- 博客(5)
- 收藏
- 关注
RSS订阅原创 基于Albumentations的数据增强
前言：Albumentations 是一个用于图像增强（image augmentation）的高性能 Python 库，广泛应用于计算机视觉任务（如分类、检测、分割等）。它专注于高效处理，支持多种图像变换操作，并特别优化了深度学习数据管道的性能。支持几何变换（旋转、裁剪、缩放等）、颜色变换（亮度、对比度、HSV等）、模糊、噪声添加、随机擦除等。可同时处理图像、掩码（语义分割）、边界框（目标检测）和关键点（姿态估计）。自动同步所有元素的变换（如对图像旋转时，对应标注也会同步旋转）。），灵活控制增强强度。
2025-04-20 16:53:09
197
原创 Playwright自动化测试框架的学习与使用（Python）
因为：①Playwright内部自带浏览器，相对于selenium，无需配置驱动。②Playwright 内置智能等待（自动等待元素可操作、网络请求完成等），避免了 Selenium 中常见的显式等待（如。Playwright 提供了比 Selenium 更简洁、更强大的数据捕捉能力，特别适合现代 Web 应用（如 React/Vue）和动态内容抓取。），测试更稳定且代码更简洁。③Playwright 的浏览器上下文（Context）隔离轻量级，启动更快，适合高并发场景。
2025-04-19 23:57:45
133
原创 算法--面试复盘
②权限共享：同一个卷积核在图像的所有位置上滑动时使用相同的参数。比如检测猫耳朵的滤波器，无论耳朵在图片的左上角还是右下角都用同一组权重识别，大幅减少参数量。（无论猫耳朵在图像上的哪个位置，都可以识别到，大大降低了原先神经网络的冗余）①局部感知：CNN的卷积核每次只扫描图像的一小块区域（比如3*3像素），而非全连接。①局部感知+权值共享 => 参数少，计算高效，适合处理高维数据（如：图像）②天然具备平移不变性（同一特征无论出现在图片的哪个位置都能被识别）的方式，能高效提取边缘、纹理等底层特征。
2025-03-06 23:48:00
171
2
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人