wangmengmeng99的博客

用户可以上传、分享和下载预训练模型，涵盖文本分类、生成、翻译等多种任务。：提供丰富的公开数据集，支持用户上传和分享数据集，便于模型训练和评估。：开源库，支持BERT、GPT等模型的训练和推理，广泛应用于NLP领域。：允许用户创建和分享AI应用，支持交互式演示。：拥有活跃的开发者社区，提供教程、文档和论坛，帮助用户解决问题。

轮胎出厂前的X射线无损检测对驾驶安全至关重要。鉴于轮胎结构的复杂性和缺陷类型的多样性，传统的人工目视检查和机器学习方法在准确性和效率方面面临重大挑战。本研究提出了一种基于YOLOv5模型的创新轮胎X射线图像无损检测技术，结合了多项先进技术以提升检测性能。具体而言，我们引入了动态蛇形卷积（DSConv），该技术能够自适应地聚焦于轮胎内部的细长和弯曲特征。此外，我们设计了一个基于DSConv的C3模块，专门针对诸如帘线重叠和帘线开裂等细长缺陷。

TFLite（TensorFlow Lite）是 TensorFlow 的轻量级版本，专为移动设备和嵌入式设备设计，支持在资源受限的环境中进行高效的机器学习推理。TFLite 推理指的是使用 TFLite 模型在设备上执行预测任务的过程。将 TensorFlow 模型（SavedModel、Keras 模型等）转换为。获取模型的输入张量（Input Tensor）并将数据填充到其中。2、使用 TFLite 解释器（Interpreter）加载。根据模型的输入要求，预处理输入数据（如图像缩放、归一化等）。

安装Label_studio时遇到了报错，Current platform is win32, apply sqlite fix Can't load sqlite3.dll from current directory。2. 安装并激活Label_studio工具。（2）激活label_studio环境。（2）激活label_studio工具。（1）安装label_studio。（1）安装label_studio。3. Label_studio使用。Label_studio安装配置。

​error: dependent '..\..\..\..\..\..\QT6\6.8.0\msvc2019_64\include\QtWidgets\QWidget' does not exist.​

当我们将物体边界上的所有点连接起来时，就得到了一条轮廓线。通常，一个特定的轮廓是指具有相同颜色和强度的边界像素。OpenCV 可以非常方便地在图像中查找和绘制轮廓线。我们将在下面的示例中详细介绍这些算法。下图展示了这些算法如何检测简单物体的轮廓。

最近在医美和工业两条线来回穿梭，甚是疲倦，一会儿搞搞医美的人像美容，一会儿搞搞工业的检测，最近新接的一个项目，关于瑕疵检测的，目标图像也并不是很大吧，需要放大后，才能看见细小的瑕疵目标。有两种，一种是912*5000的图，一种是1024*2048的图，但是深度学习训练的时候，对图像的大小有一定的限制，比方说我的电脑配置可能就只能最大跑1024*1024大小的图像，否则就出现内存溢出，无法进行训练，对于这种912*5000的图就比较不好训练，如果把它强制转化成912*912大小的话，细小的目标可能会丢失。

首先，可以使用C++标准库中的字符串处理函数来获取路径中的文件名。）从该位置提取路径分隔符后的部分作为文件名。等）找到路径中最后一个路径分隔符的位置。方法1：使用C++标准库。使用字符串分割函数（例如。使用字符串提取函数（例如。输出结果是ss.jpg。

皮肤美白

计算三个通道的直方图并绘制出来

利用曲线调整，实时查看图像各个通道曲线调整后的输出效果

对图像亮度和对比度调整的算法实现

在C++中，可以通过创建类的对象来调用类中的函数。

opencv自带的Haar级联分类器模型，可用于人脸检测，车牌检测，身体检测，微笑检测

BGR转YUV(YUV420SP_NV21)代码实现。

P: 8位 映射为其它模式。YCbCr:亮色分离，三通道。RGBA：4通道，加透明。1：位图，像素深度为1。L：是灰度图，像素8位。F：像素float32。RGB：真彩色，三通道。

此外还有一些弃用的函数，是2.x版完全不在使用了，这个时候，就需要去官网库里去搜，搜到相关处理函数，进行替换即可。对于1.x的版本过于老旧了，很多新的库已经不兼容，甚至是想用gpu训练的时候会有一些限制，在脚本的最上方添加上这两句，基本就解决了大多数的弃用问题。那么如何迁移呢，大多数的函数都是可以通过下面两句话解决。还有一些其它问题需要置换的，去官网查找置换即可。

在官网上找到这个表格，因为自己的电脑一直配置的11.2的cuda，所以也不想换，最好就是安装一般能适应该版本的tensorflow，我配置了python3.8的环境，然后进行。此外，如何知道有没有正确训练的时候使用了GPU，更直观的就是训练打印的过程的速度啦。回车就会自动从清华镜像上进行下载安装了 ，这里的清华镜像要自己配置，或者在安装命令后面加上镜像网址也是可以的，具体操作，我就不赘述了，可以百度看看。还有其它命令行打印的方法，这里不在赘述，我本人比较喜欢这种方式，直观一些。

如果需要切换成CPU运算，可以调用tf.device(device_name)函数，其中device_name格式如/cpu:0其中的0表示设备号，TF不区分CPU的设备号，设置为0即可。在TensorFlow中，如果你安装的TensorFlow版本是GPU版本的，并且你的电脑配置符合gpu运行的条件，那么系统就默认使用gpu进行训练，不用单独去指明用GPU。run() 函数的运作计制是：先加载flags的参数项，然后执行main() 函数，其中参数使用tf.app.flags.FLAGS定义。

在深度学习时候，我们从网上爬取了一些图像，但是这些图像存在灰度图和彩色图，那么在进行数据处理的时候呢，就会出现，不一致问题，灰色的图按照彩色的图就去处理就会有问题，所以我们需要在处理前，对灰色图进行过滤，讲灰色图过滤掉，或者分彩色和灰度不同方式去处理。下面代码是我的简单处理办法。