<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Wansit的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/Wansit</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; Wansit]]></copyright><item><title><![CDATA[【零基础学习YOLO】学习路径资料整理（二）]]></title><link>https://blog.youkuaiyun.com/Wansit/article/details/128786986</link><guid>https://blog.youkuaiyun.com/Wansit/article/details/128786986</guid><author>Wansit</author><pubDate>Sun, 29 Jan 2023 11:50:32 +0800</pubDate><description><![CDATA[【零基础学习YOLO】学习路径资料整理（二）]]></description><category></category></item><item><title><![CDATA[【零基础学习YOLO】学习路径资料整理（一）]]></title><link>https://blog.youkuaiyun.com/Wansit/article/details/128786929</link><guid>https://blog.youkuaiyun.com/Wansit/article/details/128786929</guid><author>Wansit</author><pubDate>Sun, 29 Jan 2023 11:39:11 +0800</pubDate><description><![CDATA[零基础学习YOLO-学习路径]]></description><category></category></item><item><title><![CDATA[【YOLO学习笔记——数据集】VOC格式转YOLO格式数据]]></title><link>https://blog.youkuaiyun.com/Wansit/article/details/128786234</link><guid>https://blog.youkuaiyun.com/Wansit/article/details/128786234</guid><author>Wansit</author><pubDate>Sun, 29 Jan 2023 11:31:18 +0800</pubDate><description><![CDATA[VOC格式转YOLO格式数据]]></description><category></category></item><item><title><![CDATA[yolov5改进之加入CBAM,SE,ECA,CA,SimAM,ShuffleAttention,Criss-CrossAttention,CrissCrossAttention多种注意力机制]]></title><link>https://blog.youkuaiyun.com/Wansit/article/details/128783023</link><guid>https://blog.youkuaiyun.com/Wansit/article/details/128783023</guid><author>Wansit</author><pubDate>Sat, 28 Jan 2023 22:47:24 +0800</pubDate><description><![CDATA[yolov5改进之加入CBAM等多种注意力机制]]></description><category></category></item><item><title><![CDATA[yolov3  yolov4  yolov5 yolov6 yolov7 yolov8 yolox 算法改进，算法定制，算法指导]]></title><link>https://blog.youkuaiyun.com/Wansit/article/details/128684521</link><guid>https://blog.youkuaiyun.com/Wansit/article/details/128684521</guid><author>Wansit</author><pubDate>Sat, 14 Jan 2023 13:48:20 +0800</pubDate><description><![CDATA[yolov3  yolov4  yolov5 yolov6 yolov7 yolov8 yolox 算法改进，算法定制，算法指导]]></description><category></category></item><item><title><![CDATA[整数二分 如何确定mid及划分条件]]></title><link>https://blog.youkuaiyun.com/Wansit/article/details/115910535</link><guid>https://blog.youkuaiyun.com/Wansit/article/details/115910535</guid><author>Wansit</author><pubDate>Tue, 20 Apr 2021 16:04:52 +0800</pubDate><description><![CDATA[提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档




文章目录

前言
	一、pandas是什么？
	二、使用步骤
	1.引入库
		2.读入数据
	
	总结




前言



本文主要讲解整数二分mid如何取值

一、mid是什么？

mid是middle的简写



二、mid的两种取值方式

1.mid= (l+r) / 2

2.mid= (l+r+1) / 2





三、为什么会有这两种区分？以及对应的查找方式是什么？

首先讲解一下为什么会有第二种，也就是+1...]]></description><category></category></item><item><title><![CDATA[素数筛(线性筛法)]]></title><link>https://blog.youkuaiyun.com/Wansit/article/details/115439545</link><guid>https://blog.youkuaiyun.com/Wansit/article/details/115439545</guid><author>Wansit</author><pubDate>Mon, 05 Apr 2021 11:37:56 +0800</pubDate><description><![CDATA[提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档




文章目录

前言
	一、pandas是什么？
	二、使用步骤
	1.引入库
		2.读入数据
	
	总结




前言

介绍线性筛法的理论基础及其代码实现

提示：以下是本篇文章正文内容，下面案例可供参考

一、什么是线性筛法？

线性筛法是指在O(n)的复杂度情况下，筛选出所给数的所有质数

二、原理是什么？

1.最小质数

由公理可知，n都可以被分解为多个质数的乘积，那么，在这些质数中，我们总能找到一个最小的数x，那么x就..]]></description><category></category></item><item><title><![CDATA[关于直方图均衡化的理解]]></title><link>https://blog.youkuaiyun.com/Wansit/article/details/89422702</link><guid>https://blog.youkuaiyun.com/Wansit/article/details/89422702</guid><author>Wansit</author><pubDate>Sat, 20 Apr 2019 20:21:29 +0800</pubDate><description><![CDATA[首先这是均衡化之前 imhist(f) 执行的结果



执行g = histeq(f,256) %均衡操作



可以看到原本很窄的分布，却变得很宽。

这里在附上几张图，更好的理解

操作之前的矩阵



操作之后的矩阵

也就是说，比如原本非常窄分布的图像（灰度比较集中分布在一个范围内），但是每个灰度的占比确是不同的

我们有变换公式 新灰度值 = 老灰度的概率*255（这里设定灰度级数是2...]]></description><category></category></item></channel></rss>