NVKD2020的博客

本文简单介绍了相机的成像原理、画面过曝和欠曝的底层原理，以及掩膜光照矫正算法（分区伽马调整）和HDR算法（Debevec法和Mertens法），能有效地矫正画面光照，并分享一些我在工程上的经验。

多模板复合验证的KD聚类匹配算法（MTCV-KCM） 本文提出了一种工程实践中总结的高鲁棒性图像匹配算法MTCV-KCM，通过多维度优化提升模板匹配的稳定性。算法核心包含四个关键技术： 多模板匹配、二值化重匹配验证、复合匹配策略和KD-Tree空间聚类。文章以电池电芯注液孔识别为例，展示了该算法相比传统模板匹配方法在工业复杂场景下的优越性。当面对表面脏污、当面对表面脏污、反光等干扰时，传统方法准确率仅80-90%，而MTCV-KCM算法能显著提升识别稳定性。算法实现代码随文给出。

把一个排列组合的二维列表元素归类

python程序，批量重命名快速修改文件类型

JupyterLab下载出错问题

西安交通大学轴承实验集XJTU-SY_Bearing_Datasets调用函数代码

np.argmax用法用途：寻找最大值的位置一维情况例一：import numpy as np #使用时先加载这个库a = np.array([0,5,7,8,1,3])print(np.argmax(a))#输出结果为：3二维情况例二：import numpy as npa = np.array([[1, 5, 5, 2], [9, 6, 2, 8], [3, 7, 9, 1]])print(np.argmax(a, a

前言：书接上回，通过把历年来的双色球蓝球数据爬取，可以看出，每期双色球蓝球之间并无任何关系，但仍存在问题：1、决定蓝球数字可能并非取决于上一期蓝球的数据，可能取决于当期红球的数据。2、既然蓝球有可能取决于当期红球数据，那当期红球数据应该取决于往期红球数据，或当期的期数。那这期的任务就是：1、把上期双色球的数字来预测下期双色球的数字。2、把期数作为输入来预测双色球的数字。LSTM神经网络：LSTM神经网络（长短时记忆神经网络）是RNN网络的一种变种，起初是为了解决RNN网络的很难有效利用历史记忆的

直接上结论：单步预测，循环200次，50个神经元，无dropout。损失函数：均方误差 优化器：Adam看得出，预测还是有很好的效果。数据来源：数据是来源于CWRU（凯斯西储大学轴承数据中心）的公开数据，这个应该也是用得最多的数据库之一了吧，地址是：https://csegroups.case.edu/bearingdatacenter/pages/welcome-case-western-reserve-university-bearing-data-center-website数据处

结论：没有任何作用，基本可以断定这是真正随机的数字。LSTM神经网络，单步预测，循环2000次，100个神经元，无dropout。蓝线：最近50期蓝球数字橙线：LSTM网络预测数字绿线：蓝线 - 橙线，相差值结果就是，没有预测出任何有用的数据过程：步骤一：利用爬虫获取500彩票网的历年双色球蓝球数字步骤二：整理并保存好数据。步骤三：利用LSTM神经网络进行单步预测程序来源：程序一，爬虫程序：自己写的小爬虫。500彩票网的编码格式是gbk，但有点问题，网站程序员貌似混进了点非法字符，