自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(12)
  • 收藏
  • 关注

原创 2024年山东大学软件学院 算法设计与分析 朋辈导师讲课资料

百度网盘链接:https://pan.baidu.com/s/1hmUmX9S39Cket8gvsGvgiQ?2024年山东大学软件学院 算法设计与分析 朋辈导师讲课资料。祝学弟学妹们都有一个好成绩!

2024-06-22 19:04:41 104

原创 项目实训周记(十一)侧位图分析

完成情况:实现了从JSON文件加载人像侧位图关键点数据的功能。利用json库读取数据,并编写了函数将数组形式的点数据转换为字典形式。挑战与解决:确保JSON文件中的数据格式正确,并正确处理缺失的字段如和。完成情况:详细定义了北大分析法所需的所有指标。这些指标包括上颌和下颌的角度(如SNA、SNB)、上下切牙的角度和距离等。挑战与解决:需要确保每个指标的计算公式正确,特别是在使用lambda函数定义计算逻辑时,必须处理好参数传递的问题。

2024-06-22 18:40:16 325

原创 项目实训周记(十)正面图分析

通过本周的努力,我们成功实现了一个基础的人像分析系统,具备了三庭五眼比例分析、黄金三角分析、眉毛、眼睛、鼻子和嘴唇分析功能。未来,我们将继续优化算法,提高系统的准确性和鲁棒性,并增加更多的分析维度,为用户提供更加全面的面部特征分析服务。通过实验室已有项目的技术基础和相关论文的学习,我们掌握了当前最先进的技术,特别是深度学习模型在面部关键点检测中的应用。系统将包括面部三庭五眼比例分析、黄金三角分析、眉毛、眼睛、鼻子和嘴唇的分析功能,并且根据分析结果生成详细的面部特征报告。此功能是所有后续分析功能的基础。

2024-06-22 18:28:48 307

原创 项目实训周记(九)深入数据加密与安全性实现

通过本周的学习和实践,我对数据加密技术有了更深入的理解和应用经验,特别是在实现具体的加密功能和解决实际问题方面积累了宝贵的经验。本周的目标是深入研究数据加密技术,并实现系统的数据安全性和隐私保护措施。

2024-05-31 15:15:50 128

原创 项目实训周记(八)图像改进处理

本周的主要目标是实现口腔医疗图像的预处理和增强,以提高模型训练的效率和准确性。

2024-05-31 15:14:37 161

原创 项目实训周记(七)特征提取

本周的主要任务是研究和实施图像特征提取技术,并开始构建用于分类口腔疾病的机器学习模型。

2024-05-31 15:13:49 132

原创 项目实训周记(六)CBC加密深入学习

balabala。

2024-05-29 19:57:01 97

原创 项目实训周记(五)整合项目与加密技术应用

本周,我们团队继续深化了对AES算法的应用,并开始将加密技术整合到我们的数据传输过程中。:我们在实际的数据传输过程中应用了AES加密,通过实验验证了加密效果和性能。此外,我们还为医学图像数据实现了自动化的加密和解密处理流程,提高了操作的便捷性和效率。:除了之前的CBC模式,我们还探索了AES的CFB和OFB模式,了解了它们的工作原理和适用场景。通过团队的努力,我们不仅提高了项目的安全性,也增强了我们处理高风险数据的能力。为此,我们优化了加密算法的实现,减少了不必要的数据转换和复制操作,显著提升了处理速度。

2024-05-20 19:51:53 80

原创 项目实训周记(四)AES和CBC密钥加密

本周,我们团队开始了学习数据安全和加密技术的内容,重点学习了对称加密中的AES算法以及其CBC模式的应用。我们讨论了AES算法的基本原理、密钥生成和加密流程,并着手编写了使用Python实现AES加密的基础代码。

2024-05-15 23:35:41 115 1

原创 项目实训周记(三)团队整合工作

本周工作重点:进一步学习优化图像处理算法和特征点分析算法,与团队成员合作,整合工作成果并进行系统开发和性能设计。

2024-05-01 20:00:56 406 2

原创 项目实训周记(二)图像处理与特征点分析

我作为团队的一员,负责研究和实现图像处理算法以及特征点分析算法,用于提取口腔医疗图像的特征值。

2024-04-24 19:51:26 265 4

原创 项目实训周记(一)图像数据搜集和处理

团队选取合适的算法对这些图像进行预处理,包括但不限于图像的标准化、增强和特征点提取,确保数据输入模型的质量,为后续的模型训练打下基础。对处理过的图像进行特征点和特征值的分析,这一步涉及使用机器学习技术来识别和提取影像中的关键信息,如牙齿状况、牙龈问题等。根据不同的疾病种类和临床案例,团队将动态调整特征值的阈值,进行病症的判定。模型根据输入的图像和患者情况给出可能的诊断结果,并依据医学文献和专业网站给出建议。这一步不仅提供诊断信息,还为医生和患者提供参考,帮助他们更好地理解患者的口腔健康状况。

2024-04-17 18:28:43 330

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

提示
确定要删除当前文章?
取消 删除