Evaluación de la función de reconocimiento de capturas de pantalla de ChatGPT: abriendo una nueva era de texto e información en imágenes

Productor: Chuan Chuan.
Gracias por su arduo trabajo. Si le resulta útil, apoye el libro: https://item.jd.com/14049708.html

Identificar platos basándose en capturas de pantalla.

¿Preguntar sobre Mapo Tofu? La respuesta es la siguiente:

¿Qué tal las manitas de cerdo estofadas? La respuesta es la siguiente:

Permítanme preguntar nuevamente sobre las berenjenas estofadas, la respuesta es la siguiente:

Identificar fórmulas matemáticas basadas en capturas de pantalla.

Aquí elijo una prueba de opción múltiple del examen de ingreso de posgrado:

Luego elijo otra pregunta de opción múltiple:

Dado que la identificación es completamente correcta, la respuesta dada es la que quiero, ¡y puedes ver que la respuesta es completamente correcta!

Genere código de interfaz de usuario basado en capturas de pantalla

Pregunta:

Genera código para mí:

el efecto de ejecución es el siguiente, que básicamente se ha logrado:

Deja que me ayude a reproducir una interfaz de usuario:

Según el código, obtengo los siguientes resultados de UI:

Reproducción de imágenes visuales

Caso numero uno

Por ejemplo, en esta imagen:

el código de retorno es el siguiente:

import numpy as np
import matplotlib.pyplot as plt

# 生成模拟数据
np.random.seed(0)

num_samples_per_group = 150

# 为G1生成数据
g1_dc1 = np.concatenate([np.random.normal(-0.05, 0.01, 90), np.random.normal(0.015, 0.01, 60)])
g1_dc2 = np.concatenate([np.random.normal(0.03, 0.02, 90), np.random.normal(0.08, 0.02, 60)])

# 为G2生成数据
g2_dc1 = np.random.normal(-0.04, 0.01, num_samples_per_group)
g2_dc2 = np.random.normal(0.005, 0.01, num_samples_per_group)

# 为G3生成数据
g3_dc1 = np.concatenate([np.random.normal(0.015, 0.01, 60), np.random.normal(0.045, 0.005, 90)])
g3_dc2 = np.concatenate([np.random.normal(-0.07, 0.01, 60), np.random.normal(-0.02, 0.005, 90)])

# 绘制图像
plt.scatter(g1_dc1, g1_dc2, color='blue', label='G1')
plt.scatter(g2_dc1, g2_dc2, color='green', label='G2')
plt.scatter(g3_dc1, g3_dc2, color='red', label='G3')

# 设置标题和轴标签
plt.title('Diffusion Map')
plt.xlabel('DC1')
plt.ylabel('DC2')
plt.legend()

# 显示图像
plt.show()

Los resultados son los siguientes, puede ver la implementación básica, que es solo un ajuste de los datos:

Caso 2

Reproduce esta imagen:

El código de retorno es el siguiente:

import matplotlib.pyplot as plt
import pandas as pd

# 创建数据
data = {
    
    
    'sample': ['M1', 'M2', 'M3', 'M8', 'M9', 'M10'],
    'group': ['G1', 'G1', 'G1', 'G2', 'G2', 'G2'],
    'PC1': [0.5, -0.4, 0.2, -0.5, 0, 0.5],
    'PC2': [0.5, -0.4, 0.2, 0.3, 0, -0.2]
}
df = pd.DataFrame(data)

color_map = {
    
    'G1': 'blue', 'G2': 'red'}

# 绘制散点图
for group, color in color_map.items():
    mask = df['group'] == group
    plt.scatter(df[mask]['PC1'], df[mask]['PC2'], color=color, s=100, label=group)

plt.title('PCA Plot1')
plt.xlabel('PC1')
plt.ylabel('PC2')
plt.grid(True)
plt.axhline(0, color='black',linewidth=0.5)
plt.axvline(0, color='black',linewidth=0.5)
plt.legend()
plt.show()

Ejecute lo siguiente y podrá ver la reproducción básica, que está completamente bien:

Más instrucciones de uso

1. Reconocimiento de texto: extrae información de texto de capturas de pantalla, lo cual es útil cuando se trabaja con texto en imágenes, especialmente cuando el documento original no está disponible.
2. Reconocimiento de objetos: identifique objetos específicos en capturas de pantalla, como rostros, animales, plantas, productos u otros elementos.
3. Extracción de datos: extraiga datos del cuadro o gráfico en la captura de pantalla.
4. Traducir: extrae el texto de la captura de pantalla y tradúcelo a otros idiomas.
5. Ayudar a personas con discapacidad visual: ayude a las personas con discapacidad visual a comprender el contenido de la imagen mediante el reconocimiento de capturas de pantalla.
6. Búsqueda de imágenes: mediante el reconocimiento de capturas de pantalla, puede realizar una búsqueda de imágenes para encontrar imágenes similares o relacionadas.
7. Edición y mejora de imágenes: identifique elementos en capturas de pantalla para editar y mejorar imágenes.
8. Educación y aprendizaje: el reconocimiento de capturas de pantalla puede ayudar a los usuarios a aprender y comprender la información de las imágenes, por ejemplo, identificar fórmulas matemáticas o diagramas científicos.
9. Resolución de problemas: por ejemplo, en el campo del soporte técnico, los usuarios pueden compartir sus problemas a través de capturas de pantalla y el personal de soporte puede ayudar identificando las capturas de pantalla.
   10. Comparación y análisis: compare el contenido en diferentes capturas de pantalla y realice análisis de imágenes o comparación de contenido.