.whl-优快云博客

原创基于dlib库实现摄像头多人脸注册及多人脸同时识别系统（附源码+教程）

基于OpenCV GUI的人脸信息采集录入。请注意存储人脸图片时，矩形框不要超出摄像头范围，否则无法保存到本地，超出会有“out of range”的提醒。：基于Tkinter GUI的人脸信息采集录入。：从上一步存下来的图像文件中提取人脸数据存入CSV。会生成一个存储所有特征人脸数据的，大小为n*129，其中n表示注册的人脸数量，129表示人脸名字加上该人脸的128D特征。：实现实时人脸识别，将捕获到的人脸数据和之前存的人脸数据进行对比计算欧式距离，由此判断是否是同一个人。

2025-03-14 17:52:23 111

原创 PyTorch学习资料与常见错误积累

它可以接收一个子模块的有序字典（OrderedDict）或者一系列子模块作为参数来逐一添加Module的实例模型的前向计算就是将这些实例按添加的顺序逐一计算# view相当于reshape，这里的img.shape[0]是batch_size，-1代表自动计算出来的H*W*Channels。

2024-12-06 10:30:00 70

原创深度神经网络Pytorch图像增强

数据增强对深度神经网络的训练来说是非常重要的，尤其是在数据量较小的情况下能起到扩充数据的效果。本文总结了pytorch中使用torchvision提供的transform模块中进行数据增强常用的7种方式。

2024-12-05 17:01:22 143

原创 DenseNet pytorch版本解析

DenseNet是CVPR2017的best paper，之前写过论文笔记，详见博文。本文先回顾DenseNet的网络架构与思想，再使用Pytorch框架实现该网络。

2024-12-05 16:59:47 96

原创深度学习小麦头检测-基于Faster-RCNN的小麦头检测——附项目源码

csv_remake.py：根据csv文件并返回train_df和valid_dfWheatData.py：通过df文件载入image和targets，目标检测的数据集载入可参考issueevaluate.py：评估计算Iou和Map等指标train.py：训练代码WheaTesttData.py：载入测试数据predict.py：加载训练模型进行预测，并保存画出矩形框的图像。

2024-12-05 16:35:16 304

原创客户端安全开发基础-PC篇-附项目源码

由于PE文件加载时会进行重定向操作，所以printf函数的地址不固定，需要通过PE文件加载的基地址+函数偏移量得到printf函数的准确地址，另外shellcode需要申请可执行内存块确保指令可以正常执行，需要修改printf函数的内存块可写，修改其前几行指令。将输出结果修改称正确，patch一下分支语句或者将错误的gbk编码patch成正确就可以，但是题目要求用DLL注入hook程序，因此此处用注入的DLL修改程序，hook掉。，换行回车符号，猜测v32地址处为输出字符串，结合测试时的输出。

2024-12-04 09:35:38 1569

原创 UE4外挂实现分析-PC端-附源码

至此，已实现获取玩家坐标、玩家视角、敌人坐标的目标，对坐标数据进行数学处理，使用GUI工具绘制到屏幕上，即可实现透视效果，同样可以通过计算玩家视角需要转动的角度，实现自瞄的功能。寻找游戏内能直接获取的与玩家信息有关的详细数据，游戏中子弹数量能够直接查看到准确数值，并且方便控制，因此使用CE查找子弹数量的地址。可以遍历游戏中所有的Actor对象，包括敌人的Actor对象，进而获取敌人坐标信息，在一局游戏中，等数据，偏移的计算在游戏分析部分得到的偏移基本相同，对所有的全局变量进行注释，方便后续分析。

2024-12-04 09:25:11 2075

原创指针部分较难的知识点

以int a[3][4]为例：（1）a[0],a[1],a[2]均为一维数组名，则a[0]=&a[0][0] (C语言规定一维数组名代表数组首元素地址)（2）a+1=(a+1)的值相同，（a+1）=a[1]. a+1虽然等于a[1],但是二者含义不同，a+1表示第1行的首址，而a[1]=a[1]+0表示a[1][0]的地址，因此对a+1与a[1]分别加1会得到不同的值事实上，a[1]的类型为int* 型，而a+1为 int(*)[4]型。

2024-10-22 11:45:00 988

原创指针变量作为被调函数形参时让人易混淆的地方

它让p不再等于数组b. name首地址，而是指向由malloc函数分配的一块内存区域，所以后续对p的操作不会引起b.name的任何变化。，，所以执行完这条语句之后，s就不等于r了，即s和r不再指向同一个变量（p），所以后续对s的任何操作都不会引起r和p的变化。上面两段代码函数的形参都是指向指针变量的指针（指针的指针），下面再看一个简单点的例子：指向普通变量的指针作为函数形参。看上去似乎没什么区别，但就是这两句的不同导致了运行结果的不同。上述代码段1和2的main函数部分都相同，但运行结果却不同，表现在。

2024-10-21 12:00:00 225

原创指向一维数组的指针与指向一维数组中的元素的指针的区别

先看几段代码吧：1.分析：int (* p)[4]; p=&a（而不是p=a）; 则*p =a ,表示指针p指向含有4个元素的一维数组a，而不是指向数组a的元素，故p+1=&a+1。又因为数组a为int型，每个元素占4B，每行4个元素，故a+1与a的值应该相差16，所以若p是指向一维数组a，那么p+1与p应该也相差16，运行结果确实如此，可见p确实是指向一维数组a的指针。2.运行结果：在VC++6.0中：在Visual Studio Code中：分析：代码2与代码1的唯一区别就是代码2中是令

2024-10-20 11:45:00 373

原创结构体指针的初始化以及结构体变量作为函数实参传递时易混淆的知识点

等标准数据类型是一致的，故结构体指针变量名并不代表结构体变量首地址，在对结构体指针进行初始化时要用。形参是结构体变量名，故传给函数的实参是结构体变量名，它不代表结构体变量占用内存空间的首地址。.前面已经说了，结构体类型是用户自己定义的一种数据类型，其本质上与。首先要明确，结构体类型是用户自己定义的一种数据类型，其本质上与。,是因为数组名代表数组首地址。结构体变量作为函数实参传递时。等标准数据类型是一致的。

2024-10-19 16:30:00 283

原创 C语言中几个0之间的区别

\0’是转义字符，ASCII码为0，故以%d形式输出时为0，以%c形式输出时不可见，因为它不是可打印字符，它是字符串的结束标志。0是整数，ASCII码为0，以%d形式输出时为0，以字符形式输出时为NULL，为空字符，也不可见。NULL是一个普通字符,ASCII码为0，故以%d形式输出时为0，以%c形式输出时不可见。故以%d形式输出时为48，以%c形式输出时为0。‘0’是一个普通字符,ASCII码为。

2024-10-19 11:45:00 259

原创 C语言复习

1.声明结构体类型的同时定义结构体变量struct stint a;project1.cLinking...2.先声明结构体类型，再定义结构体变量struct stint a;project1.cLinking...错误的定义方法struct stint a;}c[3];project1.c执行 cl.exe 时出错.## 用scanf函数进行输入时，注意区分“%c”和“%s”格式。"%c"格式是将所有输入的字符都输入到指定内存地址中，包括空格、回车和tab，

2024-10-18 16:20:21 245

原创 C语言二级刷题

return 0;在GCC编译器（64位）上编译运行，输出为886。sizeof(str1)为求字符串的字符个数，包括结尾符。而strlen(str1)为求字符串的实际字符个数，不包括结尾符。字符串中的字符依次存储在内存中一块连续的区域内，并且把空字符’ \0’自动附加到字符串的尾部作为字符串的结束标志。故字符个数为n的字符串在内存中应占（n+1）个字节。语句char str[10] =“string!和char str[10]={“string!

2024-10-18 16:19:44 842

原创 Java岗位面试--单例模式、生产者消费者线程同步

答：一个类的构造函数私有化，然后在类中定义一个私有静态变量，通过一个静态函数get获得私有变量实例即可实现单例。如果想要懒加载，可以用上双重检验锁在get函数中。9.手写一个生产者消费者模式，用的ReentrantLock，为什么判断当前count是否满足生产或者消费时用while。4.用volatile+synchronized写一个单例模式，用双重校验锁方法，说出两个if判断语句的作用。写个单例保证线程安全(虽然写出了，但被问住了，告诉我代码不能死记硬背)10.手写单例模式 1.写一个单例模式，

2024-08-04 10:15:00 148

原创 Java岗位面试总结--计算机网络

10.上面说到http建立在tcp连接上，所以开始了http和tcp连接之间的各种关系，这块复习的比较少，讲的不太好，问到了长连接/短连接，哪个版本开始支持长连接。一个tcp连接是否可以并发，这个没有复习到，所以一开始回答不能，后来面试官就问，如果现在一个网页要加载很多张图片，他们应该怎么样加载，根据平常上网经验，明显是多个图片同时向下加载，所以随即改口。校验和，流量控制，拥塞控制，连接管理，确认应答，超时重发都答了。答：物理层，链路层，网络层，传输层，应用层（应用层，展示层，通信层）

2024-08-03 14:30:00 141

原创 Java岗位面试--手撕算法题

假设有一个非常大的文件，全英文的，统计一下所有单词出现的频率，我回答的是mapreduce来查频率，他说单机情况下，用map，有改进吗？算法题1：出现奇数次的数字：给定一个非空整数数组，取值范围[0,100]，除了某个元素出现1次以外，其余每个元素均出现次数为2次。1.编程题，快速排序（当时脑子不知道在想啥，没做出来，很尴尬，不过面试官一直引导我，后来写出来了还是有点问题，面试官一时也没发现哪里错了，就直接跳过了）算法题：一棵树的右视图，小哥哥说在框里写，，，我还没问能不能用ide呢，，， 5.5。

2024-08-03 11:15:00 213

原创 Java岗位面经--Spring相关

我：一开始没听明白，后来理解了，是url访问的流程加springmvc的过程，emmm不好意思，中间忘记说tomcat干啥活了。6.Spring的IOC和好处，AOP，问了动态代理的实现，两种动态代理的。答：简单解释了一下，动态代理和代理的两个类别；讲讲你熟悉的Java设计模式，知道装饰者模式吗，IoC机制符合了Java设计模式的什么原则。就比如注入的时候，我会依赖一个接口的注入或者基类注入，这种的话，怎么找到它的实例呢？注入的过程发生在什么时期我答的是初始化容器的时候。spring的ioc和aop。

2024-08-02 10:15:00 134

原创 java岗位真实面试经验总结--基础知识

当JVM在加载一个类的时候，如果这个类在编译时是可用的，但是在运行时找不到这个类的定义的时候，JVM就会抛出一个NoClassDefFoundError错误。32 - 1，面试官可能知道我的意思，没有指出）最大值为什么要减一，int的最小值在计算机中怎么表示(我回答的是二进制表示，没有思考直接说是32位全是1，回答错了，实际是10000…结果是，不会有错误。答：一个是标记的变量只能自己使用，一个是标记的变量可以让父子都可以访问，一个是可以接收同一个包的其他类的引用，一个是所有的其他包都可以引用。

2024-08-02 10:15:00 127

原创 Java岗位面试--MySQL相关

6.数据库问题，表结构是t ，sql语句是select * from t where a= , b= , c= 问这个语句执行的效率，我当时直接说会很慢，可以建立联合索引，然后就开始了最左匹配原则的各种情况。最后一个问题是如果查询条件固定，联合索引的顺序怎么样安排比较好，之前没考虑过，只能当场思考，回答的是区分度较高的排在前面，让搜索的范围尽早缩小。数据库一定会走索引吗回答了最左匹配原则和索引没及时更新数据位置，没答到他想要的点，他想问的是where语句中出现了!

2024-08-01 17:00:00 153

原创 async、await剖析

JavaScript是单线程的，为了避免同步阻塞可能会带来的一些负面影响，引入了异步非阻塞机制，而对于异步执行的解决方案从最早的回调函数，到ES6的Promise对象以及Generator函数，每次都有所改进，但是却又美中不足，他们都有额外的复杂性，都需要理解抽象的底层运行机制，直到在ES7中引入了，他可以简化使用多个Promise时的同步行为，在编程的时候甚至都不需要关心这个操作是否为异步操作。

2024-08-01 14:00:00 77

原创 Java岗位面经--JVM相关

强引用，在内存不足的时候，宁可报错：oom，也不会回收。这样内存不足的时候，标记了软弱虚引用的对象会被回收。虚引用：直接回收了，就像没有引用一样gcroot找不到一样。但是会有一个回调函数，比如打印一个日志：我被回收了之类的。答：强引用，就是标记了引用，不会直接回收的；而软引用是：在gc后还内存不足的时候，才会去回收，平时不会回收；弱引用是：在GC的时候，不管内存空间足不足都会回收这个对象。1.说一下几种引用方式，并说出其作用，以及垃圾回收时机。每种垃圾回收算法的原理和适用，G1简单说了下设计思想。

2024-08-01 12:00:00 73

原创 async、await使用

async是ES7的与异步操作有关的关键字，其返回一个Promise对象，await操作符用于等待一个Promise对象,它只能在异步函数内部使用。的目的是简化使用多个promise时的同步行为，并对一组Promises执行某些操作。正如Promises类似于结构化回调，更像结合了generators和promises。

2024-08-01 11:15:00 313

原创 apply()、call()、bind()使用

每个Function对象都存在apply()call()bind()方法，其作用都是可以在特定的作用域中调用函数，等于设置函数体内this对象的值，以扩充函数赖以运行的作用域。

2024-07-31 15:30:00 338

原创 Java岗位面经--Java集合

ArrayList扩容机制，上次看ArrayList源码还是去年9月份，，，真的忘了，只记得1.5倍扩容和grow方法的流程，其他的模模糊糊。面试官可能将计就计的问了我add方法一次添加一个元素为什么会不满足条件呢，当时内心有点懵，所以也没回答出来，面试官又问如果让你去写这个代码，你觉得的该怎么写，只说思路就好。万年不变的集合开头，hashmap底层数据结构，什么时候转化为红黑树，put操作的流程，讲定位下标的时候说到了扰动，又问扰动的过程和好处（讲一半小哥哥网不稳定，掉线了，，，）线程安全的方式有哪些？

2024-07-31 15:00:00 99

原创行内元素和块级元素

HTML可以将元素种类分为行内元素、块级元素和行内块级元素三种，在使用过程中可以通过CSS的display属性相互转换。

2024-07-31 10:15:00 627

原创 Java岗面经总结--Java多线程

1.多个线程同时对volatile类型的变量进行i++操作，可以保证结果吗，为什么不能，说说volatile的原理，那我们在什么时候使用volatile是正确的，刚才的场景怎么保证结果(synchronized)，说说sync的原理，它和ReentrantLock有什么不同。2.Java的加锁的方式，读写锁的实现，synchronized和reentrantlock的比较，CAS的实现。4.说一下线程池，以及线程池的几个核心参数，如果提交一个cpu密集型的任务怎么选取线程池。对象锁和类锁互斥吗？

2024-07-31 10:15:00 102

原创图片等比例缩放方案

在Web开发时无可避免的需要将图片进行缩放，缩放时需要保证图片不变形，也就是需要等比例缩放。

2024-07-30 12:00:00 864

原创手动实现轮播图功能

使用纯、、实现轮播图功能。使用的绝对定位与相对定位实现轮播图，首先将图片全部拼接成为一行，使用将其他图片隐藏，将这一行图片加入定时任务不断进行左移，从而只显示中间的图片，对于边缘特殊处理，将第一张轮播图追加到一行图片之后，当切换到最后一张轮播图时，下一张即播放第一张图，当此图轮播完成后，将所有图片归位，提供两个，第一个是单纯的轮播不存在任何控制按钮，第二个则比较完善。opacity首先通过对图片绝对定位来使图片堆叠，通过使用来控制图片的显示与隐藏，即不使用控制轮播图的切换动画，而使用动画来完成，由于是

2024-07-30 10:15:00 508

原创实现消息提示组件

在浏览器页面中，通用的消息提示组件一般可以分为静态局部提示和动态全局提示，用于反馈用户需要关注的信息，使用频率较高。实现消息提示组件，动态全局提示，主要使用原生实现，实现的代码基本都作了注释。

2024-07-29 14:45:00 443

原创实现图片懒加载

图片懒加载就是当页面需要展示较多图片时，首先只加载显示在当前屏幕位置的图片，在页面向下滚动时，再加载其他需要显示在当前屏幕位置的图片，这样可以防止一次性对服务器发送大量请求，并可以在用户不需要完整浏览页面的情况下减少服务器资源消耗。

2024-07-29 11:00:00 369

原创实现三栏布局

三栏布局在开发十分常见，即两边固定宽度，中间自适应宽度的布局。

2024-07-28 14:30:00 417

原创实现瀑布流布局

瀑布流，又称瀑布流式布局。是比较流行的一种网站页面布局，视觉表现为参差不齐的多栏布局，随着页面滚动条向下滚动，这种布局还会不断加载数据块并附加至当前尾部，瀑布流的主要特性便是错落有致，定宽而不定高的设计让页面区别于传统的矩阵式图片布局模式。

2024-07-28 09:45:00 843

原创实现拼图滑动验证码

拼图滑动验证码的纯前端简单实现，重要部分都已标注注释，如果需要配合后端可以参考此思路，后端处理图片生成一个带缺口的背景图与一个符合缺口的拼图，并将取得拼图块的位置记录到，将图片与拼图传给前端展示，当用户拖动并松开鼠标后将鼠标轨迹与停留位置发送到后端，后端从中取得位置信息并与前端传递的位置进行对比，有需要的话可以分析此用户轨迹用以区分人机，如果位置偏差小于一定阈值则认为拼图成功。

2024-07-27 15:30:00 663

原创实现加载提示组件

在开发时经常需要用到加载提示，例如发起一个请求时就需要给予用户一个交互的反馈，实现一个加载提示组件，重要的部分已经做出注释。附带种实现的提示动画。

2024-07-27 12:00:00 338

原创前端性能优化方案

前端资源比较庞大，包括HTMLCSSJavaScriptImageFlashMediaFontDoc等等，前端优化相对比较复杂，对于各种资源的优化都有不同的方式，按粒度大致可以分为两类，第一类是页面级别的优化，例如减小HTTP请求数、脚本的无阻塞加载、内联脚本的位置优化等，第二类则是代码级别的优化，例如JavaScript中的DOM操作优化、图片优化以及HTML结构优化等等。

2024-07-26 22:00:00 580

原创默认行为及阻止

浏览器以及HTML元素提供了一些默认行为，也可以称作默认事件。

2024-07-26 16:58:01 764

原创蒙层禁止页面滚动的方案

弹窗是一种常见的交互方式，而蒙层是弹窗必不可少的元素，用于隔断页面与弹窗区块，暂时阻断页面的交互。但是在蒙层出现的时候滚动页面，如果不加处理，蒙层底部的页面会开始滚动，实际上我们是不希望他进行滚动的，因此需要阻止这种行为。当弹出蒙层时禁止蒙层下的页面滚动，也可以称为滚动穿透的问题，文中介绍了一些常用的解决方案。首先需要实现一个蒙层下滚动的效果示例，当我们点击弹窗按钮显示蒙层之后，再滚动鼠标的话能够看到蒙层下的页面依旧是能够滚动的。如果在蒙层的内部进行滚动，当蒙层内滚动条滚动到底部的时候再继续滚动的话，蒙层下

2024-07-23 13:00:00 723

原创可替换元素和非替换元素

可替换元素也称作可置换元素，其展现效果不是由CSS来控制的，这些元素是一种外部对象，它们外观的渲染，是独立于CSS的。非置换元素也称作非替换元素，其内容由CSS渲染直接表现给客户端。

2024-07-23 09:30:00 572

原创常见的兼容性问题

浏览器有着大量不同的版本，不同种类的浏览器的内核也不尽相同，所以不同浏览器对代码的解析会存在差异，这就导致对页面渲染效果不统一的问题。

2024-07-22 16:00:00 999

基于python+tensorflow+jieba+word2vec实现细粒度用户评论情感分析项目源码（baseline个人）.zip

基于python+tensorflow+jieba+word2vec实现细粒度用户评论情感分析项目源码（baseline个人）【项目说明】 1.多数小白下载后，在使用过程，可能会遇到些小问题，若自己解决不了，请及时私信描述你的问题，我会第一时间提供帮助，也可以远程指导 2.项目代码完整可靠，但难度适中，满足一些毕设、课设要求，且属于易上手的优质项目，项目内基本都有说明文档，按照操作即可，遇到困难也可私信交流 3.适用人群：各大计算机相关专业行业的在校学生、高校老师、公司程序员等下载使用 4.特别是那种爱钻研学习的学霸，强烈推荐此项目，可以二次开发提升自己。拿来作毕设、课设直接用也行，不过尽量弄懂项

2025-05-27

基于LSTM、HMM、K-Means聚类算法实现音乐自动创作项目源码+运行教程+模型和数据（可作毕设课设）.zip

2. 技术选型与核心算法 • 基础框架：基于Tensorflow。 • 主要算法：项目中生成音乐所使用到的主要算法是 LSTM (长短期记忆网络)、HMM (隐马尔可夫模型) 和 K-Means (K均值聚类)。 3. 数据说明 • 训练数据文件： data.db。 • 数据内容：训练所用的数据存放于一个sqlite3数据库文件中。这些数据是将midi音乐按照一定规则编码后得到的。 • 数据来源：作者从网上找到了 169首儿歌作为训练样本。 • 数据选择原因：选择儿歌是因为儿歌的midi文件比较好下载，而且儿歌的主旋律、和弦走向、鼓点等相对比较简单，适合当前版本作为训练样本。 4. 系统架构与文件结构 • 源代码目录： code 文件夹。 • 数据文件： data.db 文件。 • 日志/会话目录：需要手动创建 log 和 log/sess 目录。 • 其他文件： whl_is_sb.txt。 5. 功能描述 • 核心功能：自动生成音乐。 • 生成音乐组成：生成的音乐包含主旋律、和弦，以及鼓点、bass、钢琴、弦乐和加花五种音色的伴奏。 • 输出格式：生成的音乐文件为 output.mid。 6. 运行环境与使用方法 • 依赖项：需要安装依赖包，依赖列表位于 whl_is_sb.txt 文件中。 • 依赖安装方法：使用命令 pip3 install -r whl_is_sb.txt 进行安装。 • 运行前准备：进入 code 目录，并创建 log 和 log/sess 目录。 • 运行命令： 1、运行train_model.py 开始训练模型 2、运行general_midi.py 开始生成midi音频文件

2025-05-23

本科毕设基于深度学习LSTM神经网络实现音乐自动生成项目源码+数据集+模型+评估曲线.zip

本科毕设基于深度学习LSTM神经网络实现音乐自动生成项目源码+数据集+模型.zip 利用LSTM网络进行音乐生成工作 train_sequence.py 不区分音符和和弦，将其作为同一类进行训练 train_chord.py 训练和弦序列 train_notes.py 训练音符序列【项目说明】 1.多数小白下载后，在使用过程，可能会遇到些小问题，若自己解决不了，请及时私信描述你的问题，我会第一时间提供帮助，也可以远程指导 2.项目代码完整可靠，但难度适中，满足一些毕设、课设要求，且属于易上手的优质项目，项目内基本都有说明文档，按照操作即可，遇到困难也可私信交流 3.适用人群：各大计算机相关专业行业的在校学生、高校老师、公司程序员等下载使用 4.特别是那种爱钻研学习的学霸，强烈推荐此项目，可以二次开发提升自己。拿来作毕设、课设直接用也行，不过尽量弄懂项

2025-05-22

基于python+OpenCV和Mediapipe实现手语手势识别检测项目源码.zip

基于python+OpenCV和Mediapipe实现手语手势识别检测项目源码.zip 【项目说明】 1.多数小白下载后，在使用过程，可能会遇到些小问题，若自己解决不了，请及时私信描述你的问题，我会第一时间提供帮助，也可以远程指导 2.项目代码完整可靠，但难度适中，满足一些毕设、课设要求，且属于易上手的优质项目，项目内基本都有说明文档，按照操作即可，遇到困难也可私信交流 3.适用人群：各大计算机相关专业行业的在校学生、高校老师、公司程序员等下载使用 4.特别是那种爱钻研学习的学霸，强烈推荐此项目，可以二次开发提升自己。拿来作毕设、课设直接用也行，不过尽量弄懂项

2025-05-21

生物医学工程创新赛-基于TransUnet和SwinUnet实现肝脏肿瘤医学分割项目（含数据集、python代码、模型）.zip

生物医学工程创新赛-基于TransUnet和SwinUnet实现肝脏肿瘤医学分割项目（含数据集、python代码、模型）【项目介绍】训练你的模型肿瘤数据集统计分析： tumor_statistics文件夹下含肿瘤物理直径、体积、球型度的统计 Step1 半监督补全标签：运行步骤详见Step1_nnUNet_pseudo_label\pseudo_label_README.md Step2 预测肝脏标签：运行步骤详见Step2_CLIP-Driven-Universal-Model\README.md Step3 DDPM合成小肿瘤数据及训练最终预测模型Diff-nnUNet：运行步骤详见Step3_Diff_nnUNet\README.md 【主要功能】采用半监督学习方法补全未标注的肿瘤,增强标注一致性,提高分割精度。利用DDPM生成更多的小肿瘤数据,增强模型对小病灶的学习能力。进行全面的数据统计分析,包括肿瘤的直径、体积、球型度等指标。分割网络为Transformer-Unet和Swin-Unet，学习率采用cos余弦退火算法。如果想在大尺度进行训练，修改base-size参数即可，优化器采用了AdamW。评估的指标为dice、iou、recall、precision、f1、pixel accuracy等等【技术栈】半监督学习 DDPM (Denoising Diffusion Probabilistic Models) nnU-Net (a strong baseline for medical image segmentation) 【项目总结】本项目通过补全标注与合成数据提升了数据的质量与数量，进行消融实验验证了核心设计的有效性，并在外部测试集上获得优异表现，再次说明了Deep learning is data-driven的底层逻辑。

2025-05-21

课程作业基于KNN算法实现手写字母和数字识别系统源码+数据集（python和C语言两个版本）.zip

课程作业基于KNN算法实现手写字母和数字识别系统源码+数据集（python和C语言两个版本）.zip 【项目介绍】基于 KNN 算法实现手写字符识别数据集包括了字母和数字先尝试用 Python 实现，然后尝试用 C 语言复现【快速开始】将数据集.zip 解压，将 Img 文件夹放在代码的同级目录里。选取一张手写的要预测的图片，放到 test 文件夹里。更改 bin.py 或 bin.ipynb 的倒数第二行和倒数第三行，将文件路径改为 test 里自己要预测的图片的图片文件名，例如我的图片名叫做 9.png。 # 导入判断图片并转化 file_in = "test\\9.png" # 自定义上传图片路径 file_out_int = "test\\9.txt" # 自定义保存 txt 文件路径 handle_char(file_in, width, height, file_out_int) 运行 bin.py 或 bin.ipynb，将图片二值化。运行 matrix.py 或 matrix.ipynb 或 matrix.c，预测手写数字。 gcc -o matrix matrix.c -lgdi32 -lcomdlg32 -lshlwapi 【项目说明】 1.多数小白下载后，在使用过程，可能会遇到些小问题，若自己解决不了，请及时私信描述你的问题，我会第一时间提供帮助，也可以远程指导 2.项目代码完整可靠，但难度适中，满足一些毕设、课设要求，且属于易上手的优质项目，项目内基本都有说明文档，按照操作即可，遇到困难也可私信交流 3.适用人群：各大计算机相关专业行业的在校学生、高校老师、公司程序员等下载使用 4.特别是那种爱钻研学习的学霸，强烈推荐此项目，可以二次开发提升自己。拿来作毕设、课设直接用也行，不过尽量弄懂项

2025-05-20

基于ESP32微控制器的端侧语音处理系统设计与实现（含源码、文档及全部资料，开源硬件，易复刻）.zip

基于ESP32微控制器的端侧语音处理系统设计与实现（含源码、文档及全部资料，开源硬件，易复刻）.zip [项目介绍] 硬件设计：采用ESP32-PICO-V3-02为核心，集成Wi-Fi和蓝牙功能，并通过SiP封装技术实现小型化。软件设计：基于MFCC和CNN的音频识别模型在MCU上成功部署，准确率达到95%，响应时间在300ms以内。系统集成：环境光传感器、全向麦克风、扬声器功放、陀螺仪和TFT显示屏等外设，支持时钟、日历、设置、手电筒和AI问答等功能。用户交互：通过手势传感器和实体按钮实现用户交互，并具备云端语音识别助手功能。该项目成功设计并实现了一款端侧语音处理系统,结合人工智能技术与物联网嵌入式系统,提供低成本、高效率的 AI 模型部署。项目成果是一款集硬件设备和软件系统于一体的智能手表,具备手势控制和语音识别功能。主要功能硬件设计: 采用 ESP32-PICO-V3-02 为核心,集成 Wi-Fi 和蓝牙功能,并通过 SiP 封装技术实现小型化。软件设计: 基于 MFCC 和 CNN 的音频识别模型在 MCU 上成功部署,准确率达到 95%,响应时间在 300ms 以内。系统集成: 包括环境光传感器、全向麦克风、扬声器功放、陀螺仪和 TFT 显示屏等外设,支持时钟、日历、设置、手电筒和 AI 问答等功能。用户交互: 通过手势传感器和实体按钮实现用户交互,并具备云端语音识别助手功能。技术栈硬件: ESP32-PICO-V3-02 微控制器软件: MFCC、CNN、TensorFlow-Lite、LVGL

2025-05-20

手语识别系统设计与实现-基于python+opencv+JavaScript+mysql（适合毕设课设，含模型文件）.zip

手语识别系统设计与实现-基于python+opencv+JavaScript+mysql（适合毕设课设，含模型文件）.zip 【项目介绍】 1. 系统概述本系统基于 OpenCV 实现手语识别，旨在提高非手语使用者与听障人士之间的沟通效率。系统允许用户自定义字典，通过上传手势视频训练神经网络模型，实现个性化的手势识别。 2. 技术栈计算机视觉：使用 OpenCV 进行图像处理和关键点检测深度学习：采用神经网络模型进行手势识别前端：HTML、CSS 和 JavaScript 构建用户界面后端：Python（Flask）处理数据和模型数据库：MySQL 存储用户信息和模型数据 3. 系统流程数据准备：用户上传手势视频，系统将其切割为帧并进行预处理。模型训练：使用用户上传的视频数据训练神经网络模型。模型优化：通过降噪算法提高模型的准确性和健壮性。实时识别：用户通过摄像头展示手势，系统实时识别并输出结果。 4. 功能模块模型选择：用户可选择预设模型或自定义模型。手势识别：实时捕获并识别手势，转换为文字输出。提示功能：提供手势示例以帮助用户学习。 5. 系统优势个性化：用户可上传自定义手势，适应个人手势习惯。高准确率：通过降噪算法提高识别准确率。多场景应用：适用于教育、社交、公共服务等领域。

2025-05-20

基于树莓派+百度语音API开发得语音助手python源码（Snowboy唤醒系统）.zip

基于树莓派+百度语音API开发得语音助手python源码（Snowboy唤醒系统）.zip 这个项目是一个基于树莓派的语音助手,使用Snowboy实现唤醒系统,并使用百度语音API进行语音识别。该项目使用Python编写,旨在实现一个简单的语音助手功能。主要功能点使用Snowboy实现唤醒系统使用百度语音API进行语音识别提供基本的语音助手功能技术栈 Python Snowboy 百度语音API

2025-05-20

Java开发基于基于SpringBoot+OAuth2+JW的身份认证及权限校验演示程序.zip

Java开发基于基于SpringBoot+OAuth2+JW的身份认证及权限校验演示程序.zip 主要功能点实现基于 Spring Security 和 OAuth2 的身份认证使用 JWT 和数字签名进行身份验证和授权支持微服务架构下的身份认证和权限验证技术栈 Spring Boot Spring Cloud Spring Security OAuth2 JWT 数字签名

2025-05-19

基于区块链实现数字身份证明系统含源码+运行说明+报告参考.zip

基于区块链实现数字身份证明系统含源码+运行说明+报告参考.zip 【项目介绍】是一个基于区块链的数字身份证明系统,让用户能够安全地管理和验证自己的身份信息。它利用区块链技术将用户身份信息安全地存储,构建一个统一、安全且可验证的区块链身份证。功能点：去中心化标识符 (DIDs)：在区块链上创建和管理唯一的 DIDs 身份验证：提交身份文件以供可信第三方验证凭证验证：验证凭证的真实性用户个人资料管理：轻松更新个人信息和管理凭证隐私控制：控制谁可以访问身份信息以及在何种情况下访问安全措施：强大的安全措施,包括加密和安全密钥管理社交媒体集成：在各种社交媒体平台上分享您的验证数字身份个人资料编辑：轻松更新和管理您的数字身份资料【技术栈】 Next.js TypeScript Solidity Hardhat Chainlink VRF IPFS 【项目说明】 1.多数小白下载后，在使用过程，可能会遇到些小问题，若自己解决不了，请及时私信描述你的问题，我会第一时间提供帮助，也可以远程指导 2.项目代码完整可靠，但难度适中，满足一些毕设、课设要求，且属于易上手的优质项目，项目内基本都有说明文档，按照操作即可，遇到困难也可私信交流 3.适用人群：各大计算机相关专业行业的在校学生、高校老师、公司程序员等下载使用 4.特别是那种爱钻研学习的学霸，强烈推荐此项目，可以二次开发提升自己。拿来作毕设、课设直接用也行，不过尽量弄懂项

2025-05-19

基于FastAPI和Vue构建的前后端分离的智能电商客服系统（源码+部署教程，支持多个大模型）.zip

基于FastAPI和 Vue 构建的前后端分离的智能电商客服系统（源码+部署教程，支持多个大模型）一个基于 FastAPI 和 Vue 3 构建的前后端分离的智能客服助手项目，支持多种大语言模型，如DeepSeek V3，Qwen2.5系列，Llama3系列等。涵盖了 Agent、RAG 在智能客服领域的主流应用落地需求场景。功能特性 1. 通用问答能力支持 DeepSeek V3 在线API 支持使用 Ollama 接入任意对话模型，如Qwen2.5系列，Llama3系列灵活的模配置 2. 深度思考能力支持 DeepSeek R1 在线API 支持使用 Ollama 接入任意 Deepseek r1 模型系列灵活的模配置 3. ollama 性能测试工具单请求性能测试并发性能测试系统资源监控自动化测试报告快速启动 1. 安装依赖 # 创建虚拟环境 python -m venv .venv # 激活虚拟环境 # Windows .venv\Scripts\activate # Linux/Mac source .venv/bin/activate # 安装依赖 pip install -r requirements.txt 2. 配置环境变量复制 env.example 文件到 llm_backend/.env 文件中，并根据实际情况修改配置： # LLM 服务配置 CHAT_SERVICE=OLLAMA # 或 DEEPSEEK REASON_SERVICE=OLLAMA # 或 DEEPSEEK # Ollama 配置 OLLAMA_BASE_URL=http://localhost:11434 OLLAMA_CHAT_MODEL=deepseek-coder:6.7b OLLAMA_REASON_MODEL=deepseek-coder:6.7b # DeepSeek 配置（如果使用） DEEPSEEK_API_KEY=your-api-key DEEPSEEK_BASE_URL=https://api.deepseek.com/v1 DEEPSEEK_MODEL=deepseek-chat 3. 安装Mysql数据库并在 .env 文件中配置数据库连接信息 4. 启动服务 # 进入后端目录 cd llm_backend # 启动服务（默认端口 9000） python run.py # 如果需要修改 IP 和端口，编辑 run.py 中的配置： uvicorn.run( "main:app", host="0.0.0.0", # 修改监听地址 port=8000, # 修改端口号 access_log=False, log_level="error", reload=True ) 服务启动后可以访问： API 文档：http://localhost:8000/docs 前端界面：http://localhost:8000 技术栈后端： FastAPI SQLAlchemy MySQL Ollama/DeepSeek 前端： Vue 3 Element Plus TypeScript 注意事项生产环境部署时：修改 .env 中的 SECRET_KEY 配置正确的 CORS 设置使用 HTTPS 关闭 reload=True 开发环境：可以启用 reload=True 实现热重载可以设置 log_level="debug" 查看更多日志基于 FastAPI 和 Vue 3 构建的前后端分离的智能客服助手项目。它支持多种大语言模型，如 DeepSeek V3、Qwen2.5 系列和 Llama3 系列等,涵盖了 Agent 和 RAG 在智能客服领域的主流应用落地需求场景。主要功能点通用问答能力:支持 DeepSeek V3 在线 API 和使用 Ollama 接入任意对话模型深度思考能力:支持 DeepSeek R1 在线 API 和使用 Ollama 接入任意 Deepseek r1 模型系列 Ollama 性能测试工具:包括单请求性能测试、并发性能测试和系统资源监控等功能技术栈后端: FastAPI、SQLAlchemy、MySQL、Ollama/DeepSeek 前端: Vue 3、Element Plus、TypeScript

2025-05-14

基于python+html+JavaScript的旅游景点智能导览系统+数据库sql+数据（2025毕设）.zip

基于python+html+JavaScript的旅游景点智能导览系统+数据库sql+数据（2025毕设）.zip [项目说明] 项目介绍旅游景点智能导览系统，旨在通过现代技术手段，为游客提供全面、便捷、智能的导览服务。平台集成了地图服务、景点介绍、路线推荐等功能，帮助游客更好地规划行程，提高旅游体验。主要功能模块用户管理模块：包括用户注册、登录等功能。地图服务模块：集成高德地图API，实现地图显示、景点标记、路线规划等功能。景点推荐模块：根据用户偏好，推荐旅游景点，并提供各个景点的详细介绍及图片展示路径规划模块：根据推荐数据结合用户兴趣、消费偏好等需求规划最优观光路线项目部署将sql文件导入本地数据库中更改final/web.py文件中关于数据库的配置将final/templates/index_forth.html中的line40,line43改为自己高德地图JS api 中的安全密钥和key 启动web.py文件用户默认密码为123456_1 【项目说明】 1.多数小白下载后，在使用过程，可能会遇到些小问题，若自己解决不了，请及时私信描述你的问题，我会第一时间提供帮助，也可以远程指导 2.项目代码完整可靠，但难度适中，满足一些毕设、课设要求，且属于易上手的优质项目，项目内基本都有说明文档，按照操作即可，遇到困难也可私信交流 3.适用人群：各大计算机相关专业行业的在校学生、高校老师、公司程序员等下载使用 4.特别是那种爱钻研学习的学霸，强烈推荐此项目，可以二次开发提升自己。拿来作毕设、课设直接用也行，不过尽量弄懂项

2025-05-14

基于大模型的金融风险预测及分析项目python源码+数据.zip

基于大模型的金融风险预测及分析项目python源码+数据.zip 【项目介绍】基于大模型的金融风险预测及分析项目。该项目提供了一些示例代码,包括信用数据分析和风险预测的演示。主要功能点利用大模型进行金融风险预测和分析提供信用数据分析和风险预测的示例代码技术栈 Python 【项目说明】 1.多数小白下载后，在使用过程，可能会遇到些小问题，若自己解决不了，请及时私信描述你的问题，我会第一时间提供帮助，也可以远程指导 2.项目代码完整可靠，但难度适中，满足一些毕设、课设要求，且属于易上手的优质项目，项目内基本都有说明文档，按照操作即可，遇到困难也可私信交流 3.适用人群：各大计算机相关专业行业的在校学生、高校老师、公司程序员等下载使用 4.特别是那种爱钻研学习的学霸，强烈推荐此项目，可以二次开发提升自己。拿来作毕设、课设直接用也行，不过尽量弄懂项

2025-05-14

课程设计基于软件定义网络(SDN)的负载均衡方案项目python实现源码+数据集.zip

基于软件定义网络(SDN)的负载均衡方案项目python实现源码.zip 【项目说明】 1.多数小白下载后，在使用过程，可能会遇到些小问题，若自己解决不了，请及时私信描述你的问题，我会第一时间提供帮助，也可以远程指导 2.项目代码完整可靠，但难度适中，满足一些毕设、课设要求，且属于易上手的优质项目，项目内基本都有说明文档，按照操作即可，遇到困难也可私信交流 3.适用人群：各大计算机相关专业行业的在校学生、高校老师、公司程序员等下载使用 4.特别是那种爱钻研学习的学霸，强烈推荐此项目，可以二次开发提升自己。拿来作毕设、课设直接用也行，不过尽量弄懂项

2025-05-13

毕设基于BiLSTM实现评论文本情感分析系统（6种细分情感+模型下载）.zip

毕设基于BiLSTM实现评论文本情感分析系统（6种细分情感+模型下载）.zip 【项目说明】识别分类6种情感，分别是："中性", "喜爱", "悲伤", "厌恶", "愤怒", "高兴" 测试数据集 1 情感对话生成数据集测试数据集 2 SMP2020微博情绪分类评测数据集 train acc test acc 情感对话生成数据集 0.9649 0.9117 SMP2020微博情绪分类 0.8214 0.6771 对于情感对话生成数据集，我们将问题与回答分开作为一条数据，随机分割 0.1 作为测试集。对于 SMP2020微博情绪分类数据集，我们使用测试数据集/真实测试数据/usual_test_labeled.txt 作为测试集。

2025-05-06

基于python+opencv开发自动检测和测量模拟仪表针角度的图像处理系统+说明文档（图像处理课设）.zip

基于python+opencv开发自动检测和测量模拟仪表针角度的图像处理系统+说明文档（图像处理课设）.zip 这个项目是一个自动检测和测量模拟仪表针角度的图像处理系统。它可以处理模拟仪表的图像,检测圆形仪表表面,识别指针位置,并测量角度。它将处理结果存储在SQLite数据库中,并提供基于时间的绘图功能,包括时间过滤和平均选项。该系统还可以将角度读数转换为压力单位(PSI/BAR),用于压力表监控。【主要功能】使用霍夫圆检测算法检测图像中的圆形仪表表面通过图像处理技术识别仪表指针位置计算指针角度(以度为单位) 使用线性插值将角度转换为压力值(PSI/BAR) 维护仪表读数历史记录提供调试模式以进行故障排查【技术栈】 Python 3 OpenCV(用于图像处理) SQLite3(用于数据存储) Matplotlib(用于绘图,可选)

2025-05-06

基于matlab实现Keller压力表数据源码（课程作业）.zip

2025-05-06

毕设新作品基于SpringBoot+Vue前后端分离的光伏发电监测管理系统（完整源码+数据库+多张运行截图）.zip

毕设新作品基于SpringBoot+Vue前后端分离的光伏发电监测管理系统（完整源码+数据库+多张运行截图）.zip 【项目介绍】光伏发电监测管理系统，基于Spring Boot + Vue前后端分离版本。是一种基于物联网、大数据及云计算技术的智能化管理平台，用于实时监控、分析和优化光伏电站的运行状态，旨在提升发电效率、保障系统安全、降低运维成本，并为电站的长期稳定运行提供数据支持。前端采用Vue、Element UI。后端采用Spring Boot、Spring Security、Redis & Jwt。权限认证使用Jwt，支持多终端认证系统。支持加载动态权限菜单，多方式轻松权限控制。高效率开发，使用代码生成器可以一键生成前后端代码。实时监测电站和设备的运行状态提供电站发电统计、同比分析、环比分析等数据分析功能支持尖峰平谷分析、电能质量分析等功能提供智能报警、运维管理等功能提供移动端小程序,支持实时监测、统计分析等功能前端: Vue、Element UI 后端: Spring Boot、Spring Security、Redis、JWT 权限认证: JWT,支持多终端认证动态权限菜单: 支持加载动态权限菜单,多方式轻松权限控制

2025-05-06

基于python深度学习的人脸识别门禁系统+设计文档（毕业设计）.zip

基于python深度学习的人脸识别门禁系统+设计文档（毕业设计）项目介绍这是一个基于深度学习的人脸识别门禁系统，可用于企业、社区等需要进行人员身份识别和权限管理的场景。系统采用深度学习技术进行人脸检测和识别，支持用户管理、权限控制、访问日志记录等功能。主要功能人脸识别：使用深度学习模型识别人脸，支持多人脸识别用户管理：支持注册、删除、查询用户及其权限访问控制：基于用户角色和权限等级控制门禁访问访客管理：支持临时访客创建与权限控制日志记录：自动记录所有访问尝试，支持日志查询设备管理：支持多设备管理和状态监控系统要求 Python 3.7+ OpenCV dlib face_recognition PyQt5 (桌面版UI) Flask (Web服务) 摄像头设备(可选，支持模拟模式) 模拟模式说明为了方便在没有摄像头的环境下使用和演示，系统支持以下几种模拟模式： 1. 样本图像模拟从预设的样本图像文件夹中随机选择人脸图像，模拟摄像头输入。适合基本功能测试和演示。 2. IP摄像头模式通过网络连接到IP摄像头或使用手机作为摄像头（通过IP Webcam等应用）。这种模式可以在没有物理摄像头的电脑上使用手机摄像头作为输入源。使用方法：在手机上安装IP Webcam应用启动应用并记录提供的URL地址在系统设置中选择"IP摄像头"模式并输入URL 3. 场景模拟模式按顺序播放特定场景下的一系列图像，用于模拟特定的应用场景如人员接近、识别和通过的完整流程。系统内置多个预设场景，也支持创建自定义场景。门禁系统模拟元素系统提供了丰富的门禁模拟元素，增强真实感和用户体验： 1. 开关门动画效果系统包含精心设计的开关门动画序列，可视化显示门禁状态变化。这些动画显示：门的开启/关闭过程权限验证状态操作进度百分比 2. 声音提示系统集成声音反馈提供多种音效：访问授权提示音拒绝访问警告音开门/关门操作音安全警报音效 3. 门禁状态显示直观显示门禁系统当前状态：门开启/关闭状态锁定/解锁状态最近访问记录 AidLux平台优化本系统专为AidLux平台优化，确保在Android设备上流畅运行： 1. 自动平台适配自动检测AidLux平台并应用优化配置智能调整图像处理参数，降低资源占用根据设备性能动态调整识别频率 2. 多摄像头API支持支持AidLux多种摄像头API (CVS, Camera, OpenCV) 摄像头故障自动恢复机制摄像头不可用时自动切换到模拟模式 3. 手机摄像头集成支持通过IP Webcam使用手机摄像头内置摄像头连接测试工具 URL格式自动验证和错误提示 4. Web界面优化响应式界面设计，适配不同屏幕尺寸触控友好的交互元素实时状态更新和动画反馈 5. 原生TFLite模型加速利用AidLux原生API加载和推理TFLite模型支持GPU和CPU加速，提高性能优化内存使用，降低资源占用活体检测功能系统集成了先进的活体检测技术，有效防止照片、视频等欺骗手段： 1. 眨眼检测通过面部特征点跟踪眼睛状态变化分析眼睛宽高比(EAR)实时变化要求用户完成眨眼动作确认真人 2. 面部特征点分析检测468个面部特征点，精确捕捉面部微表情实时分析面部特征点变化，识别自然面部运动可视化面部特征点，增强用户体验 3. 姿态变化检测分析头部姿态变化，防止静态照片欺骗检测自然的头部运动模式结合多种特征提高检测准确性 4. 安全流程设计用户尝试访问时自动启动活体检测声音和视觉提示引导用户完成验证多级验证机制，确保安全性 5. TFLite模型支持使用轻量级TFLite模型进行面部特征点检测支持离线运行，无需网络连接针对AidLux平台优化，提供高效推理注意：首次使用系统前，请确保已下载所需的TFLite模型文件到models目录。如果模型文件不存在，系统将自动尝试下载。快速开始安装所需依赖： pip install -r requirements.txt 运行桌面应用： python app/main.py 运行AidLux版本（适用于Android设备）： python app/aidlux_main.py 操作指南模拟模式设置进入"系统管理"标签页勾选"启用模拟模式" 选择需要的模拟类型（样本图像/IP摄像头/场景模拟）根据选择的模式配置相关参数点击"应用设置"保存变更添加样本图像进入"系统管理"标签页，启用模拟模式点击"添加样本图像"按钮选择一个或多个包含人脸的图像文件图像将被添加到系统的样本库中创建场景模拟进入"系统管理"标签页，启用模拟模式并选择"场景模拟"

2025-04-29

ECG5000心电图数据集.zip

"ECG5000" 的原始数据集是从 Physionet 下载的 20 小时长 ECG。该数据库名为 BIDMC 充血性心力衰竭数据库（chfdb），记录为 "chf07"。数据经过两个步骤的预处理：(1) 提取每个心跳，(2) 使用插值将每个心跳调整为相同长度。该数据集最初用于论文 "一个通用框架用于从时间序列流中实现永无止境的学习"，DAMI 29(6)。之后，随机选择了 5,000 个心跳。患者患有严重的充血性心力衰竭，类别值通过自动注释获得。

2025-07-04

matlab实现基于QPSK调制分析4种不同的信道（高斯信道、瑞利信道、莱斯信道、Natagami信道）在不同信噪比下的误码率性能.zip

matlab实现基于QPSK调制分析4种不同的信道（高斯信道、瑞利信道、莱斯信道、Natagami信道）在不同信噪比下的误码率性能.zip 主要功能模拟和分析高斯信道、瑞利信道、莱斯信道和Natagami信道的性能使用QPSK调制对不同信道进行BER性能分析显示不同信噪比下的动态星座图变化

2025-06-28

近五年蓝桥杯国赛和省赛的试题和代码.zip

2025-06-27

蓝桥杯的练习题解集合（含入门训练、基础练习、算法训练和算法提高等不同难度的编程题目）.zip

蓝桥杯的练习题解集合（含入门训练、基础练习、算法训练和算法提高等不同难度的编程题目

2025-06-27

蓝桥杯-省赛和国赛的真题（较全）.zip

2025-06-27

python实现基于多尺度通道注意力模块的单图像运动去模糊与超分辨系统-带使用说明文档-模型（可训练预测）.zip

python实现基于多尺度通道注意力模块的单图像运动去模糊与超分辨系统_带使用说明文档_模型（可训练预测）【项目介绍】项目是一个单图像联合运动去模糊和超分辨率的解决方案,使用了多尺度通道注意力模块。该项目基于MPRNet和TLSC实现,使用REDS数据集进行训练和评估。【功能】实现单图像联合运动去模糊和超分辨率采用三阶段训练策略:先训练去模糊模块,再训练超分辨率模块,最后联合训练整个网络提供预训练模型和评估脚本【技术】 PyTorch 1.8.1 Python 3.7 OpenCV, Scikit-image等常用计算机视觉库含有训练、预测测试代码，并带预训练模型文件新项目，欢迎下载评审使用！

2025-06-26

图像去雾系统-基于对偶生成对抗网络pytorch框架实现（完整python源码+模型+使用说明）.zip

图像去雾系统-基于对偶生成对抗网络pytorch框架实现（完整python源码+模型+使用说明）含有两个生成器和辨别器本项目中为同样结构，生成器为U-Net，辨别器为PatchGan的辨别器 G_A：有雾生成无雾 G_B: 无雾生成有雾 D_A: 辨别G_B生成的有雾图像，输入为6通道 D_B: 辨别G_A生成的无雾图像，输入为6通道 train.py用来训练网络 predict.py用来预测无雾图像预训练好的模型在model下预测方法将要训练的图片放到data_path的hazy下运行predict.py并输入需要的参数即可 ps:dual.py为未拆分的初始代码，训练、预测结果均出自dual.py，未测试拆分后代码的可行性由于生成器文件过大，model中只包含了辨别器训练好的模型

2025-06-26

基于Opencv+深度学习技术的手语翻译器项目python源码含说明文档.zip

基于Opencv+深度学习技术的手语翻译器项目python源码含说明文档. 一个使用深度学习技术的手语翻译器,可以通过实时视频流从摄像头中识别手语手势。该项目旨在为全球7000万聋人提供一种独立的日常交流工具。功能如下：使用OpenCV捕捉手势并建立手势数据库使用Keras训练卷积神经网络模型进行手语手势识别实时预测手语手势并显示翻译结果用到技术栈如下： Python、TensorFlow、Keras、OpenCV 【项目说明】 1.多数小白下载后，在使用过程，可能会遇到些小问题，若自己解决不了，请及时私信描述你的问题，我会第一时间提供帮助，也可以远程指导 2.项目代码完整可靠，但难度适中，满足一些毕设、课设要求，且属于易上手的优质项目，项目内基本都有说明文档，按照操作即可，遇到困难也可私信交流 3.适用人群：各大计算机相关专业行业的在校学生、高校老师、公司程序员等下载使用 4.特别是那种爱钻研学习的学霸，强烈推荐此项目，可以二次开发提升自己。拿来作毕设、课设直接用也行，不过尽量弄懂项

2025-06-24

基于matlab和python机器学习的电力系统故障检测和分类系统含源码+数据集+设计文档（期末课设）.zip

基于matlab和python机器学习的电力系统故障检测和分类系统含源码+数据集+设计文档（期末课设）.zip 项目是一个基于MATLAB和机器学习的电力系统故障检测和分类系统。它模拟了一个电力系统,并在传输线上引入了6种不同类型的故障。然后使用sklearn实现了8种不同的机器学习模型,并选择了最合适的模型用于故障检测和分类。【功能介绍】使用MATLAB Simulink建立电力系统模型在传输线上引入6种不同类型的故障使用机器学习模型(包括逻辑回归、多项式回归、神经网络等)进行故障检测和分类选择最合适的模型用于实际应用【技术栈】 MATLAB Sklearn Python 【项目说明】 1.多数小白下载后，在使用过程，可能会遇到些小问题，若自己解决不了，请及时私信描述你的问题，我会第一时间提供帮助，也可以远程指导 2.项目代码完整可靠，但难度适中，满足一些毕设、课设要求，且属于易上手的优质项目，项目内基本都有说明文档，按照操作即可，遇到困难也可私信交流 3.适用人群：各大计算机相关专业行业的在校学生、高校老师、公司程序员等下载使用 4.特别是那种爱钻研学习的学霸，强烈推荐此项目，可以二次开发提升自己。拿来作毕设、课设直接用也行，不过尽量弄懂项

2025-06-19

8种人脸表情检测和情绪分类系统-基于YOLOV5和RepVGG实现（含源码+模型+设计文档等）.zip

8种脸表情检测和情绪分类系统-基于YOLOV5和RepVGG实现（含源码+模型+设计文档等） emotion/ ├── models/ │ ├── … # YOLOv5/YOLOv7 模型定义、配置脚本等 ├── utils/ │ ├── … # 工具脚本，如绘图、Non‑Max‑Suppression、视频处理等 ├── weights/ │ ├── … # 训练或推理使用的模型权重文件 ├── emotion.py # 封装 emotion inference 的核心类/函数 ├── emotions.png # 演示的情绪分类可视化图 ├── env.yaml # Conda 环境依赖文件 ├── example.png # 示例输入图片 ├── main.py # CLI 程序入口，支持命令行参数调用 ├── repvgg.py # RepVGG 模型定义（用于 emotion 分类） ├── requirements.txt # pip 安装依赖列表 └── 设计文档.md # 项目使用设计说明输入来源：支持单张图片、文件夹或视频流人脸检测：YOLO 模型识别图像中人脸，返回 bounding boxes 特征裁剪：按照 boxes 裁剪图像区域供情绪模块推理情绪分类：RepVGG 对各 crop ROI 做分类，输出情绪类别与置信度结果输出：在图像上绘制 bounding box、情绪标签、置信度、FPS 等信息保存带注释的图像/视频或输出到控制台后处理技术：NMS、置信度过滤

2025-06-18

基于Python-Flask的农作物病虫害识别系统+设计报告文档（Paddle框架部署）.zip

主要功能使用Paddle深度学习框架训练的农作物病虫害分类模型提供Web服务接口，用户可以上传图片进行病虫害识别将识别结果存储在数据库中，提供历史记录查询功能【项目说明】 1.多数小白下载后，在使用过程，可能会遇到些小问题，若自己解决不了，请及时私信描述你的问题，我会第一时间提供帮助，也可以远程指导 2.项目代码完整可靠，但难度适中，满足一些毕设、课设要求，且属于易上手的优质项目，项目内基本都有说明文档，按照操作即可，遇到困难也可私信交流 3.适用人群：各大计算机相关专业行业的在校学生、高校老师、公司程序员等下载使用 4.特别是那种爱钻研学习的学霸，强烈推荐此项目，可以二次开发提升自己。拿来作毕设、课设直接用也行，不过尽量弄懂项

2025-06-17

基于两阶段扩散模型的多分辨率降水图像长期预报系统python源码+运行说明（毕设）.zip

基于两阶段扩散模型的多分辨率降水图像长期预报系统python源码+运行说明（毕设）.zip 【项目说明】 1.多数小白下载后，在使用过程，可能会遇到些小问题，若自己解决不了，请及时私信描述你的问题，我会第一时间提供帮助，也可以远程指导 2.项目代码完整可靠，但难度适中，满足一些毕设、课设要求，且属于易上手的优质项目，项目内基本都有说明文档，按照操作即可，遇到困难也可私信交流 3.适用人群：各大计算机相关专业行业的在校学生、高校老师、公司程序员等下载使用 4.特别是那种爱钻研学习的学霸，强烈推荐此项目，可以二次开发提升自己。拿来作毕设、课设直接用也行，不过尽量弄懂项

2025-06-13

毕业设计基于扩散模型的乳腺X光图像生成系统源码.zip

2025-06-13

基于STM32F769开发板和emWin图形库实现的数字可编程直流稳压电源（含全部资料）.zip

基于STM32F769开发板和emWin图形库实现的数字可编程直流稳压电源（含全部资料）.zip 基于STM32F769开发板的硬件设计使用emWin图形库实现人机交互界面实现数字可编程直流稳压电源的功能技术栈 STM32F769开发板 emWin图形库 C语言

2025-06-12

基于人工智能和机器学习技术实现农作物产量预测项目python源码+数据集+说明文档.zip

基于人工智能和机器学习技术实现农作物产量预测项目python源码+数据集+说明文档. 这个项目旨在利用人工智能和机器学习技术来预测作物产量。该项目集成了来自各种来源的数据,包括天气数据、土壤参数等,并应用多元线性回归算法进行预测分析,以帮助农民选择最适合当前环境条件的作物,从而提高作物产量和农民的利润。主要功能点整合来自不同来源的数据,包括天气数据和土壤参数应用机器学习算法(多元线性回归)进行作物产量预测为农民提供最适合当前环境条件的作物选择建议通过数据分析和预测,帮助农民提高作物产量和【项目说明】 1.多数小白下载后，在使用过程，可能会遇到些小问题，若自己解决不了，请及时私信描述你的问题，我会第一时间提供帮助，也可以远程指导 2.项目代码完整可靠，但难度适中，满足一些毕设、课设要求，且属于易上手的优质项目，项目内基本都有说明文档，按照操作即可，遇到困难也可私信交流 3.适用人群：各大计算机相关专业行业的在校学生、高校老师、公司程序员等下载使用 4.特别是那种爱钻研学习的学霸，强烈推荐此项目，可以二次开发提升自己。拿来作毕设、课设直接用也行，不过尽量弄懂项

2025-06-08

利用卷积神经网络(CNN)和深度学习来检测和分类植物疾病的创新性机器学习项目（含源码+模型+操作说明+web页面）.zip

利用卷积神经网络(CNN)和深度学习技术来检测和分类植物疾病的创新性机器学习项目。它旨在为农民和农业专家提供一个有价值的工具,快速诊断植物健康状况,从而及时采取措施,减少作物损失的风险。功能介绍：利用CNN模型对植物叶子图像进行分类,识别是否存在疾病。提供一个基于Streamlit的Web应用程序,用户可以上传植物图像并获得实时的疾病预测结果。提供训练好的模型权重文件,方便用户直接使用。技术栈 Python Keras TensorFlow OpenCV Streamlit 【项目说明】 1.多数小白下载后，在使用过程，可能会遇到些小问题，若自己解决不了，请及时私信描述你的问题，我会第一时间提供帮助，也可以远程指导 2.项目代码完整可靠，但难度适中，满足一些毕设、课设要求，且属于易上手的优质项目，项目内基本都有说明文档，按照操作即可，遇到困难也可私信交流 3.适用人群：各大计算机相关专业行业的在校学生、高校老师、公司程序员等下载使用 4.特别是那种爱钻研学习的学霸，强烈推荐此项目，可以二次开发提升自己。拿来作毕设、课设直接用也行，不过尽量弄懂项

2025-06-06

新毕设-基于flask+web+LSTM和GRU算法的车流量预测系统源码（含数据+模型+详细文档资料）.zip

新毕设_基于flask+web+LSTM和GRU算法的车流量预测系统源码（含数据+模型+详细文档资料）.zip 一个基于LSTM和GRU算法的车流量预测模型。项目包含数据清洗、模型训练、预测等功能,并提供了一个基于Flask框架的Web应用程序用于展示预测结果。主要功能数据清洗和扩充 LSTM和GRU模型训练及评估基于静态和动态时间步的车流量预测基于Flask的Web应用程序展示预测结果【项目说明】 1.多数小白下载后，在使用过程，可能会遇到些小问题，若自己解决不了，请及时私信描述你的问题，我会第一时间提供帮助，也可以远程指导 2.项目代码完整可靠，但难度适中，满足一些毕设、课设要求，且属于易上手的优质项目，项目内基本都有说明文档，按照操作即可，遇到困难也可私信交流 3.适用人群：各大计算机相关专业行业的在校学生、高校老师、公司程序员等下载使用 4.特别是那种爱钻研学习的学霸，强烈推荐此项目，可以二次开发提升自己。拿来作毕设、课设直接用也行，不过尽量弄懂项

2025-06-06

课设项目基于Node.js 的微信公众号文章爬虫源码+部署教程（获取内容、阅读量、点赞量、评论等）.zip

课设项目基于Node.js 的微信公众号文章爬虫源码+部署教程（获取内容、阅读量、点赞量、评论等）基于 Node.js 的微信爬虫，通过中间人代理的原理，批量获取微信文章数据，包括阅读量、点赞量、在看数、评论和文章正文等数据。使用代理模块 AnyProxy。代码已支持 AnyProxy 4 版本。支持 Docker 部署。项目可运行在个人电脑上，也可部署在服务器上。开始安装前准备安装 Node，推荐版本 16 安装 MongoDB，最近版本即可安装 Redis，最近版本即可功能通过中间人代理的方式,批量获取微信公众号的文章数据支持自动翻页获取公众号的历史文章支持自定义配置,如控制抓取范围、是否保存文章正文等提供可视化界面,方便查看抓取的数据

2025-06-06

课程作业基于 JSP+Servlet开发的个人博客网站项目源码+数据库+使用说明文档.zip

基于 JSP+Servlet开发的个人博客网站项目源码+数据库+使用说明文档.zip 简介 java web博客网站，尽最大可能实现mvc模式，没有使用到框架，实现了首页预览，文章发布，点赞，评论，Markdown格式编写，分类，标签，阅读排行，时间轴，管理员管理博客，访客记录等。主要涉及到的知识点有jsp,servlet,mysql,bootstrap,html/css/js,ajax,json 数据库连接池使用了c3p0 你可以在src/c3p0-config.xml配置连接池和数据库信息 Markdown编辑器使用了editor.md 快速运行配置 src/c3p0-config.xml 修改你的数据库信息，确认能建立连接。运行建表sql建立表 src/myblog.sql,可以在此任意插入一些数据以便检查。搭建服务器环境,如 eclipse、tomcat 导入整个demo. localhost:xxx/blog/ 访问数据库数据库的设计不是很合理，仅作DEMO，当然你可以重新设计数据库。你可以在src/目录下找到详细的sql文件。 t_article - 文章表 t_article_delet - 删除的文章表避免误删(不过作用不大) t_comment - 评论表 t_tag - 文章的标签表 t_user - 管理员表 t_visitor - 访问记录表目录介绍 java blog/ajax 接受ajax请求的servlet blog/dao 数据库接口类 blog/daoImple 数据库接口实现类 blog/db 非主要业务的数据库操作 blog/filter 过滤器 blog/junit 测试包 blog/model bean包 blog/service 面向web的服务层 blog/servlet 主要的控制器serv

2025-06-03

毕设作品基于stm32的智能家居系统设计源码及全部资料+PPT+论文.zip

毕设作品基于stm32的智能家居系统设计源码及全部资料+PPT+论文.zip [论文目录] 第1章绪论 1 1.1 概述 1 1.2 国内外研究现状 1 1.3 研究目标和内容 2 第2章功能设计和方案选择 4 2.1 整体方案设计分析 4 2.2 无线数据传输方案选型 4 2.2.1 无线通信技术 4 2.2.3 服务器、数据库实现方式 5 2.3 硬件方案选型 5 2.3.1 硬件总体设计 5 2.3.2 控制器选型 6 2.3.3 硬件显示屏选型 6 2.3.4 Wifi模块选型 7 2.3.5 烟雾传感器选型 7 2.3.6 温湿度传感器选型 8 2.3.7 光照传感器选型 8 2.3.8 人体感应模块HC-SR501 8 2.4 本章小结 9 第3章硬件电路设计 10 3.1 硬件结构设计 10 3.2 硬件原理图设计 11 3.2.1 电源电路 11 3.2.2 TFT模块显示电路 11 3.2.3 ESP8266-01S应用电路 12 3.2.4 STM32F103C8T6核心板电路 12 3.2.5 蜂鸣器报警电路 13 3.2.6 RGB控制电路 13 3.2.7 步进电机控制电路 13 3.2.8 DHT22传感器电路 14 3.2.9 MQ4传感器电路 14 3.2.10 BH1750传感器电路 15 3.3 本章小结 16 第4章软件设计 17 4.1 软件设计分析 17 4.1.1 硬件装置应用程序结构分析 17 4.1.2 网站终端展示程序结构分析 18 4.2 硬件应用程序设计 18 4.2.1 初始化程序设计 18 4.2.2 OneNET云平台简介 20 4.2.3 MQTT协议简介 21 4.2.4 MQTT协议数据包格式 22 4.2.5 云平台通信程序设计 24 4.2.6 云平台上传与接收程序设计 24

2025-05-27

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人