集深V5URL图片字段的显示方法


  V5集深系统能在报表中直接使用这样类型的图片格式 , 客户的数据库里有个字段存储的是一个 URL, 类似这种:

字段中写法如下:http://www.baidu.com/img/bd_logo.png

这样web端的图片,不能直接用插入单元格图片的方式,URL是不能解析的.那我们需要用什么方法来解决呢?

解决方案:

集深数据平台V5提供了强大的展现功能,使用富文本和HTML的插入方式就能解决图片格式的问题.

主要设置方法如下图:

在插入菜单下富文本与HTML属性中,点击,会弹出富文本与HTML属性设置窗口,然后输入相关表达式=”<img src=’ “+数据集.字段+” ‘/>”

如下:

这样就可以从数据库中读取相应的图片并在页面上展示了.

 

效果:

### 使用YOLO v5实现动物目标检测 #### 准备工作 为了使用YOLO v5进行动物目标检测,需先安装必要的依赖库。确保Python环境已准备好,并按照官方指南设置好PyTorch框架。 ```bash pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu113 ``` 接着克隆YOLO v5仓库到本地环境中: ```bash git clone https://github.com/ultralytics/yolov5.git cd yolov5 pip install -r requirements.txt ``` #### 数据准备 收或创建用于训练的数据非常重要。数据应当包含标注过的图片,其中每张图中标明了各类动物的位置。通常情况下,这些标签是以Pascal VOC XML文件或是COCO JSON格式存储的。对于自定义类别(如特定种类的动物),可能还需要转换成YOLO所需的txt格式标签文件[^2]。 #### 训练模型 一旦拥有了适当标记的数据,就可以开始调整预训练权重来适应新的分类任务——即识别不同的动物物种。通过修改`yolov5/models/yolov5s.yaml`或其他所选型号配置文件中的类数量字段(`nc`)以匹配实际需求。之后运行训练脚本指定路径指向自己的数据位置。 ```python from pathlib import Path import yaml data_yaml = dict( train=f"{Path('path/to/train/images')}", val=f"{Path('path/to/validation/images')}", nc=80, names=['animal_1', 'animal_2'] # 替换为具体的动物名称列表 ) with open(f'{Path.cwd()}/custom_data.yaml', 'w') as outfile: yaml.dump(data_yaml, outfile, default_flow_style=False) !python train.py --img 640 --batch 16 --epochs 50 --data custom_data.yaml --weights yolov5s.pt ``` 此命令会启动训练过程,利用现有的小型版YOLO v5 (`yolov5s`) 权重作为起点,在给定的数据上迭代优化直至完成设定轮次的学习周期。 #### 测试与评估 当训练完成后,可加载最佳效果的checkpoint来进行预测操作。这一步骤有助于验证模型的表现力并作出相应改进措施。 ```python !python detect.py --source path_to_test_images --weights runs/train/exp/weights/best.pt --conf 0.25 --save-txt ``` 上述指令将执行推理阶段的任务,针对测试中的一系列样本输出边界框坐标至`.txt`文档内,同时可视化结果保存回原目录下。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值