.5.5交叉编译库
opencv4.5.5交叉编译库 aarch64-linux-gnu环境,该压缩包包含了头文件和动态库,其中动态库包含软连接,对于开发者而言,可以直接引入即可,不需要再花费时间编译了。
opencv跨平台编译库
本压缩包使用的是opencv4.5.5编译的,交叉编译环境为aarch64-gnu.toolchain
使用的编译器版本为:gcc-linaro-6.3.1-2017.05-x86_64_aarch64-linux-gnu
最后生成的是一个so库和include头文件,压缩包解压后保存软连接
反光衣检测识别yolo模型
反光衣检测识别yolo模型
yolo车辆识别检测模型
yolo车辆识别检测模型 car.bmodel
通过yolo训练得到的模型文件