<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Alocus的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/Crystal_remember</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; Crystal_remember]]></copyright><item><title><![CDATA[EI 会议的 Accession number 如何查询]]></title><link>https://blog.youkuaiyun.com/Crystal_remember/article/details/159470171</link><guid>https://blog.youkuaiyun.com/Crystal_remember/article/details/159470171</guid><author>Crystal_remember</author><pubDate>Wed, 25 Mar 2026 16:15:20 +0800</pubDate><description><![CDATA[如下 20253018868468。]]></description><category></category></item><item><title><![CDATA[用Openclaw小龙虾自动发布小红书！！！Ubuntu]]></title><link>https://blog.youkuaiyun.com/Crystal_remember/article/details/158965344</link><guid>https://blog.youkuaiyun.com/Crystal_remember/article/details/158965344</guid><author>Crystal_remember</author><pubDate>Thu, 12 Mar 2026 13:52:28 +0800</pubDate><description><![CDATA[本文介绍了如何使用OpenClaw发布小红书笔记。首先需要安装ClawHub命令行工具并登录，然后安装xiaohongshu-mcp技能。详细说明了启动服务的步骤，包括下载解压文件、处理端口占用问题。重点讲解了两种登录方式，推荐使用Cookie登录方法：通过浏览器开发者工具获取Cookie后输入对话窗口。最后演示了如何通过对话形式发布小红书笔记，并提示可以继续探索OpenClaw的其他功能。全文提供了完整的操作流程和问题解决方法。]]></description><category></category></item><item><title><![CDATA[小龙虾Openclaw安装与解决cmake等报错 (ubuntu20.04)]]></title><link>https://blog.youkuaiyun.com/Crystal_remember/article/details/158925891</link><guid>https://blog.youkuaiyun.com/Crystal_remember/article/details/158925891</guid><author>Crystal_remember</author><pubDate>Wed, 11 Mar 2026 15:42:40 +0800</pubDate><description><![CDATA[本文详细记录了在Ubuntu 20.04系统上安装和配置OpenClaw AI工具的过程。安装时遇到CMake版本过低的问题，通过添加Kitware软件源升级到4.2.3版本解决。配置环节选择了MiniMax M2.5作为API提供商，并详细说明了获取API密钥的步骤。安装完成后需配置环境变量PATH=&quot;$HOME/.npm-global/bin:$PATH&quot;才能正常使用openclaw命令。文章还包含了安全警告提示，指出OpenClaw作为测试版工具可能存在安全隐患，建议采取隔离运行、]]></description><category></category></item><item><title><![CDATA[if “const“ in schema: TypeError: argument of type ‘bool‘ is not iterable 依赖冲突无法降级 gradio-client ]]></title><link>https://blog.youkuaiyun.com/Crystal_remember/article/details/152728556</link><guid>https://blog.youkuaiyun.com/Crystal_remember/article/details/152728556</guid><author>Crystal_remember</author><pubDate>Wed, 08 Oct 2025 17:27:26 +0800</pubDate><description><![CDATA[Gradio/在解析 JSON schema 时抛出的（根源通常是 gradio 和 gradio_client 版本不匹配，或者某处返回了布尔而非 dict 的 schema）]]></description><category></category></item><item><title><![CDATA[查询SCI检索号（WOS号）？如何使用web of science？]]></title><link>https://blog.youkuaiyun.com/Crystal_remember/article/details/140793603</link><guid>https://blog.youkuaiyun.com/Crystal_remember/article/details/140793603</guid><author>Crystal_remember</author><pubDate>Tue, 30 Jul 2024 12:42:49 +0800</pubDate><description><![CDATA[sci检索号 wos号，web of science使用。]]></description><category></category></item><item><title><![CDATA[性价比深度学习3090RTX显卡 24G显存 主机配置]]></title><link>https://blog.youkuaiyun.com/Crystal_remember/article/details/137105483</link><guid>https://blog.youkuaiyun.com/Crystal_remember/article/details/137105483</guid><author>Crystal_remember</author><pubDate>Thu, 28 Mar 2024 11:15:10 +0800</pubDate><description><![CDATA[风扇：利民c12cw                                                               20*4。电源：振华1600w(买大了)                                                 1900。内存：金百达DDR5  16g*2 （可以买大点）                      280*2。]]></description><category></category></item><item><title><![CDATA[（草料二维码）xlsx自动统计票数代码并用pyinstaller快速打包]]></title><link>https://blog.youkuaiyun.com/Crystal_remember/article/details/133865992</link><guid>https://blog.youkuaiyun.com/Crystal_remember/article/details/133865992</guid><author>Crystal_remember</author><pubDate>Mon, 16 Oct 2023 20:16:12 +0800</pubDate><description><![CDATA[但是，对统计后的数据缺乏自动统计功能。导出xlsx或csv文件后，手工统计票数太慢。因此，利用pandas等包对文件自动统计并显示，能降低工作量。为了方便使用，将其打包为exe文件。编译成功后，exe文件在如下文件夹中。使用时需要把dist内的文件带着一起，不能删掉。使用时需要把xlsx文件放到exe文件同一目录，否则需要把路径也写上，不然会闪退。我们的草料二维码导出的xlsx文件如下图所示，目标是统计出列名为。③安装pyinstaller以及所必要的库，注意使用pipenv。下的内容中每个人的票数。]]></description><category></category></item><item><title><![CDATA[Video Caption / 视频字幕：数据集总结，附下载地址。]]></title><link>https://blog.youkuaiyun.com/Crystal_remember/article/details/133589025</link><guid>https://blog.youkuaiyun.com/Crystal_remember/article/details/133589025</guid><author>Crystal_remember</author><pubDate>Fri, 06 Oct 2023 11:13:30 +0800</pubDate><description><![CDATA[总结Video Caption / 视频字幕的常用数据集，要有MSR-VTT、MSVD、VATEX]]></description><category></category></item><item><title><![CDATA[Video Caption / 视频字幕：常用指标（BELU-4，ROUGE-L，METEOR，CIDEr，SPICE）和数据集总结]]></title><link>https://blog.youkuaiyun.com/Crystal_remember/article/details/133126871</link><guid>https://blog.youkuaiyun.com/Crystal_remember/article/details/133126871</guid><author>Crystal_remember</author><pubDate>Thu, 21 Sep 2023 23:43:37 +0800</pubDate><description><![CDATA[Video Caption / 视频字幕：常用指标（BELU-4，ROUGE-L，METEOR，CIDEr，SPICE）和数据集总结]]></description><category></category></item><item><title><![CDATA[自动化办公处理word：提取文档指定标题并另存为txt]]></title><link>https://blog.youkuaiyun.com/Crystal_remember/article/details/129144688</link><guid>https://blog.youkuaiyun.com/Crystal_remember/article/details/129144688</guid><author>Crystal_remember</author><pubDate>Tue, 21 Feb 2023 16:37:35 +0800</pubDate><description><![CDATA[由于同学之前手动将上千个文档放到一个文档里，这步工作也可以通过遍历如os库，将各个文档分别处理，实现全部自动化。最后：再帮剁手！本文除了为相关工作人员提供代码思路，减少工作量外，还希望各行各业的工作人员和爱好者业余学习一下代码，武装自己，减少苦力劳动，提高效率。]]></description><category></category></item><item><title><![CDATA[使用python批量裁剪图片为目标大小]]></title><link>https://blog.youkuaiyun.com/Crystal_remember/article/details/128988235</link><guid>https://blog.youkuaiyun.com/Crystal_remember/article/details/128988235</guid><author>Crystal_remember</author><pubDate>Sat, 11 Feb 2023 20:20:21 +0800</pubDate><description><![CDATA[代码中有部分需要修改和优化的地方，请自行优化。如图片的命名，裁剪后拼接的话也需要标记出原始图片的大小才可以进行还原，不赘述。如果有错误，请私信！！]]></description><category></category></item><item><title><![CDATA[模拟真实世界的退化代码（python）：RealESRGAN二阶降质代码独立剥离出来使用]]></title><link>https://blog.youkuaiyun.com/Crystal_remember/article/details/128758881</link><guid>https://blog.youkuaiyun.com/Crystal_remember/article/details/128758881</guid><author>Crystal_remember</author><pubDate>Tue, 24 Jan 2023 23:46:13 +0800</pubDate><description><![CDATA[在这方面的工作中，RealESRGAN做出了出色的工作。当我们想要借鉴其数据退化思路进行数据集处理与制作时，可以尝试使用其数据处理代码，但是其代码高度耦合，不利于我们使用，于是我将其降质代码剥离出来，可以方便地模拟图像的退化，相对于其他退化方法，这种退化模拟效果较好。降质流程的数学表达可简化为如下公式1，其中y表示待降质图像，表示x降质结果，表示D降质算子。通过常见的操作子对图像进行模拟降质，并结合sinc滤波模拟拍摄等因素产生的振铃和伪影等，通过随机扩散操作子模拟纸质老化，最终生成降质结果。]]></description><category></category></item><item><title><![CDATA[hazerd论文中mat格式深度图转提取并转npy文件]]></title><link>https://blog.youkuaiyun.com/Crystal_remember/article/details/128744558</link><guid>https://blog.youkuaiyun.com/Crystal_remember/article/details/128744558</guid><author>Crystal_remember</author><pubDate>Fri, 20 Jan 2023 23:36:55 +0800</pubDate><description><![CDATA[【代码】hazerd论文中mat格式深度图转提取并转npy文件。]]></description><category></category></item><item><title><![CDATA[labelme2voc制作voc数据集改变颜色，如黑白单类别分割]]></title><link>https://blog.youkuaiyun.com/Crystal_remember/article/details/128739440</link><guid>https://blog.youkuaiyun.com/Crystal_remember/article/details/128739440</guid><author>Crystal_remember</author><pubDate>Fri, 20 Jan 2023 02:18:42 +0800</pubDate><description><![CDATA[labelme2voc.py生成voc数据集指定填充的颜色，默认情况下生成二值图是黑红色，如何改成黑白色呢？]]></description><category></category></item><item><title><![CDATA[labelme使用labelme2voc.py忽略部分标签生成VOC/coco类型数据集（Ignore a label in json file）]]></title><link>https://blog.youkuaiyun.com/Crystal_remember/article/details/128721101</link><guid>https://blog.youkuaiyun.com/Crystal_remember/article/details/128721101</guid><author>Crystal_remember</author><pubDate>Tue, 17 Jan 2023 22:28:49 +0800</pubDate><description><![CDATA[使用labelme标注生成json文件，利用该文件生成用于分割等任务的voc或者coco类型数据集时，可以使用label2voc.py。当我们忽略部分标签生成数据集时，即Ignore labels in labelme2voc.py，并没有可用的方法，修改json也麻烦，因此本文提出一种暴力但好用的方法。]]></description><category></category></item><item><title><![CDATA[CCF推荐的A类、B类、C类中文科技期刊2022]]></title><link>https://blog.youkuaiyun.com/Crystal_remember/article/details/127176627</link><guid>https://blog.youkuaiyun.com/Crystal_remember/article/details/127176627</guid><author>Crystal_remember</author><pubDate>Wed, 05 Oct 2022 20:48:04 +0800</pubDate><description><![CDATA[CCF发布计算领域高质量科技期刊分级目录
]]></description><category></category></item><item><title><![CDATA[超分辨率重建生成低分辨率图像，生成降质图像公认方法代码]]></title><link>https://blog.youkuaiyun.com/Crystal_remember/article/details/124935720</link><guid>https://blog.youkuaiyun.com/Crystal_remember/article/details/124935720</guid><author>Crystal_remember</author><pubDate>Mon, 23 May 2022 21:45:56 +0800</pubDate><description><![CDATA[目录

1背景

2.BI

3.BD

4.DN



1背景

超分辨率重建中经典的生成降质图像通常使用MATLAB实现的，通常有四种方法：

类型
			说明
		BI
			bicubic-down
		BD
			blur-down
		BN
			bicubic-down+noise
		DN
			blur-down+noise
		详细参考图像/视频超分之降质过程

其中最常用的是BI，其次是BD，最后是DN。那我将其公认实现和出处总结起来，供大家参考。

2.BI

下面是通过MATLA.]]></description><category></category></item><item><title><![CDATA[图像超分辨率数据集制作问题总结，你需要注意什么？]]></title><link>https://blog.youkuaiyun.com/Crystal_remember/article/details/124855012</link><guid>https://blog.youkuaiyun.com/Crystal_remember/article/details/124855012</guid><author>Crystal_remember</author><pubDate>Thu, 19 May 2022 05:15:15 +0800</pubDate><description><![CDATA[1.背景

图像超分辨率数据集是一个坑，

图像/视频超分之降质过程
]]></description><category></category></item><item><title><![CDATA[超分辨率数据集构建：处理原始图像以下采样]]></title><link>https://blog.youkuaiyun.com/Crystal_remember/article/details/124834011</link><guid>https://blog.youkuaiyun.com/Crystal_remember/article/details/124834011</guid><author>Crystal_remember</author><pubDate>Wed, 18 May 2022 01:27:56 +0800</pubDate><description><![CDATA[一背景

在BSD100、Set14等经典数据集中，其长宽存在无法被2、3、/4整除的情况，导致生成的低分辨率图像重建出来时，和GT长宽不等。故按照默认方法，将其进行裁剪。代码很简单，如下

二代码


# coding=utf-8
from PIL import Image
import random
import os

dirs = r'C:\Users\Administrator\Desktop\SR\Testset\BSD100\BSD100_HR'
result_dir = r'C:\Users]]></description><category></category></item><item><title><![CDATA[超分辨率重建双三次插值Bicubic生成高分辨率图像]]></title><link>https://blog.youkuaiyun.com/Crystal_remember/article/details/124761355</link><guid>https://blog.youkuaiyun.com/Crystal_remember/article/details/124761355</guid><author>Crystal_remember</author><pubDate>Fri, 13 May 2022 22:44:40 +0800</pubDate><description><![CDATA[目录



一背景

二代码

三注意



一背景

在超分任务中，为了做对比实验，需要双三次插值算法生成高分辨率图像。为此写了简单代码实现。

二代码


import os
import argparse
import cv2

# parse args
parser = argparse.ArgumentParser(description='Upsize images using bicubic interpolation')
parser.add_argument("-k", "--keepdi]]></description><category></category></item></channel></rss>