的博客

在出现的界面中，出现设置项目名称和选择解释器，详细说明见下图的中文描述 注意：这里默认使用的 Python 的虚拟环境，如果你不使用虚拟环境，一定要修改。如果出现 Interpreter field is empty 表示 Python 的环境变量有问题。当然我们也可以直接选择，请看下面。选择图中 1，如果 3 位置的下来中选不到 Python.exe， 则点击 2 位置按钮。 选择图中1， 如果 3 位置依然没有出现 Python.exe，则点击 2 位置按钮选择 Python 的安装目录，找到你安装

以服务器作为远程解释器，本地pycharm或vscode调试时出现如下错误：qt.qpa.xcb: could not connect to displayqt.qpa.plugin: Could not load the Qt platform plugin "xcb" in "/home/xx/anaconda3/lib/python3.8/site-packages/cv2/qt/plugins" even though it was found.This application faile

报错：ERROR: Could not find a version that satisfies the requirement futures (from -r requirements.txt (line 1)) (from versions: none)ERROR: No matching distribution found for futures (from -r requirements.txt (line 1))原因：环境变量改变，可以通过指令查看：env |grep -i .

通常我们所说的目标跟踪任务指的是单目标跟踪任务，即给定一个图像序列，在第一帧中给出一个矩形框，然后跟踪算法需要在后续帧中跟踪这个框的内容。视觉中的目标跟踪方法一般被分成两个大类：生成类和判别类模型方法；生成类的方法：在当前帧中对目标区域建模，在下一帧中寻找与模型最为相似的区域认为是预测的目标位置，典型的有卡尔曼滤波器，Mean-shift算法等。判别类方法：当前帧以目标区域为正样本，背景为负样本，极其学习方法训练分类器，然后在下一帧中用训练好的分类器去寻找最优的区域。大部分的视觉跟踪方法都属于这一类

看了很多文章说把导入 tensorflow 语句import tensorflow as tf修改为下面一句即可：import tensorflow.compat.v1 as tftf.disable_v2_behavior()尝试过后出现新的问题出现提示的地方改成即可

# 使用位置参数定义和调用函数# 该函数返回参数x的绝对值 def my_abs(x): if x>=0: return x else return -xresult=my_abs(-2)print(result)# 使用关键字参数定义和调用函数# 该函数输出传入的所有参数def person(name,age,**kw) print('name:',name,'age:',age,'other:',kw)p...