【ES】平时经验总结
文章平均质量分 63
平时经验的总结,希望对您有帮助哈!感恩遇见!
优惠券已抵扣
余额抵扣
还需支付
¥29.90
¥99.00
购买须知?
本专栏为图文内容,最终完结不会低于15篇文章。
订阅专栏,享有专栏所有文章阅读权限。
本专栏为虚拟商品,基于网络商品和虚拟商品的性质和特征,专栏一经购买无正当理由不予退款,不支持升级,敬请谅解。
Jackilina_Stone
这个作者很懒,什么都没留下…
展开
-
【论文工具】免费的论文阅读翻译神器,辅助论文阅读速度嗷嗷快
【论文工具】免费的论文阅读翻译神器,辅助论文阅读速度嗷嗷快,你值得拥有。原创 2024-05-30 17:56:20 · 21 阅读 · 0 评论 -
【GDB】GDB解CORE文件
【GDB】GDB解CORE文件原创 2024-04-07 18:29:16 · 139 阅读 · 0 评论 -
【Linux】Ubuntu命令
这几天开始,就使用Ubuntu系统了。之前,一直用Windows。偶尔总结些用到的命令吧!1ubuntu打开命令行: ctrl + alt + T 2ubuntu版本: cat /etc/issue3python版本:python -V4获取屏幕的某个区域截图并保存到 Pictures 目录:Shift + PrtSc5 换行:ctrl + c6 复制:ctrl + shift + c7 粘贴:ctrl + shift + v未完待续..................原创 2022-04-19 06:26:30 · 3217 阅读 · 1 评论 -
【Python】pth模型转onnx模型的实践
本文简单介绍YOLOX-nano.pth模型转换为YOLOX-nano.onnx模型。原创 2024-02-21 11:04:07 · 457 阅读 · 0 评论 -
【DL:智能写作】训练RNN并自动生成恐龙的名字
【DL:智能写作】训练RNN并自动生成恐龙的名字原创 2019-11-06 16:59:36 · 920 阅读 · 1 评论 -
【autoCAD2010】新建块、块属性、裁剪工具、移动命令的使用
【autoCAD2010】新建块、裁剪工具、移动命令的使用b 输入名称。c 点击继续。d 设计块,本例中画个圆,见下图。e 点击关闭。f 点击保存。原创 2019-11-06 17:11:47 · 229 阅读 · 0 评论 -
【DL理论知识】关于RNN,这些是你应该知道的...
【DL理论知识】关于RNN,这些是你应该知道的...原创 2019-11-06 17:33:04 · 677 阅读 · 1 评论 -
【手把手实现】Yolov8使用自己准备的数据集训练模型实现火焰检测
【手把手实现】Yolov8使用自己准备的数据集训练模型实现火焰检测原创 2019-11-06 17:21:37 · 638 阅读 · 1 评论 -
autoCAD2010 安装
1 将AutoCAD的压缩包解压2 双击setup.exe3 选择安装产品4 点击下一步5 选择“我接受”,点击下一步6 填写信息,点击下一步7 点击安装8 正在安装9 点击完成10 打开autocad2010, 根据需要选择,然后点击下一页11 点击下一页12 点击启动...原创 2019-10-31 15:51:50 · 773 阅读 · 0 评论 -
【C++】UDP通信:客户端向服务端发送消息并接收服务端回应的消息
(1)UDP通信是无连接的,因此不需要connect操作。(2)UDP通信过程需要指定数据接收端的IP和端口。(3)UDP不对收到的数据进行排序。(4)UDP对接收到的数据报不回复确认信息。(5)如果发生了数据丢失,不会丢一半,会全部丢失。原创 2023-08-28 17:03:37 · 1083 阅读 · 0 评论 -
【C++】UDP通信,实现文件的传输
UDP通信是无连接的,因此不需要建立连接 ,不需要进行 connect操作。UDP通信过程需要指定数据接收端的IP和端口。UDP不对收到的数据进行排序,在UDP报文的首部中并没有关于数据顺序的信息。UDP对接收到的数据报不回复确认信息,发送端是不知道数据是否被正确接收的。如果发生了数据丢失,不存在丢一半的情况,会全部丢失。原创 2023-08-22 18:13:15 · 743 阅读 · 0 评论 -
【PYTHON】WebSocket服务端与客户端通信实现
WebSocket 协议是 HTML5 标准中的一部分,并在当前主流的浏览器和Web服务器中得到广泛支持。Websocket是一种基于TCP协议的网络通信技术,它提供了一个持久的、全双工的通信通道,可以在客户端和服务器之间,只需要完成一次握手,就可以创建持久性的连接并进行实时的双向通信。WebSocket允许服务器主动向客户端推送数据,而不需要客户端发送请求。WebSocket通信更加轻便、高效,比传统的HTTP通信更省流量和更快速,因此在Web应用领域越来越受欢迎。原创 2023-08-09 14:24:24 · 1331 阅读 · 4 评论 -
【C++】指定的几个文件压缩成zip
将testfile文件夹下的1.doc、2.doc和1.txt压缩为Newtest.zip文件。-x 后面接着文件是要排除的文件。(2)解决方式:apt-get install zip。(1)报错zip: command not found。使用命令行的方式,将指定的几个文件压缩成zip文件。原创 2023-04-06 09:14:48 · 866 阅读 · 0 评论 -
【GRPC】【Python】GRPC使用案例:多张图片的传输
案例说明:使用Python客户端,Python服务端Python客户端将多张图片以bytes方式传到服务端,服务端将bytes数据转换成numpy数组后,保存图像到本地。执行成功后,服务端返回成功提示。客户端显示提示结果。原创 2023-03-27 14:36:17 · 717 阅读 · 2 评论 -
【GRPC】【Python】GRPC使用案例:文件的传输
序列化\反序列化分类有两种:二进制序列和文本序列。序列化(Serialization):将对象的状态信息转换为可以存储或传输的形式的过程,目的是使内存中的状态信息持久化便于以后恢复、方便在网络传输以实现跨平台数据交互。反序列化(Deserialization):将序列重新恢复成对象的过程,是序列化的逆过程。pickle专用于表示Python语言大量数据类型,是序列化 Python 对象时的首选。原创 2023-03-28 17:02:44 · 562 阅读 · 0 评论 -
【python】连接远程服务器并传输文件,执行命令,传回文件
使用Paramiko完成连接远程服务器并传输文件,执行命令,传回文件的功能。1 安装pip install paramiko2 config.json{ "file_path" : "/home/test/test", "host" : "192.168.101.20", "port" : "22", "username" : "root", "password" : "123456", "remote_path" : "/data/test"}原创 2022-10-31 18:52:39 · 1629 阅读 · 1 评论 -
【工具】远程工具secureCRT、PDF转word、图片转文字等工具
【工具】远程工具secureCRT、PDF转word、图片转文字等工具原创 2021-11-12 21:47:55 · 391 阅读 · 0 评论 -
【数字图像处理】透视变换
【数字图像处理】透视变换原创 2021-11-10 11:44:18 · 1128 阅读 · 0 评论 -
【docker】基于docker安装caffe ssd(源码安装)
代码地址:https://github.com/weiliu89/caffe/tree/ssd首先,自行安装docker。然后,按照以下步骤即可。说明:使用anaconda3环境中的Python。无GPU、CUDA 或者 GPU SUPPORT。cpu版!cpu版!cpu版!1 拉基础镜像docker pull ubuntu:18.042 启动容器docker run -it --name caffe_1 -v /home/ts/docker_test:/root/tmp ubuntu:1.原创 2022-07-13 18:29:15 · 500 阅读 · 0 评论 -
【模型】模型下载以及pth模型转onnx模型的实践
【模型】模型下载以及pth模型转onnx模型的实践原创 2022-06-07 22:25:14 · 1218 阅读 · 0 评论 -
【C++版opencv】【Ubuntu】卸载Opencv
源码安装的opencv卸载方式:1 cd 到安装opencv的build目录,进入build目录执行卸载操作。sudo make uninstallcd ..rm -r build2sudo rm -rf /usr/local/share/opencv*sudo rm -rf /usr/local/include/opencv*sudo rm -rf /usr/local/lib/libopencv_*sudo rm -rf /usr/local/lib/cmake/op.....原创 2022-05-23 18:26:15 · 1555 阅读 · 2 评论 -
【Ubuntu】安装numcpp
1 从Github克隆NumCppcd <NUMCPP_REPO_PATH>git clonehttps://github.com/dpilger26/NumCpp.git2 buildcd NumCppmkdir buildcd buildcmake ..3 sudo cmake --build . --target install4 numcpp 依赖 boosthttps://boostorg.jfrog.io/artifactory/main/re.原创 2022-05-24 18:33:18 · 426 阅读 · 0 评论 -
【Ubuntu】Ubuntu编译安装jsoncpp
Ubuntu编译安装jsoncpp1 安装sconsScons是一个开放源码、以Python语言编码的自动化构建工具。scons类似cmake。可用来替代make编写复杂的makefile。scons是跨平台的。scons官网SCons: https://scons.org/(1)wget http://prdownloads.sourceforge.net/scons/scons-2.2.0.tar.gz(2)解压tar zxvf scons-2.2.0.tar.gz(3)安装cd s.原创 2022-05-26 19:55:45 · 795 阅读 · 0 评论 -
【3D目标检测】点云数据 To 360度全景图
上一篇文章实现【3D目标检测】激光雷达点云数据To二维图像:前视图。它依赖matplotlib来创建图像。下述方案:创建了一个纯粹的numpy解决方案,它应该使它更快,并且更有用,可以作为预处理步骤使用。代码如下:结果图如下:000020.png实景图如下:程序的输入为KITTI数据集的000020.bin文件运行结果如下:参考链接:http://ronny.rest/blog/post_2017_04_03_point_cloud_panorama/...原创 2022-03-02 14:31:27 · 1771 阅读 · 0 评论 -
【paddleocr】增值税专用发票ocr的实践
【paddleocr】增值税专用发票ocr的实践原创 2022-03-17 12:39:45 · 3076 阅读 · 5 评论 -
【3D目标检测】3D点云标注工具的使用
1 简介point_cloud_annotation_tool是一个开源的点云标注工具。linux版本地址:https://github.com/springzfx/point-cloud-annotation-toolpoint_cloud_annotation_tool是可在点云中标记3D框的工具。支持Kitti-bin格式的点云。注释格式与Applo 3D格式相同。工具界面如下图:该工具可在windows和linux平台下使用。标注对象的类型有dontCare,cyclist原创 2022-03-14 11:36:38 · 3447 阅读 · 0 评论 -
【目标跟踪】ByteTrack论文简单解读
ByteTrack实时多目标跟踪论文地址:https://arxiv.org/abs/2110.06864代码地址:https://github.com/ifzhang/ByteTrack1论文解读2多目标跟踪评价指标原创 2022-03-09 10:18:11 · 2665 阅读 · 0 评论 -
【3D目标检测】激光雷达点云数据To二维图像:前视图
1 分析2 实景图KITTI数据集中的000020.png如下:3 完整代码4 结果图原创 2022-03-02 12:38:32 · 1529 阅读 · 0 评论 -
【3D目标检测】点云数据转为鸟瞰图
1 点云数据获取方式直接由Lidar激光扫描出点云数据。不同角度的2D图像组合成点云由深度图(Depth Map)生成点云,即将图像坐标+深度信息从图像坐标系转换为世界坐标系。2 点云数据特性无序性、稀疏性、信息有限(提供片面的几何信息)。3 点云数据点云数据应该表示为N行和至少3列的numpy数组。如下图:每一行对应于一个点,它在空间(x,y,z)中的位置使用至少3个值表示。激光雷达采集到的点云数据,表示为N*4的numpy数组。N为激光线束反射点个数,4代表着:(x,y,z,r原创 2022-02-28 15:03:37 · 2178 阅读 · 0 评论 -
【3D目标检测】点云数据.bin转pcd
1 安装pclpypip install pclpy -i https://pypi.tuna.tsinghua.edu.cn/simple注意:pclpy不支持python3.82 代码from pclpy import pclimport numpy as np# 读取点云points = np.fromfile("000013.bin", dtype="float32").reshape((-1, 4))# 载入到 pcd 中pcd = pcl.PointCloud.Poin原创 2022-02-23 17:13:12 · 821 阅读 · 0 评论 -
【3D目标检测】KITTI数据集可视化
1 000013.png如下图:2 代码:import numpy as npimport mayavi.mlabdef PointCloudDataVisualization(PointCloudData_path): pointcloud = np.fromfile(str(PointCloudData_path), dtype=np.float32, count=-1).reshape([-1, 4]) print(pointcloud) print(po...原创 2022-02-22 12:21:36 · 1625 阅读 · 0 评论 -
【OPENCV】基于python opencv将实景图转成鸟瞰图
建立图像坐标系与世界坐标系的对应关系,通过对图像模型进行逆透视变换,实现图像坐标系向世界坐标系的转换。一 透视变换一般来说,通用的图像变换公式如下所示:上述公式中,u,v代表原始图像坐标,x,y为经过透视变换的图片坐标,其中变换矩阵为3X3形式。进而可以得到:二 代码import cv2import numpy as np# 获取透视变换的参数矩阵def cal_perspective_params(img, points): ...原创 2021-11-04 13:17:24 · 5194 阅读 · 3 评论 -
【python】目标检测结果可视化
1 代码import numpy as npfrom PIL import Image, ImageFont, ImageDrawimport colorsysimport matplotlib.pyplot as pltdef DisplayDetectResult(img_path, out_classes, out_box, out_confidence): # Generate colors for drawing bounding boxes. hsv_tupl...原创 2022-01-30 10:50:39 · 2437 阅读 · 0 评论 -
【数字图像处理】边缘提取
【数字图像处理】边缘提取原创 2022-01-25 14:50:21 · 1606 阅读 · 0 评论 -
【深度学习】结构化和非结构化数据、预测和推理
原创 2022-01-24 11:28:02 · 1024 阅读 · 0 评论 -
paddleocr:使用自己的数据集训练文字检测模型
PaddleOCR地址:https://github.com/PaddlePaddle/PaddleOCR文字检测:https://github.com/PaddlePaddle/PaddleOCR/blob/release/2.4/doc/doc_ch/detection.md一 数据准备OCR数据标注工具:PPOCRLabelcd 进入到PaddleOCR\PPOCRLabel,输入命令:python PPOCRLabel.py --lang chch为中文。en为英文。输入上述命令p原创 2022-01-13 13:24:58 · 2998 阅读 · 0 评论 -
paddleocr:使用自己的数据集微调文字识别模型
PaddleOCR地址:https://github.com/PaddlePaddle/PaddleOCR注意:1 OCR半自动数据标注工具:PPOCRLabel使用python3和pyqt5编写,支持矩形框标注和四点标注模式,导出格式可直接用于PPOCR检测和识别模型的训练。用于构建训练、验证、测试的数据集。PPOCRLabel说明和数据集划分方法见如下地址:https://gitee.com/paddlepaddle/PaddleOCR/blob/release/2.4/PPOCRLabel原创 2022-01-12 13:57:14 · 2999 阅读 · 2 评论 -
采用傅里叶级数拟合周期函数(python)
目录1 周期信号2 周期信号的傅里叶级数3 傅里叶级数拟合周期函数4 代码5 结果6 结论7 补充1 周期信号周期信号可分解为直流、基波()和各次谐波(:基波角频率的整数倍)的线性组合。2 周期信号的傅里叶级数周期信号的傅里叶级数有两种形式3 傅里叶级数拟合周期函数傅里叶级数的数学表达式简化为4 代码使用S...原创 2019-12-05 11:35:53 · 6398 阅读 · 1 评论 -
基于混合高斯模型的运动目标检测算法
运动目标检测是计算机视觉领域中的一个重要内容,其检测效果将会对目标跟踪与识别造成一定的影响。1混合高斯背景模型 在混合高斯模型中,对图像中每一个像素点建立K个高斯模型,对于t时刻像素点X的概率密度函数如下所示。2背景的选取 首先,按权值和标准差的比值将每个像素点的K个高斯分布由大到小进行排序,则描述背景可能性越大的分布越靠前,描述背景可能性...原创 2018-07-21 14:37:40 · 10898 阅读 · 1 评论 -
【MATLAB】图像降噪
1 图像噪声分类 一般图像去噪中常见的噪声有以下几种:加性噪声、乘性噪声 、量化噪声 、“椒盐”噪声 、高斯噪声 及冲击噪声。 根据噪声产生的来源,大致可以分为外部噪声和内部噪声两大类。2图像降噪算法 (1)邻域平均法 邻域平均法是一种利用Box模板对图像进行模板操作(卷积操作)的图像平滑方法,所谓Box模板是指模板中所有系数都取相同值...原创 2018-07-21 15:24:29 · 6275 阅读 · 0 评论