Larry Chow

原创 pandas的常用方法

【代码】pandas的常用方法。

原创 Windows创建Linux虚拟环境-WSL

使用工具WSL。

原创 深度模型测试

【代码】深度模型测试。

原创 Pytorch下载预训练模型并保存在文件夹内

【代码】Pytorch下载预训练模型并保存在文件夹内。

原创 图片按照宽度进行居中裁剪，缩放大小

文件存放在img_folder_path中裁剪要求：图片大小以高度为基准。居中裁剪缩放要求：图片缩放到512大小图片另存到save_file_path路径中。

原创 两张二值化图像融合

python实现，已知两张二值化图像，对比两张图，将像素点一致的坐标保留原来颜色，不一致的坐标像素值变为128。

原创 给图像进行十字星标记

【代码】给图像进行十字星标记。

原创 什么是迁移学习

迁移学习是一种机器学习技术，旨在将在一个任务上学到的知识应用于另一个相关任务上。它通过将预训练的模型参数迁移到新任务上，从而加速新任务的训练过程并提高模型的性能。

原创 评价深度学习模型训练效果的曲线图

这些曲线图可以帮助我们了解模型在不同训练阶段的表现，从而更好地调整模型参数和超参数，提高模型的性能。

原创 PYQT的使用入门

首先，将Frame拖入，然后分别拖入PushButton、2个TextLabel，放到这个Frame中。接下来，按住Ctrl，分别点击这三个组件，选中后点击水平分布进行对齐。完成创建后，可以在新窗口中进行UI布局，QTDesigner右侧为组件库，中间为UI布局界面，右侧分别为对象查看器、组件属性编辑器、资源浏览器。在VSCode中，将MyFirstUi.ui，右键选择，PYQT：Compile Form，注：每次修改ui文件后，需要重新编译py文件，即执行PYQT：Compile Form操作。

原创 VSCode安装PYQT5

QtDesigner path：python环境+\Lib\site-packages\qt5_applications\Qt\bin\designer.exe。通过查询函数库，了解到python安装位置为 C:\Users\admin\.conda\envs\pyqt_env。Pyrcc path：python环境+\Scripts\pyrcc5.exe。Pyuic path：python环境+\Scripts\pyuic5.exe。

原创 神经网络分类模型的评价函数和曲线图

神经网络分类模型的评价指标主要包括准确率（Accuracy）、精确率（Precision）、召回率（Recall）和F1分数（F1 Score）。准确率是指模型正确预测的样本数占总样本数的比例，是分类任务中最常用的评价指标。精确率是指在所有被模型预测为正例的样本中，实际为正例的比例，关注的是模型预测为正例的准确性。召回率是指在所有实际为正例的样本中，被模型正确预测为正例的比例，关注的是模型对正例的覆盖程度。

原创 深度学习图像分割有哪些评价指标？可以绘制哪些曲线？

深度学习图像分割的评价指标主要有以下几种：Pixel Accuracy：这个指标计算的是预测的分割和实际的分割之间的像素级别的匹配程度。 Mean Accuracy：这个指标是在所有类别上计算平均像素准确度。 Frequency Weighted Accuracy：这个指标给每个类别赋予一个权重，然后计算加权的平均像素准确度。 Mean Intersection over Union (mIoU)：这个指标计算的是预测的分割和实际的分割之间的交集和并集的比值。 Weighted Inters

原创 VSCode 运行java程序中文乱码

java文件中包含中文，运行java程序后，乱码报错。

原创 DBC文件解析成C语言

例如Windows安装python3.10版本下载地址。

原创 python和Springboot如何交互？

Python和Spring Boot可以通过RESTful API进行交互。Spring Boot通常用于后端开发，提供了快速构建RESTful API的工具，而Python则可以用于编写前端或与后端交互的代码。

原创 linux指令，获取/update文件夹下，最新的3个文件并且排除文件夹

要获取和更新文件夹下最新的三个文件并排除文件夹，你可以使用以下命令组合：find 和 ls 命令。| head -n 3：将找到的文件名通过管道传递给 head 命令，并只获取前三个结果。-mindepth 1：排除深度为0的文件（例如当前文件夹的配置文件）。-maxdepth 1：只搜索当前文件夹，不包括子文件夹。find /update：指定要操作的文件夹路径。-type f：只搜索文件，不包括文件夹。-print：打印找到的文件名。

原创 PYQT常用组件--方法汇总

timeEdit是Qt框架中的一个时间编辑器控件，它提供了以下常用方法：

原创 PYQT中线程使用Demo

pyqt创建一个线程并且执行名为Meth1的函数，该函数有两个参数a和b，函数中计算a+b的值,然后将按钮btn的文本改为函数返回值。

原创 OpenCV和PIL图像对象转换

OpenCV和PIL（Python Imaging Library）都是常用的Python图像处理库。它们都有自己的图像对象类型，因此在使用它们时需要进行相应的转换。需要注意的是，OpenCV和PIL对图像的处理方式有所不同，因此在进行转换时需要注意图像的通道顺序和颜色空间的转换。

原创 java数组列表排序

使用Integer包装类 Integer[] nsndo={1,2,6,1,3};Integer数组与int数组互换。

原创 opencv图片根据规则改变颜色

1. 读入图片2.通道分离3.像素值在【100，200】之间，赋值128。大于200赋值255，小于100赋值0。

原创 打印图片的颜色分布直方图

oq_=(b,g,r)或者oq_=cv2.imread(img_path)

原创 学习路线---运维、测试开发

原创 网络模型合集

基于改进U-Net模型和C...AM的脑肿瘤MRI图像分割_张晓倩。基于改进U-Net的前列腺MRI图像自动分割方法_石征锦。融合感受野模块的卷积神经网络视杯视盘联合分割_于舒扬。基于U-Net的视杯视盘联合分割的方法的研究_李佳慧。基于U-Net的视杯视盘联合分割的方法的研究_李佳慧。基于U-Net改进的青光眼眼底图像诊断算法_韩义波。基于改进U-Net的视盘视杯分割方法的研究_茅前。基于轻量化网络模型的青光眼自动识别_辛兆福。

原创 opencv图片的笛卡尔坐标和极坐标的转换

【代码】opencv图片的笛卡尔坐标和极坐标的转换。

原创 调试网络模型【PyTorch版】

调试网络模型【PyTorch版】，测试网络流程是否顺畅，打印网络结构

原创 VSCode常用快捷键

VSCode常用快捷键

原创 MobileNetV3 in PyTorch

【代码】MobileNetV3 in PyTorch。

原创 2023博士论文--基于神经网络的医学图像分割算法研究

知网地址： 基于神经网络的医学图像分割算法研究 - 中国知网

原创 部分网络结构记录

GFF：用于语义分割的门控完全融合GFF：用于语义分割的门控完全融合。

原创 发明内容和具体实施方式的区别

发明内容应该是写：发明所解决的技术问题，和技术方案，并且对照现有技术说明该发明的有益效果。而实施例应该 详细 写：该发明的优选方式，必要时，还要举例说明，并对照附图。区别显而易见。正常的肯定会有一点重复的。但如果重复的很多，只能说明撰写这份说明书的申请人或者代理人对业务不太熟悉。

原创 python读取bmp文件，转化为像素图

【代码】python读取bmp文件，转化为像素图。

原创 ResNet的作用

残差连接是指在网络中将输入直接添加到输出中，以便直接传递梯度，从而减轻了梯度消失和梯度爆炸的问题。总之，ResNet的引入通过残差连接解决了深度神经网络中的梯度消失和网络退化问题，使得深层网络的训练变得更加容易和有效，并在计算机视觉领域取得了重大的突破。1. 允许训练更深的神经网络：通过残差连接，ResNet可以轻松地训练非常深的网络，有助于提取更丰富的特征表示，提高模型的性能。2. 缓解梯度消失和梯度爆炸问题：残差连接有助于传播梯度，减轻了梯度在深层网络中衰减或爆炸的问题，使得网络更容易训练。

原创 pytorch问题汇总

【代码】pytorch问题汇总。

原创 python打印当前时间

python打印当前时间 记录程序运行时间

原创 使用opencv在图片上椭圆拟合

1、获得图片对象2、绘制图片中的轮廓3、获得轮廓4、根据轮廓你和椭圆5、绘制椭圆6、保存图片。

原创 Pytorch定义多个数据集并调用

如何定义数据集？1、自定义的类中继承Dataset2、要实现__getitem__ 、__len__ 方法。3、实现上述两个方法前的初始化内容写在__init__方法中。（这样显得规范、好看一些）

原创 研究生开题报告写作结构

研究生开题报告写作结构

转载 Opencv, matplotlib, visdom图像通道转化

因为实际上在设计这些库的时候并没有要求他们在读取图像数据的时候必须按照某种特定的矩阵方式读取，因此他们的图像表示均有所不同。图像的通道数决定是否显示颜色。灰度图一般是单通道的，但也可以用三通道表示，彩色图像都是三通道的。图像的像素值为[0-255]，表示的是其对应的颜色强度值，0表示最弱（理解为黑色），255表示最强（理解为白色）。所以我们知道图像的基本参数就是 高、宽、通道数，像素值，以及通道的排序。决定了图像的大小，单位一般是像素，这里所有提及的也是像素。