- 博客(37)
- 收藏
- 关注
原创 C# halcon 工业产品尺寸测量
1. **功能丰富:** 代码实现了图像处理和测量的多个功能,包括灰度化、二值化、区域连接、测量物体的宽度、高度等。2. **硬编码路径:** 代码中使用了一些硬编码的路径,建议使用相对路径或配置文件来管理路径,提高代码的灵活性。2. **界面交互:** 通过Windows窗体设计,提供了用户友好的界面,通过按钮触发不同的操作,易于使用。3. **代码结构清晰:** 代码使用了命名空间和类的结构,提高了代码的组织性和可维护性。5. **界面布局:** 界面布局方面可以进一步优化,使界面更加美观和易于使用。
2024-01-03 17:29:08
1194
原创 猫12分类:使用yolov5训练检测模型
在使用yolov5之前,尝试过到百度飞桨平台(小白不建议)、AutoDL平台(这个比较友好,经济实惠)训练模型。但还是没有本地训练模型来的舒服。因此远程了一台学校电脑来搭建自己的检测模型。配置嘛!勉强过的去。毕竟训练的模型也不是很大。本来想着也想搞一些nb轰轰的模型,但想想还是算了,一是经济(云平台,只想白嫖),二是时间(准备那些数据集就非常浪费时间,自己昨天制作的那150关于猫的label就标了三四个小时,还标错了,导致训练时全部返工,真的烦),三是学校电脑配置还是不咋行,训练完估计模型精度也就那样子。
2023-11-20 13:29:16
1064
原创 猫12分类:使用多线程爬取图片的Python程序
其中,requests库用于发送HTTP请求,PIL库用于处理图片,lxml库用于解析HTML,numpy库用于处理数组,threading库用于实现多线程。函数中,我们使用requests库发送HTTP请求,获取网页内容,并使用lxml库解析HTML,提取图片的URL。最后,我们将URL存储在一个数组中,并返回该数组。在这个函数中,我们使用requests库发送HTTP请求,获取图片的内容,并使用PIL库将内容保存为图片文件。然后,我们创建多个线程,并将每个线程分配一个URL进行下载。
2023-11-19 21:05:03
785
原创 自然语言处理nltk下载以及nltk_data下载及其所遇问题解决方案
输入pip -V命令可以查询pip下载器的路径,返回向上两级目录可以找到该虚拟环境所在的路径。这时候只需要把下载解压好的nltk_data文件夹移动至以上报错给出的路径即可。激活虚拟环境后进去python解释器,运行以下代码。下载缓慢可选定清华源下载,国内镜像站下载速度较快。验证nltk和nltk_data 是否加载成功。--来自百度网盘超级会员V1的分享。下载完毕后解压放到虚拟环境目录下。下载numpy库和nltk库。代码 可能会出现以下问题。
2023-09-20 21:20:18
3375
1
原创 基于LSTM神经网络模型来预测股票的收益率
综上,通过添加更丰富的特征、更长的历史数据、更复杂的模型结构、更精细的超参数调优、增量训练策略以及集成学习等方法,我们可以进一步优化该LSTM模型,提高其对股票数据的预测性能。在“基于LSTM神经网络模型来预测股票的收益率”项目中,LSTM模型可以学习股票市场中的历史数据,并利用记忆单元来捕捉股票收益率的长期依赖关系和非线性模式。通过适当的训练和调整,LSTM模型可以提供准确的股票收益率预测。然而,需要注意的是,股票市场的预测依然具有一定的风险,模型的预测结果仅供参考,投资者仍需谨慎决策。
2023-07-01 23:17:30
999
1
原创 【OpenCV】用Python进行缺陷检测和展示
在工业生产中,为了保证产品质量,通常需要对生产线上的产品进行缺陷检测。以上代码中,我们先加载原始图像,然后将其转换为灰度图像,并进行二值化处理。最后,我们使用OpenCV库提供的函数寻找图像中的轮廓,并将其绘制在原始图像上。以上代码中,我们首先创建一个3行4列共12个子图的画布,并对每张图片进行缺陷检测,在画布的相应位置上展示处理结果。最后,我们隐藏多余的子图,以确保画布的展示效果。首先,我们需要加载所有的图片文件,这些文件通常位于同一个文件夹中,并且文件扩展名为“.jpg”或“.png”。
2023-06-12 15:35:06
3886
2
原创 利用CycleGAN进行图片的风格转换(作业)
CycleGAN是一种无需配对数据的图像转换技术,能够将源域中的图像转化为目标域中的图像,而不需要在两个域之间建立任何映射。CycleGAN已经被应用于各种领域,如风格迁移、语音转换、视频转换等。这里面有 CycleGAN 训练/测试的说明文档,由于训练集比较大,因此跳过训练这一部分,直接利用已经训练好的模型进行CycleGAN图片风格转换。在 README.md文档中我们可以找到一条bash指令下载预训练模型,但是显然这个不是我们需要的莫奈/梵高模型,因此我们需要进一步查阅文档。执行完毕后 查看结果图。
2023-06-11 22:08:07
699
原创 ZeroDCE低亮度图片增强实训报告
zeroDCE是一种图像增强方法,可以将低光照或暗淡的图像转换为高质量、明亮、清晰的图像。它采用了深度学习技术,并通过使用无参卷积来消除噪声和伪影,从而提高了图像的质量和细节。zeroDCE还能够自适应地对不同类型的图像进行增强,如室内场景、室外场景、夜间拍摄等。它在各种图像处理领域都有广泛的应用,如计算机视觉、图像识别、人工智能等。zeroDCE的背景是图像增强技术在计算机视觉领域中具有重要的应用价值。
2023-06-11 19:17:18
985
10
原创 (实训任务)yolov5分类 -- 舌象目标分类
目录一、 使用yolov5 进行舌象目标分类的背景和目的二、 任务步骤:三 、数据集的准备(TCMID-Tongue):四 、数据预处理:4 .1 、 xml文件转txt文件(编写一个xml转txt脚本 xml2txt.py)4.2 生成数据集数据的图片路径4.3 、编写yaml 文件 4.3.1 、编写 yaml文件1(里面存放训练、测试、预测路径 、分类的数量、分类的目标标签)一般放在data目录(也可以自定义)下 4.3.2 、编写 .yaml 文件二, 在models 目录下 复制(使用什么模型就复
2023-06-09 11:23:11
2148
21
原创 (第十二周作业一)案例:电商用户对商品喜好的预测分析
线性回归模型是一种基于最小二乘法的机器学习算法,用于构建一个将自变量与因变量相关联的线性方程。线性回归的目标是找到一条直线或超平面来拟合(或预测)数据中的目标变量。这个模型主要用于探索两种变量之间的关系,其中一种变量被称为自变量,另一种被称为因变量。一般情况下,我们把线性回归问题分为单变量线性回归和多变量线性回归两类。在单变量线性回归中,模型只存在一个自变量和一个因变量。此时,我们可以通过绘制散点图来观察自变量和因变量之间的关系,例如,我们想利用一个人的身高预测他的体重。
2023-06-05 16:36:36
458
2
原创 (第十二周作业一)案例:如何用Python分析电商用户行为
可以看到,阿普闪购的核心用户群是女性,是男性数量的 2.35 倍。从上述结果中可以看出,user_log 表中大概有 1.8 w 条数据缺少品牌 id 的字段,缺失率为0.16%(1.8w/1098w),一般这个数据量级不会影响到数据分布的分析,暂时不处理。由于预算以及短信服务商的限制,没有办法对大范围的用户投放,这就需要缩小人群的范围,找出最有可能产生转化的人群。通过以上的代码的查阅,我们对这三张数据表有了大概的了解,发现,三张表都有user_id这一个字段,因此,可以着重于从这里入手,做跨表联动分析。
2023-06-05 11:52:26
498
原创 利用BeautifulReport库和unittest测试框架生成美观自动化测试脚本执行报告
BeautifulReport 是一个基于 Python 编写的轻量级报告框架,它可以通过在测试用例中添加模板配置文件,生成美观且易读的 HTML 测试报告。另外,如果需要给测试报告增加 LOGO 图片,可以将图片文件放置于当前工程目录下或其他指定目录,在实例化 BeautifulReport 对象时通过。1、正确输入可以登录 2、用户名没有输入 3、密码没有输入 4、验证码没有输入 5、用户名密码不匹配。(2)在登录页面输入账号和验证码,但是不输入密码。注意:在生成报告时,需要将。
2023-05-29 19:49:44
1083
原创 资产盘点测试用例--个人乱写版(错了...那就错了!!!)
1、点击“进行中”状态盘点单后的【结束盘点】按钮,系统弹出“结束盘点”窗口;点击【提交】,保存当前信息,返回至列表页,在列表页新增一条盘点单记录(盘点单号由系统自动生成:PD+时间戳),状态为“未开始”,操作栏显示【删除】、【开始盘点】按钮;3、用户在面包屑导航显示“当前位置:首页>资产盘点>新增盘点单”位置,点击“首页”跳转至首页页面,点击“资产盘点”,跳转至资产盘点列表页。用户点击“未盘点”资产后的【录入结果】按钮,弹出“录入结果”窗口,显示所选资产的名称及编码,输入以上全部正确信息,点击【确定】
2023-05-29 18:53:31
328
原创 案例:使用seaborn分析泰坦尼克号生还者数据
使用seaborn分析泰坦尼克号生还者数据 一、数据来源(数据的导入)二、主要分析的内容(定义问题)泰坦尼克号乘客基本信息分布情况??乘客的信息与生还数据是否有关联??三、数据清洗3.1 查看是否有缺失值3.2 查看数据基本信息3.3 绘制年龄分布图,通过seaborn的distplot函数查看乘客的年龄分布3.4 从上图可以看出年龄呈现正态分布-- 对年龄缺失值进行填充,再次可视化3.5 根据性别 绘制年龄分布图3.6 登船地点分布情况(用countplot
2023-05-26 19:28:35
3900
13
原创 企业网站管理内容系统接口测试(Postman)
Postman是一款广泛使用的API测试工具,可以帮助开发人员设计、构建、测试和文档化API。Postman旨在简化API开发流程的每个阶段,使全局团队可以协作轻松地进行API开发。它提供了易于使用的界面和功能强大的功能,包括自动校验、脚本编写、集成测试、Mock服务以及多种操作系统和浏览器上的部署。除此之外,Postman还支持GitHub和GitLab等源代码管理工具,确保了API开发过程的高效和透明性。总之,Postman是一个非常有价值的API开发和测试工具。
2023-05-25 17:37:47
219
原创 性能测试作业--jmeter
对于任务二,可以看到无非就是比任务一多了一个照片上传,因此,前面不变(直接将任务一线程组复制为任务二),新建一个http请求(图片上传),使用fiddle抓取照片上传信息。由于图片是单独先上传的,因此可以先建立一个图片上传的http请求,再重新建立一个文章新增的http请求,将fiddle爬到的参数填写。请求,不过问题不大,新建俩个http请求就可以,然后使用fiddle抓包工具获取信息就行,懒得改文章了,不写了,任性!对于任务四,无非就是文章新增http请求参数的静态参数变成动态参数。
2023-05-23 22:59:09
131
原创 PyTorch编写神经网络模型训练三分类问题
self.conv1 = nn.Conv2d(3, 64, 3, stride=1) # 通道数为3(RGB) 64个张量 卷积核为3 步长为1self.bn1 = nn.BatchNorm2d(64) # BatchNorm,增加模型鲁棒性和收敛速度self.fc1 = nn.Linear(256 * 14 * 14, 512) # 全连接层# x = self.dropout(x) # 反向传播 起到了与前向传播(训练时)类似的随机失活(dropout)作用return x。
2023-05-19 20:48:09
1816
6
原创 Git bash 的安装(非常不错的命令行窗口,强推...附上git bash常用指令)
Git 是一个开源的分布式版本控制系统,它具有以下优势:1. 分布式:每个团队成员都拥有代码仓库的完整备份,可以在本地进行代码管理和协作,减轻了中央化版本控制系统(如 SVN)服务器的压力。2. 强大的分支与合并功能:Git 的分支管理非常灵活,可以方便地创建、合并、删除分支。这使得多人协作开发时不会互相影响,减少了冲突和错误。3. 安全性:Git 采用了哈希算法来保证数据一致性和完整性,而且所有的更新操作都是可追溯的,不易被篡改或丢失。
2023-05-19 00:07:33
2690
1
原创 unittest框架测试模拟器自带的计算器功能(附上代码以及使用过程中会遇到的问题和解决方案)
自动化测试任务二:使用unittest框架测试模拟器自带的计算器功能,计算“2+(7−3)×8”表达式。
2023-05-15 20:36:17
303
8
原创 Android SDK Windows 安装及环境配置教程
添加系统变量,变量名:ANDROID_HOME,变量值为:AndroidSDK安装路径。如果想要指定下载的话,可以自己去了解一下需要哪些工具,不然的话就一键无脑下载就🆗了。打开刚刚软件的安装位置,启动SDK Manager.exe程序,下载Tools工具。----下载完毕之后呢,就可以开始配置AndroidSDK的环境变量了。OK,接着继续给Tools工具添加PATH路径。上面这张图没上传到,又不想重新截图,就这样子啦,问题不是很大。这样子就开始下载了,用魔法下载就是快。到这里就全部完成安装了。
2023-05-15 09:43:33
7068
1
原创 软件测试(管理网站性能测试案例,Fiddler、JMeter的使用和安装)
使用Fiddler抓包工具,会不断向后台发起请求,这里就有工具抓取到了信息,但信息过多,很难分辨哪个是我们需要抓取的网站,因此可以使用抓包工具自带的过滤器进行筛选。运行之后会发现企业管理页面没有新增成功,这是因为,没有保存登录页面的cookie信息,这里再新建一个cookie管理器,即可成功运行。ok,做完以上步骤 打开浏览器访问企业管理网站,输入正确的账号和密码尝试登录网站,利用抓包工具进行抓取,这里我就抓取到了以下登录信息。“”“”“” 下面文章如果有不明白的地方的话,可以后台私信,有收到信息就解答。
2023-05-12 15:31:58
455
4
原创 作业:药店数据预处理
0 购药时间 6576 non-null object。1 社保卡号 6576 non-null object。2 商品编码 6577 non-null object。3 商品名称 6577 non-null object。4 销售数量 6577 non-null float64。5 应收金额 6577 non-null float64。6 实收金额 6577 non-null float64。
2023-05-11 21:19:54
73
原创 班主任的课堂实训作业--基于Haar特征的人脸检测
人脸检测是计算机视觉领域的一个重要应用,它可以在图像或视频中自动检测人脸并标记出来。本报告介绍了使用OpenCV中的Haar级联分类器进行人脸检测的方法。
2023-05-11 16:29:54
106
1
原创 yolov3的使用(对第一篇关于yolov5目标检测文章的补充)
YOLOv3-tiny 是 YOLOv3 的一个小型版本,包含了更少的卷积层和参数,因此速度更快但精度较低。该权重模型文件可以用于检测图像或视频中的多个对象,并输出对象的类别、位置和置信度等信息。对于每个检测到的对象,模型可以返回一个矩形框来表示物体的位置,以及该物体属于哪个类别。该模型可以应用于各种领域,如人脸识别、交通控制、智能安防、工业质检等。此外,YOLOv3还包含了Multi-Scale Training(多尺度训练)和类别感知的锚框(anchor)策略,这些方法都有助于提高其检测精度和鲁棒性。
2023-05-11 12:14:12
883
原创 基于yolov5的NEU-NET产品缺陷目标检测
NEU-NET 数据集是一种检测金属缺陷的数据集,其中包括 1800 个来自六个不同类别的 200x200 像素图像,每个类别分别为:脆性(C),夹杂(I),气孔(P),网状(R),沙眼(S)和弯曲(W)。整体来看,模型的Precision与Recall比较均衡,而mAP50表现达到了0.781,说明该模型具备良好的目标定位和分类能力。但是需要指出的是,仅凭一个测试集的性能表现结果无法完全代表模型的真实性能,只有在更加广泛的实际应用场景下反复验证模型的鲁棒性和稳定性,才能更好地评估该模型的性能。
2023-05-10 14:33:19
2271
9
深度学习 神经网络 Pytorch 动物三分类问题数据集
2023-05-19
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人