- 博客(13)
- 收藏
- 关注
RSS订阅原创 Python爬取Bing、Baidu图片脚本
本文介绍了两个基于Python的图片爬虫脚本，分别用于爬取Bing和Baidu的图片资源。两个脚本都包含异常处理、自动保存和去重功能，用户只需修改基础配置参数即可使用。
2025-08-21 19:50:31
1228
原创 Yolov13复现过程
本文介绍了YOLOv13目标检测模型的复现过程，包括环境配置、训练和推理步骤；文中提供了官方源码和网盘下载链接；附有完整的代码示例，为读者提供了从环境搭建到模型应用的全流程指导。
2025-08-16 17:36:08
1576
原创 视频抽帧（Frame Extraction）
本文介绍了一个视频抽帧程序，用于解决样本量不足的问题。程序通过OpenCV从指定视频中按设定间隔抽取帧并保存为图片，可生成大量图像样本用于图像分类等任务。
2025-06-27 16:55:08
380
原创 华为服务器驱动、环境安装及模型转换
可能大多数人在训练模型时使用的服务器都是英伟达显卡的，若要将在英伟达显卡上训练的模型迁移到华为服务器上，该如何操作？根据上述步骤查询的PCIe链路BUS号（3b:00.0仅为示例，请替换为实际查询的PCIe链路BUS号），执行如下命令检查PCIe链路状态。如果以root用户安装Python后，其他用户也需要使用Python，则在安装系统依赖前，请确保root用户的umask值为0022。安装前须知：安装Toolkit软件前请确保安装目录可用空间大于7G，如不满足请清理空间或更换安装目录。
2025-06-24 23:27:20
1435
原创 PaddleOCR快速使用教程
本文介绍了PaddleOCR图片文字检测识别的快速使用教程。主要内容包括：环境搭建（创建Python 3.8虚拟环境并安装相关库）、权重文件下载（检测和识别模型）、快速应用步骤（通过命令行或自定义脚本执行识别）。文章还提供了报错解决方案（CUDA相关dll文件缺失问题），并附有示例代码和运行结果说明。整个过程从程序下载到实际应用共分四个步骤，适合想快速体验PaddleOCR功能的用户。
2025-05-29 23:35:49
8145
1
原创 CloudCompare标注自己的点云数据（部件分割）
3.双击选中的点云数据，显示如图所示信息，txt中共六列数据，前三列（X,Y,Z）为空间坐标信息，后三列（Nx，Ny，Nz）为法向量信息，点击“Apply”。点击图中箭头所示位置，然后点击“+”（全屏模式下“+”可能会直接看到），在弹出的命名框里输入“eee”,点击“OK” ，然后将标签值设为0，点击“OK”后框选部分变为蓝色，则说明标注成功。点击左上角的“文件”—“保存”，然后点击保存类型，即可看到有我们想要的txt格式，点保存，在弹出的界面点“Ok”，txt保存成功。6.标注完成后，给各个部分打标签。
2025-05-22 21:30:00
3313
1
原创 Windows系统下PointNet++可视化教程
b.点击搜索结果“动态链接库（DLL）”，如下图将名称修改为“render_balls_so”，存放路径改为自己容易找到的位置，然后点击确定；f.在存放路径下依次找到render_balls_so.dll文件，并将其复制到D:\Pointnet2\visualizer路径下即可。再打开pch.cpp文件，修改其内容。
2025-05-12 19:25:27
1032
原创 Windows系统下复现PointNet++算法
本文详细介绍了如何在Windows系统下复现PointNet++算法，内容包括程序下载、环境配置、数据集准备以及三个主要任务（语义分割、分类、部件分割）的实现步骤和常见报错解决方法。通过遵循本文的指导，用户可以顺利完成PointNet++算法的复现。
2025-05-10 17:40:04
3567
10
原创 yolov5训练过程，新手必看！超详细！
使用如下程序划分数据集，生成的VOCdevkit文件夹可直接复制到yolov5源码文件夹下，VOCdevkit里会有训练集、验证集和测试集子文件夹，包含各自的图片及标签，便捷省事！运行train.py，即可看到模型开始训练，在根目录下会生成runs文件夹，runs\train\exp里包含有训练保存的相关信息以及权重文件。将要推理的图片放到data/images文件夹里，修改detect.py程序里的如下部分即可进行推理。在终端输入如下命令，点击链接即可在浏览器中查看训练过程中的指标变化。
2025-04-24 22:43:23
513
原创 Labelme.exe一步到位、节省大量时间
想要使用Labelme标注图片，又要下载Anaconda，又要创建虚拟环境，流程很繁琐怎么办？看这里就对了，省时又不会出错！为你提供了一种更简便的解决方案。点击下载labelme.exe，双击即可使用，永久免费下载！无需复杂的环境配置，无需安装庞大的Anaconda，无需手动创建虚拟环境，一切都在一个简单的安装包中完成。无论你是初学者还是专业人士，都能轻松上手，快速开始你的图像标注工作。立即行动，让标注变得更高效、更便捷！通过网盘分享的文件：Labelme.zip。
2025-04-09 14:45:00
325
原创 Labelme安装及使用流程
打开Annconda的安装目录D:\Anaconda3\envs，在envs里面就是所有创建的虚拟环境。进入刚刚创建的虚拟环境，在 D:\Anaconda3\envs\labelme\Scripts此目录下，在上方文件目录中输入cmd就进入到虚拟环境中。输入命令安装Labelme：pip install labelme -i https://pypi.tuna.tsinghua.edu.cn/simple。（3）激活labelme虚拟环境：conda activate labelme。
2025-04-08 21:08:52
759
原创 标注的.json文件转为语义分割训练可用的mask标签
标注的.json文件转为语义分割训练可用的mask标签是一个常见的需求，尤其是在使用Labelme进行图像标注时。Labelme是一个功能强大的标注工具，它生成的JSON文件包含了丰富的标注信息，但这些信息需要进一步处理才能用于语义分割模型的训练。以下是一个详细的Python程序，可以帮助你将Labelme生成的.json文件转换为语义分割训练所需的mask标签。：程序自动读取JSON文件中的标注信息，并将其转换为语义分割所需的mask标签。：通过简单的路径配置，你可以轻松地将程序应用于不同的数据集。
2025-04-08 20:57:14
716
语义分割数据集之Camvid
2023-04-04
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人