- 博客(12)
- 收藏
- 关注
RSS订阅原创 安装配置neovim
注意是将里面的Nvim文件放到 ~/.config文件下。进入 ~/.config/nvim/lua/plugins文件下，使用nvim plugins-setup.lua打开脚本，在命令行模式输入:w下载插件(这里需要在命令行中使用科学上网，如果没下起则多下几次)。本次配置使用的是nvim 0.8.4，最好不要使用过高的版本，因为版本过高，telecope会无法使用等一系列报错。在~/.config文件下放入以下连接下载的配置文件。
2024-03-06 10:49:06
677
1
原创 vim常用命令
显示行号还可以通过 vim $HOME/.vimrc 修改vim配置，通过set number或者set relativenumber。
2024-03-05 15:20:00
150
原创 目标检测(yolov9)
首先需要从github上拉取yolov9的仓库，下载预训练权重文件yolov9-c.pt到当前文件夹，创建data/images文件夹，并将要推理的图片放到文件夹中，直接运行detect.py文件，它会自动安装需要的依赖，具体代码如下。直接将if判断去掉将 prediction = prediction[0]放到外面。据我所知，第902行如下代码并未执行，所以prediction的类型依然为list。
2024-03-01 10:20:01
533
1
原创 最优钢铁切割（算法导论第四版）
一家公司购买长钢条，将其切割成短钢条出售，假设切割本身没有成本，长度为i的短钢条的价格为Pi。那给定一段长度为n的钢条和一个价格表Pi，求钢条的切割方案使得收益Rn最大。例如长度12345678910价格1589101717201430。
2023-10-11 15:57:09
125
原创 Rapid Object Detection using a Boosted Cascade of Simple Feature笔记
本文描述了一种用于视觉目标检测的机器学习方法，该方法能够非常快速地处理图像并实现高检测率。这项工作有三个主要贡献。第一个是 “积分图像”，可以被用来快速计算特征；第二个是基于AdaBoost的学习算法，可以从很大的数据集中筛选出少量的关键视觉特征并形成更加高效的分类器；第三个是以“级联”形式不断合并分类器的方法，该方法使得图像的背景区域被很快丢弃，从而将更多的计算放在可能是目标的区域上。级联可以被看作是一种对象特定的关注焦点机制，与以前的方法不同，它提供了统计保证，即丢弃的区域不太可能包含感兴趣的对象。
2023-09-17 11:08:48
111
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人