吃苹果的牛顿顿-优快云博客

原创推荐一个通用的滑块验证码缺口识别库 captcha-recognizer (两行代码识别滑块验证码缺口)

滑块验证码缺口位置是滑块验证码验证的关键，在此本文介绍一个滑块验证码的通用识别库，基于深度学习实现通用的滑块验证码的识别。并封装为易用的Python库，传入图片即可识别出缺口位置，两行代码即可识别滑块验证码缺口可以看出captcha-recognizer库可以很好的识别出不同样式、不同尺寸滑块验证码的缺口位置，对于多缺口的验证码的也有非常好的识别效果。上手起来也非常方便，两行代码即可完成识别，YYDS

2024-08-26 22:44:34 1071 2

原创算数验证码识别模型训练

算数验证码模型训练全过程

2025-02-13 14:35:20 540

原创 Linux环境初始化

Linux环境初始化。

2024-12-02 12:51:04 155

原创 Conda命令速查

Conda常用命令

2024-11-26 09:40:33 285

原创 Docker本地搭建WordPress

Docker本地搭建WordPress。

2024-11-19 10:29:23 573

原创图片标注工具

图片标注工具工具单机/在线可多人标注链接Labelme单机否官网， Github百度在线标注在线可官网Labelme新版本有AI智能标注，点击2到3个关键点就能标注一个实例百度在线标注支持多人标注、在线标注有很多提供的快捷键（上一张，下一张，通过数字快捷标注类别，类别置顶），标注过程比较流畅

2024-11-15 15:57:05 242

原创 Selenium报错速查

Selenium报错记录（报错速查表）

2024-11-07 10:45:57 272

原创轮廓相似度比较

轮廓相似度比较的两种算法,本文仅仅简单介绍了欧式距离与豪斯多夫距离计算轮廓相似度的实现方法。

2024-10-23 14:28:59 520

原创在 Windows 10 中将应用添加到开机启动

在 Windows 10 中添加开机启动应用

2024-10-11 09:38:54 2727

原创体感魂斗罗（二）姿势/手势与键位

人体姿势、手势与键位的映射

2024-10-09 23:53:40 208

原创体感魂斗罗（一）

体感魂斗罗，读取摄像头。

2024-09-18 21:50:06 552

原创体感魂斗罗-开篇

黑神话悟空大火，9月14，周鸿祎在抖音平台分享了360团队用两天的业余时间将《黑神话：悟空》爆改为体感游戏的过程，通过身体动作来控制游戏中的角色，实现更加自然和直观的操作方式。把我羡慕坏了，顿时拍板决定我也要搞一个，但是冷静下来发现我一没有公司，二没有技术团队，三没有好的设备，无奈放弃，全剧终。当然不是！！！搞不了火车，还搞不了自行车嘛，我们消费降级一下，体感魂斗罗！！！2D游戏、纯按键操作、键位很少、易于实现。

2024-09-17 20:30:53 329

原创某讯/企鹅滑块验证码逆向(一)

本文仅介绍了企鹅滑块验证码的关键参数定位，后续会使用补环境的方法完成collect参数的逆向

2024-09-14 18:08:03 1357

原创 Mac安装Miniconda

Miniconda是一个轻量级的Python和R环境管理工具，由Continuum Analytics（现为Anaconda公司）创建。它是Anaconda的精简版本，只包含了最基本的conda包管理器和Python解释器，而不像Anaconda那样预装大量的科学计算和数据分析库。这使得Miniconda在资源有限或需要灵活控制环境的场景下特别有用。本文介绍了基于命令行快速安装Miniconda的方法，帮助大家快速安装不同的Python环境。

2024-09-02 00:05:26 3221

原创开源通用验证码识别OCR —— DdddOcr 源码赏析(二)

DdddOcr 源码赏析：上文我们读到了分类识别部分的源码，这里我们继续往下进行本文介绍了DdddOcr的分类识别任务的源码实现过程，主要是调整图片尺寸和色彩模式，以及图像数据的预处理，最后运行模型预测得到结果

2024-09-01 17:11:18 1539

原创基于YOLOv8的通用的滑动验证码滑块缺口检测模型（二）

上篇文章中我们讲解了YOLOv8训练滑块缺口检测模型的步骤，这里我们展示下模型的训练成功目前来看三种验证码都能很好的识别，如果有新的验证码种类，可以在评论区留言，之后我会加入到模型训练中。

2024-08-20 10:50:42 798

原创基于Conda的Python版本管理与Python包管理

开发环境中，需要使用不同的Python版本或者使用不同第三方包，开发过程中安装一个新的Python版本是一个令人头疼的问题，在此我们尝试使用Conda管理Python版本和Python的包版本，以便流畅的切换不同的环境。Anaconda适用于需要快速搭建Python开发和数据科学环境的用户。通过Anaconda，用户可以方便地安装和管理众多科学计算和数据分析软件包，同时利用conda来创建和管理独立的Python环境。

2024-08-17 22:50:51 1536

原创基于YOLOv8的通用的滑动验证码滑块缺口检测模型（一）

本文介绍了基于YOLOv8训练滑块验证码缺口检测模型的通用步骤

2024-08-15 23:20:40 1528

原创开源通用验证码识别OCR —— DdddOcr 源码赏析（一）

通用验证码识别OCR DdddOcr 源码赏析

2024-08-15 00:05:48 1734

原创 Scrapy突破JA3指纹(附完整代码)

Scrapy突破JA3指纹限制是一个在爬虫开发中经常遇到的问题，尤其是当目标网站采用了基于TLS指纹（如JA3指纹）的反爬虫机制时。JA3指纹是一种基于TLS握手过程中客户端发送的加密套件和扩展信息的唯一标识符，网站可以通过分析这些指纹来识别并阻止非法的爬虫请求。

2024-08-13 23:24:39 643

原创 Mac植物大战僵尸杂交版V2.3一键点击安装(实测有效)

植物大战僵尸杂交版V2.3 Mac一键安装, 亲测安装成功，安装耗时 5-10分钟

2024-08-10 00:47:31 1011

原创 Python三阶贝塞尔曲线模拟鼠标滑动轨迹

基于三阶贝塞尔曲线模拟鼠标轨迹：三阶贝塞尔曲线通过四个控制点（P0, P1, P2, P3）进行定义，其中P0和P3分别是曲线的起点和终点，P1和P2是控制曲线形状和方向的锚点（或称为控制点）。特性全局性：当改变任何一个控制点时，整条曲线的形状都会发生变化。平滑性：三阶贝塞尔曲线足够平滑，能够满足大部分应用需求。控制自由度：通过四个控制点，可以灵活地控制曲线的形状和方向。

2024-08-09 19:06:42 2181

原创五分钟手把手教你Windows键盘改键

对于双系统（Mac、Windows）开发的同学，Mac和Windows系统的键盘键位不同，导致在使用过程中极易产生混乱，像我家里用的苹果Mac mini（迷你主机)，公司分配的电脑是Windows10, 打字的时候键位不一致真的很痛苦。本文就介绍了基于Microsoft PowerToys 自定制键位功能修改Windows键位的功能，保证一致的键位从而保证开发效率。

2024-08-08 14:29:34 12032 6

原创从零反编译小程序获取小程序源码

反编译小程序，获取小程序源码

2024-08-07 19:04:40 712

原创基于CV2实现颜色分类，附完整代码

基于cv2，利用颜色掩码计算每种颜色的像素数量，像素数量最多的颜色，则为实例最突出的颜色；与Yolov8分类模型的方式相比，省去了打标签训练的时间，更快速的实现了颜色分类的功能。

2024-08-06 15:31:43 1586

原创将YOLOv8 模型导出到ONNX

您可以通过将YOLOv8 模型转换为ONNX 格式，扩大模型兼容性和部署灵活性。

2024-08-05 21:12:21 1613

原创 Labelme 标注转为YOLO v5/v8格式

基于labelme2yolo库将labelme格式的标注数据转成yolo格式。

2024-08-05 08:30:00 321

原创 Yolo8暂停与恢复训练

在使用深度学习模型时，从先前保存的状态恢复训练是一项至关重要的功能。这在各种情况下都能派上用场，比如当训练过程意外中断时，或者当你希望用新数据或更多的历时继续训练模型时。恢复训练时，Ultralytics YOLO 会加载上次保存模型的权重，并恢复优化器状态、学习率调度器和历时编号。这样，您就可以从上次中断的地方无缝地继续训练过程。

2024-08-04 14:06:43 583

原创 Mac启用GPU加速训练模型

MacOS如何使用GPU加速YOLOv8训练

2024-08-04 13:57:39 1668

原创 Yolo8训练环境记录

记录Yolo8训练目标检测模型的系统环境与软件版本。

2024-08-03 22:29:17 247

原创安某客验证流程分析

安某客验证流程分析

2024-08-01 17:35:04 936

原创从零搭建Yolo运行环境

工作中遇到点选验证码，尝试基于Yolo训练检测模型，在此从零开始搭建Yolo运行环境。

2024-07-31 14:44:07 343

基于Python开源库captcha-recognizer 实现滑块验证码缺口、滑动距离识别

基于Python开源库captcha-recognizer 实现滑块验证码缺口、滑动距离识别附带完整代码与示例图片

2024-10-31

数据验证码图片数据集（仅图片，不含标注）- 某壳人机校验

数据验证码图片数据集（仅图片，不含标注），可用于某壳数字验证码训练、人机校验，仅供学习交流使用，严禁用于非法用途

2024-10-31

Miniconda3-latest-MacOSX-arm64.sh, Miniconda 是一个轻量级的 Conda 发行版

Miniconda3-latest-MacOSX-arm64.sh 是一个用于在基于 ARM 架构的 macOS 系统上安装 Miniconda 3 的脚本文件。Miniconda 是一个轻量级的 Conda 发行版，它允许用户安装、运行和更新包及其依赖项。与 Anaconda 相比，Miniconda 仅包含 Python 和 conda 管理工具，其余包可以根据需要安装。

2024-09-25

YOLOv10N是YOLOv10系列中的一个模型变体，由清华大学研究团队开发，是最新一代的实时端到端目标检测模型

YOLOv10N简介模型特点：YOLOv10N作为YOLOv10系列中的一个轻量级模型，其设计旨在满足对计算资源要求较低的场景。它采用了轻量级网络结构，如轻量级分类头、空间-通道解耦下采样等技术，减少了计算冗余，优化了模型结构，从而在保持较高检测精度的同时，降低了推理延迟。性能表现：在模型规模上，YOLOv10N属于较小的变体，其参数数量和计算复杂度相对较低，但即便如此，它仍然能够在多种应用场景下提供可靠的目标检测性能。热门应用领域自动驾驶： YOLOv10N能够迅速准确地识别道路上的行人、车辆等目标物体，为自动驾驶系统提供实时的反馈信息，提高行驶安全性。其毫秒级的检测速度和较高的准确性，使得自动驾驶系统能够更快地做出反应，避免潜在的危险。安防监控：在安防监控领域，YOLOv10N可以实时监测视频中的异常情况，如可疑人员、异常行为等，为公共安全提供有力保障。其高效的目标检测能力使得监控系统能够更快速地发现并响应潜在威胁。机器人导航：对于需要进行物体检测和路径规划的机器人来说，YOLOv10N能够快速准确地识别周围环境中的物体，如障碍物、货物等。

2024-09-25

滑块验证码缺口识别程序，基于机器学习训练，传入滑块背景图片即可识别出滑块缺口位置

2024-09-23

某象图标点选验证码图标集

某象图标点选验证码图标集，适用于图标点选验证码的分类训练

2024-09-23

mac 小霸王游戏/红白机/街机模拟器 OpenEmu

2024-09-18

js逆向-安某客空间推理验证码验证流程分析

2024-09-12

windows python 3.10.6 安装包

2024-08-30

基于神经网络的通用的滑块验证码识别库captcha-recognizer的使用示例

2024-08-26

Scrapy随机JA3指纹代码示例，用于Scrapy采集过程中生成随机的JA3指纹

在Scrapy中生成随机的JA3指纹（一种用于标识TLS客户端配置的技术）通常不是Scrapy框架直接支持的功能，因为Scrapy主要关注于网页内容的抓取，而不直接处理底层的TLS握手过程。然而，你可以通过一些方法间接实现这一功能; 此处通过修改Scrapy TLS默认的加密套件来随机JA3指纹，用于Scrapy采集过程中突破JA3指纹的检测

2024-08-13

Windows 微信历史版本 V3.9.6.32

版本信息概述版本号：V3.9.6.32 平台：Windows 类型：历史版本

2024-08-11

Windows 微信历史版本 V3.9.7.24

版本信息概述版本号：V3.9.7.24 平台：Windows 类型：历史版本

2024-08-11

Windows 微信历史版本 V3.9.9.22

版本信息概述版本号：V3.9.9.22 平台：Windows 类型：历史版本

2024-08-11

人体姿势识别yolo8预训练模型，内附完整Python运行代码，可直接运行，可用于图片或者视频的人体姿势识别

项目：人体姿势识别预训练模型用途: 可以直接用于人体姿势识别，也可以作为基础模型再训练预测效果：资源内附唐朝诡事录经典站位图识别效果，可以准确识别出面部和躯体。人体姿势识别的作用: 人体姿势识别预训练模型是一种在计算机视觉领域中具有重要应用的技术。它是通过使用大量的人体姿势相关数据进行训练得到的模型。这些数据通常包含了各种不同场景、不同个体、不同动作下的人体图像或视频帧。预训练模型的优势在于它能够学习到通用的人体姿势特征和模式。例如，它可以识别出站立、坐下、跑步、跳跃等常见姿势，还能区分不同身体部位的位置和姿态关系。在实际应用中，人体姿势识别预训练模型有着广泛的用途。比如在运动分析领域，它可以帮助教练评估运动员的动作是否标准，以便进行针对性的训练改进；在医疗康复领域，用于监测患者的康复训练动作是否正确；在虚拟现实和增强现实中，实现对用户身体动作的准确捕捉和响应，提供更加沉浸式的体验。总之，人体姿势识别预训练模型为许多领域带来了创新和便利，随着技术的不断发展，其性能和应用范围还将不断扩大。

2024-08-07

空间推理验证码数据集，用于YOLO训练空间推理验证码的目标检测模型

内容概要: 空间推理验证码数据集适用场景: 适用于训练空间推理验证码的目标检测模型, 我自己也基于此数据集训练出了识别率90%以上的安某客空间推理验证码的识别模型更多建议: 如果你是刚接触yolo目标检测模型，建议先移步我的博客主页，博客内有手把手训练的教学。

2024-08-05

yolov8s.pt 文件是一个预训练模型文件，属于 YOLOv8 系列模型中的一个小型（small）版本

yolov8s.pt 是 YOLOv8 模型系列中的一个预训练模型文件，具体来说是 YOLOv8 的小型（small）版本。YOLO（You Only Look Once）是一种流行的实时对象检测系统。 YOLOv8s.pt 的特点小型化：yolov8s.pt 强调的是“small”版本，这意味着它在模型大小和计算复杂度上进行了优化，以便在资源受限的设备（如边缘设备或移动设备）上运行。尽管模型较小，但它仍然保持了相当不错的检测性能。高性能：尽管是小型版本，但 YOLOv8s 仍然能够在保持实时检测速度的同时，提供准确的检测结果。这得益于其先进的模型架构和训练策略。易于使用：YOLOv8 旨在提供易于使用和部署的解决方案。yolov8s.pt 文件可以直接加载到 PyTorch 环境中，进行进一步的推理或微调。多尺度检测：YOLOv8 继承了 YOLO 系列的多尺度检测能力，能够检测不同大小的物体。这对于实际应用中的复杂场景非常有用。广泛的适应性：由于 YOLOv8 的高效性和准确性，它被广泛用于各种应用场景，包括视频监控、自动驾驶、机器人视觉等。

2024-08-04

Yolo8目标检测预训练模型 - yolov8s.pt

一、概述 Yolo8目标检测预训练模型, 作为YOLOv8算法的一个版本，YOLOv8s.pt是一个预训练的权重文件，它包含了在大量数据集上训练得到的模型参数，可以直接用于目标检测任务，或者作为进一步训练的基础。二、特点与优势小型化、高精度、易用性三、应用场景实时目标检测：由于YOLOv8s.pt具有较快的运行速度，因此非常适合用于实时目标检测任务，如视频监控、自动驾驶等。移动设备和嵌入式系统：由于资源有限，移动设备和嵌入式系统通常对模型的复杂度和计算量有严格要求。YOLOv8s.pt的小型化设计使得它成为这些平台上的理想选择。一般目标检测任务：除了实时检测和资源受限场景外，YOLOv8s.pt还可以用于一般的目标检测任务，如图像分析、物体识别等。总之，YOLOv8s.pt是一个功能强大且易于使用的目标检测预训练权重文件，它结合了高精度和快速运行的优势，适用于多种目标检测任务和平台。

2024-08-04

Nestopia与openEmu游戏机模拟器， python pynput 模拟的键盘输入无效

2024-09-22

yolov8目标检测模型训练使用mps之后效果很差

2024-09-04

TA创建的收藏夹 TA关注的收藏夹

TA关注的人