Canny 边缘检测算法-python实现（附代码）
Canny 边缘检测算法由计算机科学家 John F. Canny 于 1986 年提出的。其不仅提供了算法，还带来了一套边缘检测的理论，分阶段的解释如何实现边缘检测。
保姆级教程，树莓派最新64位系统部署yolov5
树莓派上部署yolov5（运行yolov5-lite同样可以）使用树莓派最新版的64位系统硬件是树莓派4B4G版本，python版本是3.91.下载镜像文件树莓派官方镜像文件下载（也可以在官方的烧录软件中下载）2.SD卡格式化使用SD Card Formatter软件，打开后自动就可以找到你的内存卡，任何点击Format即可格式化3.下载Raspberry Pi Imager官网下载选择最新的64位系统进行烧录点击设置，设置开启ssh,和配置网络1.系统换源，更换清华源参考这篇博客
OpenCV函数用法之calibrateCamera
参考链接：opencv中标定函数calibrateCamera_ychl87的专栏-CSDN博客世界坐标系的三维点投影到成像坐标系中的二维点的投影公式如下：其中(X,Y,Z)为世界坐标系中的三维点；（u,v）为成像面坐标系中的二维点；A为相机的内参数矩阵：(cx,cy)为主光轴点，一般为图像的中心；fx和fy为焦距；[R|t]为相机的外参数矩阵：R为旋转矩阵，t为位移矩阵；上述公式的简单推理过程如下考虑到镜头畸变其中，k1,k2,k3,k4,k5和k6为径向畸变，p1和.
基于matlab的图像分割与识别
常见有微分算子、Canny算子和LOG算子，常用微分算子有Sobel算子、Roberts算子、Prewit算子。边缘：指的是图像中像素灰度有阶跃变化或屋顶状变化的那些像素的集合（两个具有相对不同灰度值特性的区域的边界线）4、对不同区域进行描述或寻找出不同区域的相互联系，进而找出相似结构或将相关区域连成一个有意义的结构。假定问题中的区域是非常类似的，两个区域之间的过渡，仅仅根据灰度的不连续性便可确定。通过选择阈值，找到灰度值相似的区域,区域的外轮廓就是对象的边。2、找出分开的各区域的特征；
图像处理之图像复原[逆滤波、维纳滤波、约束最小二乘法、Lucy-Richardson和盲解卷积复原]
非约束复原是指在已知退化图像G(u,v)的情况下，根据对退化模型H(u,v)和噪声N(u,v)的一些知识，做出对原图像的估计F’(u,v),使得某种事先确定的误差准则为最小。在得到误差最小的解的过程中，没有任何约束条件。图像复原的目的是给定G(u,v)和退化函数H(u,v),以及关于加性噪声的相关知识，得到原图像F(u,v)的估计图像F’(u,v),使该图像尽可能地逼近原图像F(u,v)。f(x,y)表示输入图像，即理想的、没有退化的图像，g(x,y) 是退化后观察得到的图像，n(x,y)为加性噪声。
YOLOPose：除了目标检测，YOLO还能不花代价地估计人体姿态，对实时性能有要求必看!
YOLO，是一种流行的目标检测框架。如果将YOLO引入姿态检测任务中，将取得什么结果呢？这篇文章实现了单向传播路径下的2D人体姿态检测，与自上而下或自下而上的方法不同，该方法将人体检测与关键点估计联合实现，在不采用数据增强如翻转、多尺度等情况下，实现COCO keypoint上领先的性能，并且该方法可以集成中其他目标检测算法中实现姿态估计，而几乎不增加运算量，对实时估计人体姿态非常关键。.........
空间变形网络——STN
CNN 的机理使得 CNN 在处理图像时可以做到 transition invariant，却没法做到 scaling invariant 和 rotation invariant。即使是现在火热的 transformer 搭建的图像模型 (swin transformer, vision transformer)，也没办法做到这两点。（注：spatial transformer和这两个transformer原理不一样，虽然都叫transformer）因为他们在处理时都会参考图像中物体的相对大小和位置方向。
数据结构复习 【7.3.1 树表的查找--二叉排序树】
数据结构复习 【7.3.1 树表的查找--二叉排序树】引言一、二叉排序树（二叉搜索树、查找树）1.定义2.性质3.查找操作3.1.相关代码3.1.1 二叉树排序树的存储结构3.1.2 递归查找算法3.2.效率分析4.插入操作5.生成操作6.删除操作6.1 删除叶子结点6.2 删除含有左子树（或右子树）的结点6.3 删除含有左、右子树的结点引言当表的插入和删除操作频繁时，为了维护表的有序性，我们需要移动表中的很多记录——可以改用动态查找表，使用几种特殊的树（二叉排序树、平衡二叉树、红黑树、B+、B-、键
LoRA:大模型的低秩自适应微调模型
对于大型模型来说，重新训练所有模型参数的全微调变得不可行。比如GPT-3 175B，模型包含175B个参数吗，无论是微调训练和模型部署，都是不可能的事。所以Microsoft 提出了低秩自适应(Low-Rank Adaptation, LoRA)，它冻结了预先训练好的模型权重，并将可训练的秩的分解矩阵注入到Transformer体系结构的每一层，从而大大减少了下游任务的可训练参数数量。
搭建数字藏品系统开发详细功能
数字藏品平台可分为两种开发，一种是基于联盟链，另一种是基于公链;上链：区块链技术有联盟链、公链、私链等，每种链侧重点不同，国内大厂的底层区块链技术有腾讯的至信链、阿里的蚂蚁链，百度的超级链，BSN文昌链等，目前文昌链再同行也来说，用的较多一些，费用低；费用：单独从底部开发一个系统，立项，画图，切图，前端，程序，测试等流程下来，时间应该在3个月左右，建议可以寻找第三方直接购买现成系统，省时，稳定；功能方面：藏品抢购，藏品申购，盲盒藏品，空投，转增，合成，二级市场，任务，排行榜记录等多种功能页面；
Pytorch、CUDA、cuDNN的环境搭建与使用
背景知识GPU：即显卡，它的并行计算的能力可以满足深度学习中对算力的要求，目前主流是NVIDIA的GPU。CUDA：NVIDIA构建的GPU的并行计算框架，安装后才能利用GPU进行复杂的并行计算。目前大部分深度学习框架也都是基于CUDA进行GPU并行加速。cuDNN：是针对深度卷积神经网络的加速库。CUDA可以看作一个综合性的运算平台，cuDNN则是想要进行深度神经网络运算的必要工具，由于CUDA一开始并不包含cuDNN，因此需要单独下载cuDNN来使用。简单来说，想要使用Pytorch、Tens.
【2021年】Java安装配置 + Myeclipse安装 亲测可用~
文章目录一、安装包下载二、安装并配置Java环境二、Myeclipse安装与破解一、安装包下载安装成功后环境：win10+Jdk1.8+Myeclipse2017jdk链接：https://pan.baidu.com/s/1MUx9_ddZw6QLgwu4D_biTg提取码：y66wmyeclipse链接：https://pan.baidu.com/s/1JnXv_lqzMp0_iMRiN6ot_g提取码：iv87二、安装并配置Java环境1.双击安装解压后的exe文件，一路下一步即可
EfficientNet V2（ICML 2021）原理与代码解析
基于这些观察结果，作者设计了一个包含额外算子ops如Fused-MBConv的搜索空间，并应用训练感知training-aware的NAS和缩放scaling来联合优化模型精度、训练速度和参数大小。最终搜索到的网络即为EfficientNetV2。此外，本文还提出了一种改进的渐进式训练progressive learning方法：在训练的早期用较小的输入和较弱的正则化，随着训练的进行，逐渐增大输入分辨率和正则化的强度。基于这种训练方法，可以加快训练速度而不会导致准确率下降。
【学习笔记】Python办公自动化 - Task 01 文件自动化处理 & 邮件自动发送
这次学习过程主要尝试以练代抄，在动手写代码解决具体问题的过程中使用并熟练各项基本的操作方法。本笔记主要记录在编代码以解决习题时的思路、遇到的问题和解决方法。题目一：生成随机的测验试卷文件假如你是一位地理老师， 班上有 35 名学生， 你希望进行美国各州首府的一个小测验。不妙的是，班里有几个坏蛋， 你无法确信学生不会作弊。你希望随机调整问题的次序，这样每份试卷都是独一无二的，这让任何人都不能从其他人那里抄袭答案。当然，手工完成这件事又费时又无聊。 好在，你懂一些 Python。import o.
【学习笔记】Python办公自动化 - Task 02 操作Excel
这次学习过程没有什么习题，主要是熟悉使用openpyxl来操作excel表格。使用 openpyxl 操作excel主要包含3个层次的操作对象1.一个excel文件 => workbook2.一页工作表 => sheet3.一个单元格 => cell一、excel文件操作（整个文件）#引入openpyxl相关操作库from openpyxl import load_workbookfrom openpyxl import Workbook#新建excel.
今日推荐
周排行