ai12345678900008的博客

原创 深度学习知识目录

yolov1官方论文全文翻译[附个人理解]_yolov1论文-优快云博客卷积神经网络(LeNet)详解-优快云博客01知识蒸馏的基本概念-优快云博客02知识蒸馏与剪枝的区别_模型剪枝和蒸馏的区别-优快云博客03知识蒸馏与剪枝技术的实际应用对比-优快云博客04最常用-离线蒸馏-优快云博客05参数蒸馏的基本概念-优快云博客06离线蒸馏好还是在线蒸馏好？_离线蒸馏和在线蒸馏的核心区别是-优快云博客Gradio搭建YOLO检测、分割、关键点检测代码_gradio yolo-优快云博客DEIM论文精

原创 机器学习笔记目录大纲

D1时间序列的脚本概念-优快云博客D2时间序列的建立过程-优快云博客D3-1-LSTM时间序列的知识点分析-优快云博客D3-2-LSTM时间序列的实际操作-优快云博客D4-时间序列预测中的异常值检测方法（4大类8种）-优快云博客D5-异常值处理方法（6大类10种）-优快云博客D6-基于Bi-LSTM横向搭配LSTM进行回归问题解决-优快云博客D6-基于Bi-LSTM横向搭配LSTM代码实现-优快云博客D7-时间预测用SCINet实现滚动预测功能代码实现-优快云博客D8-DLinear模型实

原创 Python目录

本文汇总了Python编程相关的系列技术文章，内容涵盖多个领域：1）Python基础包括面向对象、魔术方法、并发编程、网络编程等；2）图像处理与OpenCV应用；3）Web开发框架Django和FastAPI的详细教程；4）自动化测试相关内容；5）爬虫技术；6）其他实用技术如Gradio应用、色差分析算法等。文章从基础概念到实际应用，系统性地介绍了Python在各个领域的技术实现，适合不同层次的Python开发者参考学习。

原创 目标检测算法改进目录

本文探讨了YOLO系列算法的改进与应用，包括知识蒸馏、移动端部署（手机/嵌入式）等优化方向。同时介绍了RTDETR、DEIM等改进方案，以及Dino、分割算法在多模态任务中的应用。研究重点聚焦知识蒸馏技术在不同模型间的迁移应用，展现了目标检测算法在精度和效率上的持续优化路径。

原创 AI Agent与LangChina目录

《LangChain框架入门系列》全面介绍了这一AI开发工具的核心组件与应用。内容涵盖基础概念（Prompt模板、输出解析器、LCEL表达式）、关键技术（RAG架构、文档加载器、文本分割器）、核心模块（记忆组件、文本嵌入、Retrievers检索器）及向量数据库实践（Weaviate/Qdrant/Chroma）。特别包含LangSmith监控工具详解和Ollama向量生成等进阶技巧，以及历史消息存储等关键知识点，为开发者提供从基础到实战的完整学习路径。（149字）

原创 机器学习笔记目录大纲

机器学习——科学计算库(Numpy,Matplotlib,Pandas）-优快云博客pyTorch可视化工具——TensorBoard基础函数展示(API)-优快云博客pyTorch——基础学习笔记-优快云博客机器学习-感知机-优快云博客

原创 传统学习预测算法的总结

本文系统探讨了预测问题的多种技术方案，涵盖传统算法到深度学习。从基础的线性回归、逻辑回归到集成方法（随机森林、XGBoost等），以及神经网络(MLP)，详细分析了原理、应用案例及对比评估。特别对正则化回归（岭回归、Lasso）、支持向量回归(SVR)和梯度提升算法(XGBoost/LightGBM/CatBoost)进行实战解析，并介绍了回归/分类问题的评价指标。内容兼具理论深度与实践指导性，为预测建模提供了全面的技术参考。

原创 Java知识点目录

原创 C++ 目录大纲

主要记录C++的博文大纲，可以通过本链接跳转到对应的博文上去。

原创 matlab数字信号处理入门简介

摘要：离散信号时域分析是数字信号处理的基础，主要研究离散信号x[n]在时间域的特征，包括均值、能量、峰值等统计量计算，以及自相关、差分、滤波等分析方法。这些技术在音频处理、通信系统、工业监测、生物医学和金融分析等领域有广泛应用，如音量检测、故障预警、心电分析等。同时，时域分析与频域分析（如FFT）结合，可全面评估信号特性，为滤波器设计、系统稳定性和信号增强等工程问题提供解决方案。

原创 第十八课程点云的读写与显示详细解析版本

本文介绍了Open3D库在点云处理中的多种应用方法。主要内容包括：1）点云文件的读写与可视化，支持PCD、PLY等格式；2）点云包围盒（AABB和OBB）的计算与显示；3）基于高度的点云赋色技术，包括伪彩色和热力图渲染；4）点云体素化处理方法；5）带有强度信息的点云处理；6）使用Jet颜色映射的点云可视化。文中详细说明了各功能的关键函数和参数设置，并提供了完整的Python代码实现示例，为点云数据处理和分析提供了实用参考。

原创 第十六课程Open3D点云数据处理:最小二乘

本文介绍了最小二乘直线拟合与多项式拟合的多种实现方法。在二维直线拟合中，通过公式法和矩阵方程法计算斜率和截距，并给出可视化示例。对于三维点云数据，展示了基于Open3D库的直线拟合实现，包括拟合方程推导和评估指标计算（残差平方和、均方误差等）。此外，还详细介绍了多项式拟合的实现，包括使用numpy库的现成方法和手写实现，均包含拟合效果可视化及误差评估。所有方法均附有完整代码示例，适用于不同维度的数据拟合需求。

原创 第十五课Open3D点云数据处理：体素滤波之近似体素质心、中心下采样

摘要：本文介绍了三种点云体素下采样方法：体素质心下采样、体素中心下采样和近似体素质心下采样。重点分析了近似体素质心下采样的原理，该方法通过计算体素内点云的质心，并保留距离质心最近的原有点，既保持点云特征又减少数据量。文中提供了基于Open3D的Python实现代码，包括单行实现和函数封装两种形式，并展示了可视化效果。该方法适用于需要保留原始点云特征的点云降采样场景。

原创 第十四课Open3D点云数据处理：体素滤波之体素质心下采样

本文介绍了点云体素下采样的原理与实现方法。体素下采样通过将点云分割为小立方体单元，保留每个体素内的代表性点（质心或中心点）来实现数据降维。文章详细比较了三种下采样方式：体素质心下采样（计算质心）、体素中心下采样（使用几何中心）和近似体素质心下采样（保留离质心最近的点），分析了各自的优缺点。同时提供了基于Open3D库的体素下采样代码实现，包括直接调用API和自主实现质心计算两种方法，并封装为可复用函数。实验通过可视化对比展示了不同下采样方式的效果，为点云数据处理提供了实用参考。

原创 第十三课Open3D点云数据处理：半径-中值组合滤波

本文介绍了使用Open3D实现点云半径-中值组合滤波的方法。通过KDTree进行邻域搜索，先对每个点进行半径滤波（删除邻域点数小于阈值的点），再对保留的点进行中值滤波（用邻域点坐标中位数更新当前点坐标）。文章提供了两种实现方式：代码行实现和封装函数实现，并包含可视化代码，可对比显示原始（红色）和滤波后（绿色）点云。该方法能有效去除噪声点并平滑点云数据，适用于桌面等场景的点云处理。

原创 第十二课Open3D点云数据处理：半径-均值组合滤波

本文介绍了一种基于Open3D库的半径-均值组合滤波算法。该算法首先通过半径滤波移除稀疏点（邻域点数小于阈值），然后对保留的点进行均值滤波（用邻域点坐标均值更新位置）。文章详细展示了算法实现过程，包括KDTree邻域搜索、点云处理和数据可视化，并将核心功能封装为可调用的函数。该方法能有效去除离群点并平滑点云数据，适用于三维点云预处理。代码示例完整，包含参数设置、滤波执行和结果对比可视化功能。

原创 第十一课Open3D点云数据处理：中值滤波

点云中值滤波通过将每个点的坐标替换为其邻域点坐标的中位数来实现去噪。与均值滤波相比，中值滤波能更好地保留细节信息，适用于处理非均匀噪声。算法实现基于KDTree进行邻域搜索，计算邻域点坐标中位数并更新当前点位置。关键参数是滤波半径，过大过小都会影响效果。代码实现展示了如何使用Open3D库完成中值滤波，包括基础实现和函数封装两种方式。该方法保持点云总数不变，仅改变点位置，适用于多种点云去噪场景。

原创 第十课Open3D点云数据处理：均值滤波

摘要：点云均值滤波通过计算邻域点坐标平均值来平滑数据，适用于平稳噪声去除但会损失细节。相比中值滤波，均值滤波窗口较小，而中值滤波能更好保留细节。文中提供了基于Open3D的Python实现代码，包括KdTree邻域搜索和坐标均值计算，并封装为可复用函数。代码展示了原始点云（红色）与滤波结果（绿色）的可视化对比。该方法能有效平滑点云，但需根据噪声特性选择合适滤波方式。

原创 第九课Open3D点云数据处理：直通滤波

本文介绍了点云直通滤波(PassThroughFilter)的原理和实现方法。直通滤波通过设定坐标轴范围来保留特定区域内的点云，可应用于地面提取、异常值剔除等场景。文章提供了两种实现方式：一种是基于坐标索引筛选的常规方法，另一种是使用AABB包围盒的裁剪方法。两种方法都支持x/y/z轴向滤波，并给出了Python代码示例和优化方案。文中还展示了如何通过着色区分滤波结果与噪声点云，以及封装通用滤波函数的方法。这些技术能有效提高点云处理效率和精度。

原创 第八课 Open3D点云数据处理：统计滤波

摘要：三维点云统计滤波基于高斯分布模型，通过分析点邻域距离分布特征去除噪声。Open3D中的remove_statistical_outlier函数需设置K近邻点数(num_neighbors)和标准差系数(std_ratio)，返回内点点云及其索引。通过select_by_index可提取内点(蓝色)和噪声点(红色)。代码实现包含直接调用和封装函数两种方式，后者通过display_inlier_outlier函数实现结果可视化，提高代码复用性。该方法能有效分离有效点云数据和噪声。

原创 YOLOv8 + ONNX Runtime + OpenCV 的完整推理流程

本文介绍了基于ONNXRuntime和OpenCV的YOLOv8目标检测实现流程。主要内容包括：1) 加载ONNX模型并初始化运行环境；2) 图像预处理采用letterbox保持比例和blob标准化；3) ONNX推理获取输出特征；4) 后处理包含置信度筛选、坐标转换和NMS非极大值抑制；5) 在图像/视频上绘制检测框并显示FPS。代码实现了从静态图像到实时视频的全流程目标检测，包含模型输入输出处理、推理加速和结果可视化等关键技术点，为基于深度学习的目标检测提供了完整实现方案。

原创 第七课 Open3D点云数据处理：半径滤波

摘要：三维点云半径滤波通过设定半径R和最小邻居数Nt来去除噪声点。Open3D中可使用remove_radius_outlier函数实现，参数包括搜索半径radius和最小邻居数min_neighbors。该函数返回滤波后点云和原始索引，可通过select_by_index提取结果点云（蓝色）和噪声点云（红色）。示例代码展示了完整流程：加载点云、执行滤波、可视化结果并保存。该方法能有效分离有效点云与噪声，适用于点云预处理。

原创 open3d基础教程案例(python版本)

第一课：Open3D学习笔记-优快云博客Open3D点云数据处理（二）：读写点云_如何将带颜色的点云转为数组-优快云博客第三课:Open3D点云数据处理:点云格式转换-优快云博客第四课Open3D点云数据处理：读写网格模型（mesh）与格式转换-优快云博客第五课-Open3D点云数据处理：点云、mesh可视化（draw_geometries方法）-优快云博客第六课Open3D点云数据处理：点云、mesh可视化（Visualizer类）-优快云博客

原创 第六课Open3D点云数据处理：点云、mesh可视化（Visualizer类）

Open3D的Visualizer类提供了强大的3D可视化功能，支持点云和网格数据的交互式展示。通过create_window()创建窗口，add_geometry()添加对象，并可设置背景色、点大小、法线显示等渲染参数。演示了单/多点云可视化、法线显示、网格三角面展示等功能，支持平移、全屏切换等操作。典型应用包括加载PLY文件、拷贝平移对象、显示坐标轴等，适用于3D数据处理和分析场景。

原创 第五课-Open3D点云数据处理：点云、mesh可视化（draw_geometries方法）

本文介绍了Open3D库中的draw_geometries()方法及其参数配置，重点演示了mesh网格的可视化应用。该方法支持设置窗口属性（标题、大小、位置）和显示效果（法向量、网格线、背面显示），并可通过lookat、up、front和zoom参数调整观察视角。文章通过多个示例展示了不同参数组合下的可视化效果，包括基础mesh显示、网格线开关对比、背面显示控制以及多mesh同时可视化。其中特别指出mesh_show_back_face参数需在mesh_show_wireframe开启时生效，并通过Arma

原创 第四课Open3D点云数据处理：读写网格模型（mesh）与格式转换

本文介绍了Open3D库中三角网格(Mesh)的加载、保存和格式转换功能。在加载方面，详细说明了read_triangle_mesh()函数的参数和使用方法，包括文件路径、后处理选项和进度显示控制，并提供了可视化示例和读取成功判断方法。在保存功能中，阐述了write_triangle_mesh()函数的各项参数配置，包括输出格式、压缩选项和数据保留设置。最后，文章展示了如何将PLY格式转换为其他支持的格式(OBJ、STL、OFF、GLTF)，特别强调STL转换前需要计算顶点法线。所有操作均配有完整代码示例，

原创 第三课:Open3D点云数据处理:点云格式转换

本文介绍了Open3D支持的多种点云数据格式及其转换方法。主要点云格式包括xyz（坐标）、xyzn（坐标+法向量）、xyzrgb（坐标+颜色）、pts（含属性数据）、ply（点云/网格）和pcd（PCL专用格式）。文章详细演示了使用Open3D库进行点云格式转换的Python代码示例，包括pcd转ply（支持二进制和ASCII）、pcd转xyz、pcd转xyzrgb（含颜色渐变处理）以及pcd转pts等常见转换操作。所有转换过程均包含数据加载、格式转换、保存和可视化验证步骤，为点云数据处理提供了实用参考。

原创 paddleocr的运行脚本代码

摘要：该代码使用PaddleOCR的PPStructureV3模型进行文档图像处理。通过配置参数启用/禁用文档方向分类、文本矫正、表格识别等功能，并指定服务器版OCR检测和识别模型路径。处理图片后，将结果以JSON、Markdown和图像形式保存到output目录。代码展示了PPStructureV3模型在文档结构化分析中的完整应用流程。

原创 PCL和pointNet的区别是干嘛的

PCL与PointNet技术对比及应用场景分析 摘要： PCL（点云库）与PointNet是点云处理领域的两种核心技术，具有明显差异性和互补性。PCL作为传统点云处理工具库，专注于点云的几何处理（滤波、配准、分割等），采用基于规则的方法；而PointNet作为深度学习模型，专注于点云的语义理解（分类、分割、检测），采用数据驱动方法。二者在自动驾驶、工业制造等领域常协同使用：PCL负责预处理（去噪、下采样），PointNet进行语义分析，再通过PCL进行后处理。后续还发展出PointNet++、PointTr

原创 Open3D点云数据处理（二）：读写点云

Open3D点云处理基础摘要：本文介绍了Open3D库中点云数据的读取、处理和保存方法。通过o3d.io.read_point_cloud函数可加载多种格式的点云文件（如xyz、ply、pcd等），支持移除无效点及进度显示功能。点云数据包含坐标、颜色和法向量等属性，可使用numpy.asarray()转换为数组进行索引访问。o3d.io.write_point_cloud函数提供点云保存功能，支持ASCII/二进制格式及压缩选项。文中还包含判断点云是否加载成功、输出点云信息及可视化等实用代码示例，为3D点云

原创 第一课：Open3D学习笔记

本文介绍了使用Open3D库处理3D点云数据的基本方法。主要内容包括：1）点云的基本概念和数据结构表示；2）通过随机生成点坐标创建点云；3）为点云添加颜色属性；4）可视化点云数据；5）读取本地PCD格式点云文件并获取基本信息。文中提供了完整的Python代码示例，展示了Open3D中PointCloud对象的关键属性和常用操作，如坐标设置、颜色赋值和可视化等。这些基础操作为后续点云数据处理和分析提供了入门指导。

原创 HALCON学习笔记——数据结构

本文介绍了HALCON图像处理中的核心数据结构与操作。主要内容包括：1）图像分类（二值、灰度、RGB）及通道概念；2）多通道图像处理方法，如通道分解/合并、RGB转HSV等；3）图像基本操作，包括创建图像、获取尺寸/灰度值、裁剪等；4）区域分割技术，如阈值分割和区域生长法。文章通过示例代码演示了关键算子的使用，如count_channels、decompose3、threshold等，为HALCON图像处理提供了实用参考。

原创 工业 AWB 算法总览（先给全名）

工业AWB算法主要分为8类：传统算法（灰世界、白点法等）、基于统计的算法（直方图分析、聚类等）、色温估计方法及学习型算法（CNN、GAN等）。传统算法简单快速但易受场景影响；统计方法精度高但计算复杂；学习型算法效果最优但需训练数据。工业应用中，手机拍照常用白点法或CNN，工业检测多用直方图分析或色温估计，复杂场景倾向使用深度学习。不同算法在速度、精度和适应性上各有优劣，需根据具体场景选择。

原创 自动白平衡（AWB） 灰世界假设（Gray World）

摘要：企业级自动白平衡（AWB）需解决复杂光源混合、低光色温偏移等问题。灰世界假设是经典算法，但易受纯色场景干扰导致失效。优化方案通过HSV空间筛选低饱和度像素（S<0.3）参与计算，排除高饱和纯色干扰。实现步骤包括：图像转HSV提取饱和度、生成低饱和掩码、计算有效像素RGB均值、应用增益校正（以G通道为基准），并加入防过曝处理。该方案能有效应对工业场景中的金属反光等色偏问题，提升白平衡准确性。

原创 ROI 约束白平衡（ROI-based WB）

ROI约束白平衡（ROI-basedWB）是一种基于局部参考区域的白平衡校正方法。其核心是通过选取图像中已知色彩特性的ROI区域（如中性灰或标准肤色区域）作为参考，计算RGB通道增益系数，进而校正整幅图像的白平衡。该方法相比传统全局白平衡具有更强的抗干扰能力，尤其适用于复杂光源环境。实现过程包括ROI选择、像素统计、增益计算和全图校正四个步骤，需注意ROI坐标映射和边界保护等工程细节。虽然能显著提升色彩还原准确性，但ROI选择错误会导致校正偏差，需结合自动检测或用户交互确保可靠性。

原创 基于直方图截断的白平衡（Histogram-based WB）

摘要：基于直方图的白平衡方法通过分析RGB各通道的像素分布，截取指定百分位(如1%-99%)作为有效动态范围，然后线性拉伸至0-255区间。该方法基于"弱灰世界假设"，认为正常图像各通道动态范围应相近，通过分布对齐实现稳定鲁棒的颜色校正。相比传统方法，不需要寻找白点或依赖ROI区域，对异常值具有较强鲁棒性。文中还提供了PyQt+OpenCV的实现示例，包含图像加载、直方图截断处理和实时显示功能。

原创 白点算法（White Patch, WP / Max-RGB）

摘要：本文介绍了基于直方图的白平衡算法实现，通过PyQt5和OpenCV构建了交互式演示程序。该算法对图像每个通道进行百分位截断（默认1%-99%），然后线性拉伸至[0,255]范围，相比传统白点算法（Max-RGB）对噪点和极端高光更具鲁棒性。程序提供加载图片和应用白平衡功能，实时显示处理结果，适用于存在白色区域且光源色温一致的场景。

原创 Halcon编程笔记- 边缘检测-Prewitt算子、非极大值抑制

摘要：本文介绍了Prewitt算子和非极大值抑制(NMS)两种图像处理技术。Prewitt算子通过3×3模板进行边缘检测，相比2×2的Robert算子能更明显识别水平和垂直边缘，适用于噪声多、灰度渐变的图像。NMS算法则用于去除冗余检测框，通过迭代比较候选框的IoU值保留最优结果。文中还展示了Halcon代码示例，演示了如何结合Prewitt边缘检测、NMS处理和阈值分割来实现图像分析。

原创 Halcon 灰度直方图示例-演示，区域内灰度直方图的计算与可视化

摘要：本文展示了使用Halcon进行图像处理和灰度直方图分析的流程。首先读取示例图像"fabrik"，创建匹配图像尺寸的显示窗口。然后生成两个矩形区域（红色和绿色），分别计算其灰度直方图（包括绝对和相对直方图）。最后将直方图数据转换为可视化区域对象，使用不同颜色显示。该示例演示了从图像处理到直方图分析的全过程，可用于图像特征分析和区域对比。

原创 Halcon入门笔记-仿射变换

摘要：仿射变换是保持图像"平直性"的几何变换，包括旋转、缩放、平移等操作。其核心是一个2×3变换矩阵，前两列控制旋转和缩放，第三列控制平移。求解仿射变换需要3组对应点来确定6个未知参数。相比透视变换（需要4组点确定8个参数），仿射变换属于二维平面变换。在Halcon中实现步骤为：创建初始化矩阵→叠加平移/旋转/缩放变换→应用于图像/区域/XLD。这种变换在图像处理中应用广泛。