qq_41598736的博客

原创 ffmpeg mac m1芯片 4444格式mov视频转码成hevc with alpha 的四通道视频

vf "premultiply=inplace=1" #保证视频的质量，避免压缩透明通道视频质量。

原创 ffmpeg python rgba图片合成 4444格式mov视频，保留透明通道

'-pix_fmt', "yuva444p10le",# 支持透明的像素格式。'-profile:v', '4444', # ProRes 4444配置。'-vendor', 'apl0', # 解决QuickTime兼容性。'-c:v', "prores_ks", # ProRes编码器。'-r', str(frame_rate), # 输入帧率。#'-b:v', '2M', # 目标平均比特率。#'-maxrate', '3M', # 最大比特率。

原创 ffmpeg webm 透明通道视频转成rgba图片

'-pix_fmt', "rgba", # 输出 RGBA 格式（保留 Alpha 通道）'-vcodec', 'libvpx-vp9', # 指定输入视频编码为 VP9。print(f"转换成功！PNG 序列已保存到：{bgra_dir}")'-i', webm_video_path, # 输入视频路径。print(f"转换失败！错误信息：\n{e.stderr}")bgra_dir # 输出 PNG 序列路径。

原创 下载url图片，url中含有中文也不报错的方法

下载url图片

原创 ffmpeg 给webm透明视频添加背景图片

ffmpeg -c:v libvpx-vp9 -i ata_1hand/videoresult/bgra/c5/video53.webm -i hand_git/test_dir/b3.png -filter_complex "[1:v][0:v] overlay=0:0" -pix_fmt yuv420p -c:a copy -crf 5 -r 30 /output_video_new53.mp4

原创 python+cv+yolo+resnet+segformer+SAM+onnx《9种工业常见指针式仪表自动读数》

先立个flag，这个项目是我今年几个月的心血，从数据获取，数据打标签开始到最后的读数的完成，全是一个人搞定，有时间时候，全程记录下。半自动打标签+UI界面------SAM大模型（自认为从这个模型开始该项目变得一人可行，自信心倍增）识别-yolox 分类-resnet 分割-segformer。图片矫正，旋转，椭圆变圆，骨架细化，kmeans自动二值化，等。cuda+tensorrt 进行下加速优化。打标签更加准确些，数据量进行增加。5.未完成（下一步迭代优化点）

原创 python 将圆形上点，绕着圆心顺时针排序

叔叔。

原创 Python opencv 找包含多个区域的最小外接矩形

import cv2print(box)

原创 coco语义分割标注json转png

【代码】coco语义分割标注json转png。

原创 python +opencv 多尺度缩放与旋转的模板匹配

print('在当前最优匹配角度周围10的区间以1为步长循环进行循环匹配所花时间为：' + str(1000 * (toc - tic)) + 'ms'+'-----angle:'+str(angle))print('在当前最优匹配角度周围2的区间以0.1为步长进行循环匹配所花时间为：' + str(1000 * (toc - tic)) + 'ms'+"---angle:"+str(angle))height, width = img.shape[:2] # 输入(H,W,C)，取 H，W 的值。

原创 python+opencv图片旋转函数-保持图像不被裁剪，且去除黑边

def ImageRotate(img, angle): # img:输入图片；newIm：输出图片；angle：旋转角度(°)height, width = img.shape[:2] # 输入(H,W,C)，取 H，W 的值。center = (width // 2, height // 2) # 绕图片中心进行旋转。templeimg = ImageRotate(templeimg, 180)#顺时针。# 图片旋转函数-保持图像不被裁剪---顺时针。

原创 cv 设置某个轮廓内或者外的像素点全为某值 python

设置某个轮廓内或者外像素点全为某值。

原创 cv2 五边形矫正，python ,多边形透视变换

多边形透视变换

原创 python 已知四点，两条线，求交点

python 已知四点，两条线，求交点

原创 opencv+python 常见图像预处理

opencv+python 图像预处理

原创 python 输入年月获取下个月年月

python 输入年月获取下个月年月

原创 python 元素中字符串列表转换为列表元素数据

字符串列表转换为列表元素数据

原创 paddle实现,多维时序数据增强 ，mixup（利用beta分布制作连续随机数）

利用beta分布制作连续随机数）数据增强 ，paddle实现

原创 获取一个数组中每行第k大的值,获取数组中每行大于第k大的所有值的索引坐标数组

获取一个数组中每行第k大的值,获取数组中每行大约第k大的所有值的索引坐标数组

原创 mse loss为nan值时候的怎么办

loss 出现nan情况

原创 python pymysql 查询，修改，删除数据

mysql 查询，删除，修改操作

原创 python，画3D图，瀑布图

3d图，python

原创 sql server数据库添加 mdf数据库文件，遇到的报错

右键添加数据库报错，提示无事务日志文件，第一步，将mdf文件，放入安装文件夹下如上图第二步，在系统数据库，master下面点击查询，输入下面语句，并且执行，不要管运行的报错，只要箭头所指向的ldf文件提示已经创建即可：其中 dbname是你要添加的mdf的数据库名字，pysname是你第一步存放mdf文件的路径第三步，刷新，即可看到你添加的对应mdf的数据库...

原创 sql server 查询指定表的表结构

SELECT表名 = 'dbo.Treestructure',表说明 = CASE WHEN A.COLORDER=1 THEN ISNULL(F.VALUE,'') ELSE '' END,字段序号 = A.COLORDER,字段名 = A.NAME,自增标识 = CASE WHEN COLUMNPROPERTY( A.ID,A.NAME,'ISIDENTITY')=1 THEN '√'ELSE '' END,主键 = CASE WHE...

原创 python 应用 boto3操作s3服务器中文件(查看，过滤，复制，删除)

cfg = self.cfg#用Minio获取s3服务器client,查看桶（存放文件的文件夹cfg['bucket']）是否存在。client = Minio(cfg['endpoint'], access_key=cfg["access_key"], secret_key=cfg["secret_key"])found = client.bucket_exists(cfg['bucket'])if found:#用boto3..

原创 python,时间字符串，变成utc时间的毫秒级时间戳

from datetime import datetimedate_str = '2022-04-27_10:40'#date str --> date timedate_time = datetime.strptime(date_str, '%Y-%m-%d_%H:%M')#'%Y-%m-%d %H:%M:%S.%f'print(date_time) #2022-04-27 10:40:00#date time --> utc date timeimport pytzut.

转载 集成学习（Bagging和Boosting）

两种方式--->Bagging和Boosting的区别：1）样本选择上：Bagging：训练集是在原始集中有放回选取的，从原始集中选出的各轮训练集之间是独立的。Boosting：每一轮的训练集不变，只是训练集中每个样例在分类器中的权重发生变化。而权值是根据上一轮的分类结果进行调整。2）样例权重：Bagging：使用均匀取样，每个样例的权重相等Boosting：根据错误率不断调整样例的权值，错误率越大则权重越大。3）预测函数：Bagging：所有预测函数的权重相等。B

原创 自动识别编码格式读取数据with open；argparse命令行输入参数；logger日志的设置；

#!/usr/bin/env python# -*- coding: utf-8 -*-# @Time : 2022/4/11 下午1:51# @Author : LiSi# @File : test.py# @Software: PyCharmimport osimport chardetimport loggingimport argparseimport pandas as pdimport numpy as npclass UploadData: d.

原创 yolov4 Bounding box 预测解读（附带Pytorch实现代码）

import torch.nn as nnimport torch#Bounding box预测class Yolo_head(nn.Module): def __init__(self, nC, anchors, stride): super(Yolo_head, self).__init__() self.__anchors = anchors self.__nA = len(anchors) self.__...

原创 本地ubuntu下pycharm 如何利用远程开发环境时显示图片

针对matplotlib显示图片前提：本地ubuntu 远程ubuntu方法：1. 本地终端输入， ssh -X servername@serverip，连接远程服务器2.在连接了远程后的命令行中输入env　找到 DISPLAY=localhost:10.0这句话,我的是10.03.pycharm 的配置环境中添加　DISPLAY=localhost:11.0具体操作为：pycharm菜单栏选择 run--->Edit Configurantions -->

原创 对某值是否为None的判断，对某值是否为np.nan的判断

对某值是否为None的判断if x is not None对某值是否为np.nan的判断if x is not np.nan而用 == !=等都会出现问题，谨记。

原创 sns.heatmap 热力图的添加，约束格子的高度，设置刻度条字体大小

def add_heat_fig(self,df,fig_explain_str,fig_size): """添加热力图""" df1 = df * 100 df1["设备"] = df1.index + ' ' + df1["date_mean"].apply(lambda x:str('%.2f' % x)) + '%' df1.set_index(['设备'], inplace=True) df1.columns = df1.columns + '\n ' +.

原创 获取日期列表中的连续日期，且表示成*年*月*日~*年*月*日

#coding:utf-8#作者 ：思#创建时间：2021/12/16 14:36 #功能 ：获取日期列表中的连续日期，且表示成*年*月*日~*年*月*日import numpy as npfrom datetime import datetime, timedeltadlist = ['2021-03-01', '2021-04-01', '2021-06-06', '2021-06-25', '2021-06-26', '2021-06-27', '2021-06.

原创 Soft-NMS,NMS python实现

#coding:utf-8#作者 ：李思#创建时间：2021/7/1 11:01 #功能 ：import numpy as npimport pandas as pddef soft_nms(boxes, thresh=0.3, sigma2=0.5, score_thresh=0.3, method=2): """ :param boxes: :param thresh:IOU阈值 :param sigma2: 高斯中用到的sigma .

原创 使用 python +opencv ，完成轨迹栏获取画笔颜色，画笔大小可调的点击鼠标并移动的画图程序

#coding:utf-8#作者 ：思#创建时间：2021/6/29 13:58 #功能 ： 使用 python +opencv ，完成轨迹栏获取画笔颜色，画笔大小可调的点击鼠标并移动的画图程序import numpy as npimport cv2def nothing(x): pass#创建一个黑色图像，一个窗口img = np.zeros((512,512,3),np.uint8)cv2.namedWindow('draw_window')#创建开关轨迹栏：.

原创 CNN模型学习与理解，LeNet~DenseNet

原创 Fast RCNN 算法学习与理解

参考链接：https://zhuanlan.zhihu.com/p/145842317 https://zhuanlan.zhihu.com/p/31426458 https://blog.csdn.net/ying86615791/article/details/72788414

原创 RCNN算法学习与理解

参考链接：https://my.oschina.net/u/876354/blog/1787921 https://blog.csdn.net/dcrmg/article/details/84372470?utm_medium=distribute.pc_relevant.none-task-blog-utm_term-6&spm=1001.2101.3001.4242

原创 仿射函数

仿射函数，即最高次数为1的多项式函数，是基于向量的运算常数项为零的仿射函数称为线性函数，基于单个数字的运算线性函数是过原点的仿射函数仿射函数即由 1 阶多项式构成的函数，一般形式为 f(x)=Ax+b，这里，A 是一个 m×k 矩阵，x 是一个 k 向量，b是一个 m 向量，实际上反映了一种从 k 维到 m 维的空间映射关系...

原创 python 求cos,sin函数，输入为度数

import mathx = 90 #度数#求sin()sin_mt = math.sin(math.radians(x))#求cos()#备注：直接用math.cos()出来的结果不完全正确cos_mt = math.sqrt(1-sin_mt**2)print(cos_mt)