EXCE常用技能收集

Excel 查找第一个不为0的数值:

=MIN(IF(B3:G3<>0,B3:G3))

Excel 从下往上查找第一个不为0的值:

可以使用Excel的LOOKUP函数来从下往上查找第一个不为0的值。具体步骤如下:
1.选中需要查找的区域。
2.在公式栏中输入以下公式:`=LOOKUP(2,1/(A1:A10<>0),A1:A10)`,其中A1:A10是需要查找的区域。
3.按下回车键,即可得到从下往上查找第一个不为0的值。

另外,如果需要查找第一个不为0的值所在的行数,可以使用以下公式:
`=MATCH(2,1/(A1:A10<>0),0)`

如果需要查找第一个不为0的值所在的列数,可以使用以下公式:
`=MATCH(2,1/(A1:J1<>0),0)`
### 使用YOLO算法进行小球跟踪的自动驾驶小车 #### 选择合适的YOLO版本 对于小球追踪的任务,考虑到YOLO存在一定的漏检问题特别是针对较小的目标物体[^1]。因此建议优先考虑使用改进后的YOLO变体如YOLOv4或YOLOv5,这些版本在网络结构上进行了优化,在处理小型目标方面表现更好。 #### 数据集准备 为了提高对特定类型小球(比如网球、乒乓球等)的检测精度,需要收集并标注足够的图片数据作为训练集。每张图像应标记出所有出现的小球位置及其类别标签。这一步骤至关重要,高质量的数据能够帮助模型更好地学习特征从而减少误报率和漏检情况的发生。 #### 训练自定义模型 基于已有的预训练权重文件微调(fine-tune),可以加速收敛过程并且获得更好的泛化能力。具体操作如下: ```bash python train.py --data custom_data.yaml --cfg yolov5s.yaml --weights yolov5s.pt ``` 此命令假设读者正在使用yolov5框架,并且已经准备好了一个名为`custom_data.yaml`配置文件以及初始权重`yolov5s.pt`。 #### 集成到自动行驶平台 完成上述步骤之后,下一步就是将训练好的YOLO模型部署至嵌入式设备(例如树莓派),并与摄像头传感器相连接获取实时视频流输入。通过解析每一帧中的预测边界框坐标信息指导车辆运动方向调整策略,最终实现自主导航功能。 #### 开源资源推荐 GitHub上有许多优秀的开源项目可供参考学习,以下是几个较为知名的例子: - [OpenCV-Python](https://github.com/opencv/opencv-python): 提供丰富的计算机视觉工具函数库支持; - [DeepSort-YOLO](https://github.com/nwojke/deep_sort_yolo): 结合SORT多目标跟踪算法增强连续帧间对象一致性判断效果; - [Jetson-Inference](https://github.com/dusty-nv/jetson-inference): NVIDIA官方维护的一个面向边缘计算场景下的推理引擎集合;
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

打赏作者

V_admin

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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