hi, Tancer-优快云博客

原创如何直接导出某个conda环境中的包, 然后直接用 pip install -r requirements.txt 在新环境中安装

文件，其中包含当前环境中所有包的列表及其版本信息。文件中的注释和版本信息，只保留包名，并将其保存到。

2025-03-04 23:16:08 349

原创 Ubuntu问题 - 在ubuntu上使用 telnet 测试远程的IP:端口是否连通

【代码】Ubuntu问题 - 在ubuntu上使用 telnet 测试远程的IP:端口是否连通。

2025-03-04 21:35:50 387

原创 Windows - 使用Ollama部署本地AI大模型, 仅调用api, 快速测试api效果

退出Ollama,然后再启动Ollama。在Windows的cmd中快速测试效果。打开cmd,运行以下命令自动设置变量。或者使用类似的http请求工具请求。配置变量使得局域网能访问。

2025-01-18 21:06:00 1142

原创 Ubuntu -- 几行命令使用Ollama部署本地AI大模型, 仅调用api, 快速测试api效果

在Windows的cmd中快速测试效果。或者使用类似的http请求工具请求。

2025-01-18 20:22:12 859

原创混淆矩阵 confusion matrix 怎么看 -- 识别涉黄图片的二分类为例 - 识别毒品的多分类案例解释

混淆矩阵（Confusion Matrix）是用来评估分类模型性能的工具，特别适用于二分类或多分类问题。它通过一个矩阵的形式，展示模型预测结果与真实结果的对比情况。混淆矩阵的作用直观地展示分类器的预测结果与实际结果的对比。帮助我们计算分类器的性能指标（如准确率、精确率、召回率等）。适用场景垃圾邮件分类、疾病诊断（如预测是否患病）、信用卡欺诈检测等分类问题。案例分析在垃圾邮件分类的例子中，混淆矩阵清晰地展示了分类器的优点（较高的准确率）和缺点（漏报了一些垃圾邮件）。

2025-01-14 16:18:32 1314

原创 Windows问题 -- 定时执行某个命令 - 每隔6小时执行某个命令 (已实操成功)

通过这种方式，可以完全通过命令行实现定时任务的创建和管理，无需手动操作任务计划程序界面。直接通过命令行定时执行。

2025-01-11 15:40:33 292

原创 Ubuntu问题 - 服务器有两个网卡, 且都可以上互联网, 但是希望设置优先级,优先使用某个网卡, 没有网络再切换到另一个网卡 (已实操成功)

修改完成后，需要重新激活连接以使配置生效。无法连接时，系统会自动切换到。

2025-01-11 14:29:44 1028

原创 Ubuntu问题 -- 硬盘存储不够了, 如何挂载一个新的硬盘上去, 图文简单明了, 已操作成功

我现在有一个ubuntu22.04操作系统的服务器, 但是当前硬盘不够用了, 我买了一个。, 且已经安装在服务器上了, 我需要将这个硬盘挂载到当前ubuntu的某个目录上。是新分区的名称，可能会根据你的硬盘情况有所不同。查看刚才挂载硬盘的新分区的名称, 我这里是。为了让硬盘在系统重启后自动挂载，需要修改。你应该能看到一个新的未分区的硬盘，比如。确认新硬盘的设备名称（我这里是。如果你需要挂载到其他目录（比如。，你可以将文件存储到该目录中。根据自己挂载的目录进行修改。现在，新硬盘已经挂载到。

2025-01-10 13:15:00 2307 2

原创 RMS误差和Mean误差是什么意思? 一个通俗易懂的例子解释

在论文中，和是用来评估计算方法的准确性的重要指标。

2025-01-10 12:01:37 767

原创论文中的箱线图怎么看 - 以班级内10个学生的成绩举例说明

数据中没有低于7.5或高于127.5的值，（Boxplot）是一种用来展示。，同时可以直观地发现数据中的。通过箱线图，可以快速了解班级。，主要用于描述数据的。不同组数据的分布差异。

2025-01-07 14:49:50 846

原创 Python -- Linux中的Matplotlib图中无法显示中文 (中文为方框)

粘贴到Linux服务器中对应python文件所处的文件夹内。目录, 复制自己想要的字体。进入windows系统的。主要原因: 没找到字体。

2024-12-16 23:27:24 284

原创非极大值抑制（Non-Maximum Suppression，简称NMS）是什么?

非极大值抑制（NMS）是一种用于去除重复框的算法，它根据框的置信度和重叠度（IoU）筛选最合适的边界框，以提高目标检测的精度和效率。在目标检测任务中，NMS能够有效地避免多次检测到同一个物体。

2024-12-06 11:07:22 969

原创 Paper -- 建筑物高度估计 -- 基于深度学习、图像处理和自动地理空间分析的街景图像建筑高度估算

近年来，许多研究致力于从街景图像中提取有关建筑和基础设施、交通与移动性、步行性以及健康与福祉的有价值数据本文提出了两种算法及其实现方法，用于利用深度学习（DL）和高级图像与地理空间数据处理算法，从街景图像中自动估算建筑高度BHEDC算法：基础算法，用于估算建筑高度。iBHEDC算法：改进版算法，增加了新的组件和优化步骤。本文旨在通过改进现有算法 (BHEDC)，提出一种新的方法（iBHEDC），以提高建筑高度估算的精度和效率点击查看BHEDC论文解析。

2024-12-01 12:44:12 2001

原创 Ubuntu问题 -- 使用scp将本机文件传输至ubuntu服务器中

这里表示要传输的目录是。

2024-11-28 22:49:56 796

原创 Paper -- 建筑物高度估计 -- 使用街景图像、深度学习、轮廓处理和地理空间数据的建筑高度估计

本文提出了一种使用卷积神经网络(CNNs)和图像处理技术从街景图像自动估计建筑高度的算法(及其开源实现)。该算法还利用了可从不同来源获得的地理空间数据该算法最终将用于丰富加拿大统计局发布的开放建筑数据库(ODB)

2024-11-28 22:35:16 1612

原创 Paper -- 建筑高度估计 -- 基于街景图像和深度学习的城区建筑高度计算

这篇文章提出了一种利用街景图像和深度学习技术计算城市建筑高度的新方法。通过优化观察点位置的遗传算法和基于Mask R-CNN的深度学习模型该方法能够高效地检测建筑并精确计算其高度实验表明，平均高度误差为0.78米，证明了该方法的高精度和可行性。

2024-11-26 20:38:04 1651 1

原创 Ubuntu问题 -- Linux立即关机, 立即重启命令

【代码】Ubuntu问题 -- Linux立即关机, 立即重启命令。

2024-11-26 10:24:24 370

原创 Paper -- 高度估计 -- IM2HEIGHT：通过完全残差卷积-反卷积网络从单目图像进行高度估计

这篇论文探讨了从单目遥感图像中估计高度这一新颖且具有挑战性的问题。作者提出了一种端到端训练的完全卷积-反卷积网络架构利用残差学习来模拟单目图像与高度图之间的模糊映射通过引入跳跃连接，保留高度图的边缘细节实验表明，该方法对单目视角下高度预测的有效性，并提供了实例分割应用的案例。

2024-11-25 12:32:07 865

原创 3D建筑模型的 LOD 规范

LOD是3D建模中重要的分级标准，不同层级适合。从LOD0到LOD4，不同精度和用途的需求。简单的斜屋顶、平屋顶。

2024-11-23 22:07:31 2656

原创 Paper -- 3D建筑模型生成 -- GABLE: 基于高分辨率卫星影像的全国尺度精细3D建筑模型

本文提出了一种全国尺度的精细3D建筑模型 (GABLE)，利用高分辨率卫星影像数据（北京三号）开发，涵盖全国所有城市和乡村地区。模型的创新点在于提供了12种屋顶分类，以及建筑的精确高度和空间多边形表示首次在全国范围内提供了建筑的语义精细分类。引入深度学习方法对屋顶分类和建筑高度进行统一优化。对城市建筑的高度分布、密度和多样性进行了分析。

2024-11-23 21:26:02 1466

原创 Paper -- 洪水深度估计 -- 基于计算机视觉, 根据被淹车辆图像进行洪水深度估计

本文提出了一种基于图像处理的洪水深度估计方法，使用淹水车辆的地面视角图像。车辆对象分割：利用Mask R-CNN对淹水图像中的车辆进行检测。跨领域图像检索：基于VGGNet的特征图，采用余弦距离筛选与淹水车辆最相似的3D渲染车辆图像。水深估算：通过对比淹水车辆与3D渲染图像，计算水深。研究验证了该方法在500张淹水图像上的有效性，误差约为轮胎高度的9.40%

2024-11-22 20:03:01 975

原创 Paper -- 洪水深度估计 -- 利用图像处理和深度神经网络绘制街道照片中的洪水深度图

本文研究了在城市地区使用传统方法如遥感和数字高程模型（DEMs）进行洪水深度估计时常出现的大误差问题提出了一种利用深度神经网络检测被淹没的停车标志的新方法;此外，还结合了Canny边缘检测和概率Hough变换计算杆长并估计洪水深度研究使用了一个名为的数据集，该数据集包含美国和加拿大10个FEMA地区的网页挖掘照片。

2024-11-21 15:29:59 1054 1

原创 Ubuntu问题 -- 通过远程修改文件配置ubuntu服务器的静态IP (不需要到服务器现场) (通过NetworkManager)

目录下没有文件, 说明系统没有自动生成, 之前没有配置过静态IP, 可以通过图形化界面的方式配置一下静态IP并重启网络试一试。down和up的命令行操作相当于如下图所示的图形化界面的操作。ubuntu图形化配置 ip 所修改的文件位于。修改完重启该网卡, 注意不需要后面的。

2024-11-21 14:19:45 469

原创数学问题 -- 精确率和召回率的区别 (通俗易懂)

因此召回率在城区更重要, 因为城区行人很多, 刹车比较频繁, 宁可多识别一些树木标志牌, 也不能漏掉一个人。因此精确率在高速公路上更重要, 高速公路基本没人, 但是一旦把树木识别成人, 就频繁刹车的话容易发生事故。召回率关注的是“所有实际存在的行人”中，被正确检测到的比例。，那么精确率（Precision）更重要。所以在精确率和召回率之间根据不同任务需要。精确率关注的是“检测到的行人”中，实际。”，希望不要漏掉任何行人，那么。如果你的系统重视 “

2024-11-21 13:23:01 699