<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[qq_41784565的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/qq_41784565</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; qq_41784565]]></copyright><item><title><![CDATA[Python--控制台获取输入与正则表达式]]></title><link>https://blog.youkuaiyun.com/qq_41784565/article/details/133513849</link><guid>https://blog.youkuaiyun.com/qq_41784565/article/details/133513849</guid><author>qq_41784565</author><pubDate>Wed, 04 Oct 2023 03:10:41 +0800</pubDate><description><![CDATA[在Python编程中，控制台输入和正则表达式是两个重要而实用的概念。掌握这两个技巧可以帮助我们更灵活地处理用户输入以及对文本进行复杂的匹配和处理。本文中将详细介绍Python中如何通过控制台获取用户输入以及如何使用正则表达式进行文本处理。深入探讨输入类型转换、异常处理、多个输入值的存储等方面，并分享一些常见的正则表达式用法，如匹配数字、替换字符串、提取模式内容等。# 使用预定义字符类：pattern = r'\w+' # 匹配字母、数字和下划线。]]></description><category></category></item><item><title><![CDATA[Web--JavaScript正则表达式]]></title><link>https://blog.youkuaiyun.com/qq_41784565/article/details/129295542</link><guid>https://blog.youkuaiyun.com/qq_41784565/article/details/129295542</guid><author>qq_41784565</author><pubDate>Thu, 02 Mar 2023 11:24:30 +0800</pubDate><description><![CDATA[JavaScript正则表达式用法归纳]]></description><category></category></item><item><title><![CDATA[python安装opencv报错解决]]></title><link>https://blog.youkuaiyun.com/qq_41784565/article/details/113761196</link><guid>https://blog.youkuaiyun.com/qq_41784565/article/details/113761196</guid><author>qq_41784565</author><pubDate>Mon, 08 Feb 2021 19:14:09 +0800</pubDate><description><![CDATA[1、来源2、python报错：AttributeError: ‘module’ object has no attribute ‘xfeatures2d’2.1 cmd命令行2.2 卸载与安装2.3 复制粘贴cv2.pyd
1、来源
转载自https://blog.youkuaiyun.com/weixin_44060222/article/details/105024509
2、python报错：AttributeError: ‘module’ object has no attribute ‘xfeatures2.]]></description><category></category></item><item><title><![CDATA[计算机视觉--Bag of features图像检索]]></title><link>https://blog.youkuaiyun.com/qq_41784565/article/details/106198677</link><guid>https://blog.youkuaiyun.com/qq_41784565/article/details/106198677</guid><author>qq_41784565</author><pubDate>Sun, 24 May 2020 21:24:52 +0800</pubDate><description><![CDATA[一、原理介绍1.1 Bag-of-words简介1.2 背景知识1.2.1 SIFT简介1.2.2 图像特征提取1.3 Bag of features原理及流程介绍
一、原理介绍
1.1 Bag-of-words简介

最初的Bag-of-words ，也叫做“词袋”，在信息检索中，Bag-of-words model假定对于一个文本，忽略其词序和语法，句法，将其仅仅看做是一个词集合，或者说是词的一个组合，文本中每个词的出现都是独立的，不依赖于其他词是否出现。

应用于文本的BoW简单实例
John li.]]></description><category></category></item><item><title><![CDATA[计算机视觉--立体视觉（NCC视差匹配）]]></title><link>https://blog.youkuaiyun.com/qq_41784565/article/details/105765255</link><guid>https://blog.youkuaiyun.com/qq_41784565/article/details/105765255</guid><author>qq_41784565</author><pubDate>Sun, 26 Apr 2020 17:46:41 +0800</pubDate><description><![CDATA[前言一、立体视觉原理1.1 几何原理1.2 立体匹配的步骤1.3 窗口匹配方法匹配代价1.4 归一化互相关（NCC）二、实验内容2.1 实验目的与要求2.2 代码实现2.3 实验结果与分析三、总结
前言

立体匹配主要是通过找出每对图像间的对应关系，根据三角测量原理，得到视差图；在获得了视差信息后，根据投影模型很容易地可以得到原始图像的深度信息和三维信息。立体视觉匹配在立体视觉研究中是比较核心的...]]></description><category></category></item><item><title><![CDATA[计算机视觉--对极几何与基础矩阵]]></title><link>https://blog.youkuaiyun.com/qq_41784565/article/details/105671165</link><guid>https://blog.youkuaiyun.com/qq_41784565/article/details/105671165</guid><author>qq_41784565</author><pubDate>Wed, 22 Apr 2020 04:49:09 +0800</pubDate><description><![CDATA[前言一、对级几何1.1 基本概念1.2 极点与像平面关系二、基础矩阵2.1 本质矩阵E的推导2.2 基础矩阵F的推导2.3 基础矩阵F的性质2.4 基础矩阵F的求解2.4.1 八点算法2.4.2 归一化八点算法
前言

在之前的文章中，介绍过相机矩阵，这是针对单个相机的，可我们知道单个相机图片并不能告诉我们物体的深度信息，这时至少需要两个相机，这样在两视图间内在的射影几何关系就是对极几何，而基础...]]></description><category></category></item><item><title><![CDATA[计算机视觉--python+opencv相机标定]]></title><link>https://blog.youkuaiyun.com/qq_41784565/article/details/105362491</link><guid>https://blog.youkuaiyun.com/qq_41784565/article/details/105362491</guid><author>qq_41784565</author><pubDate>Tue, 07 Apr 2020 17:02:02 +0800</pubDate><description><![CDATA[计算机视觉--python+opencv相机标定前言张正友标定法简介环境介绍一、实验原理/步骤1.1 计算单应性矩阵H1.2 计算内参数矩阵1.3 计算外参数矩阵1.4 最大似然估计二、棋盘格标定实验2.1 实验步骤2.2 数据集准备2.3 代码实现2.4 实验结果2.4.1 角点检测结果2.4.2 内部参数计算结果2.4.3 外部参数计算结果2.4.4 外部参数可视化结果2.4.5 平均重投影误...]]></description><category></category></item><item><title><![CDATA[计算机视觉--图像的拼接融合]]></title><link>https://blog.youkuaiyun.com/qq_41784565/article/details/105068137</link><guid>https://blog.youkuaiyun.com/qq_41784565/article/details/105068137</guid><author>qq_41784565</author><pubDate>Tue, 24 Mar 2020 15:53:44 +0800</pubDate><description><![CDATA[计算机视觉--图像的拼接融合一、全景图像拼接原理介绍1.1 背景介绍1.2 基本原理1.3 图像拼接整体流程二、全景图像拼接实验2.1 代码实现2.2 不同场景的实验结果与分析2.2.1 针对固定点拍摄图片2.2.2 移动拍摄位置2.2.3 视差变化大的场景三、总结实验内容总结实验过程总结
一、全景图像拼接原理介绍
1.1 背景介绍
&nbsp;&nbsp;&nbsp;&nbsp;图片的全景拼接如...]]></description><category></category></item><item><title><![CDATA[计算机视觉--SIFT特征提取与检索]]></title><link>https://blog.youkuaiyun.com/qq_41784565/article/details/104726166</link><guid>https://blog.youkuaiyun.com/qq_41784565/article/details/104726166</guid><author>qq_41784565</author><pubDate>Sun, 08 Mar 2020 09:39:13 +0800</pubDate><description><![CDATA[计算机视觉--SIFT特征提取与检索一、SIFT（尺度不变特征变换）介绍1.1 SIFT原理1.2 SIFT算法的实现步骤1.3 SIFT算法的数学表达二、SIFT特征提取与检索实验2.1 数据集准备2.2 SIFT特征提取并展示特征点代码实现结果展示分析2.3 SIFT特征匹配代码实现结果展示分析2.4 数据集内部检索匹配最多的图片代码实现结果展示分析三、总结
一、SIFT（尺度不变特征变换）介...]]></description><category></category></item><item><title><![CDATA[安装笔记--MYSQL安装与配置]]></title><link>https://blog.youkuaiyun.com/qq_41784565/article/details/104683223</link><guid>https://blog.youkuaiyun.com/qq_41784565/article/details/104683223</guid><author>qq_41784565</author><pubDate>Thu, 05 Mar 2020 20:31:55 +0800</pubDate><description><![CDATA[前言1.MYSQL安装2.Navicat安装3.环境配置
前言
安装所需材料：链接：https://pan.baidu.com/s/1ZO6rIF0hbWch79P5M3hD0A 提取码：cnrj
1.MYSQL安装
首先，下载 MySQL 数据库的安装包：mysql-5.7.17.msi.所有需要的材料都放在网盘里了，自行提取。
下载完成之后，双击打开此msi文件，进入如下界面：

标注1：安...]]></description><category></category></item><item><title><![CDATA[安装笔记--eclipse+jdk+neo4j安装与配置]]></title><link>https://blog.youkuaiyun.com/qq_41784565/article/details/104639505</link><guid>https://blog.youkuaiyun.com/qq_41784565/article/details/104639505</guid><author>qq_41784565</author><pubDate>Tue, 03 Mar 2020 21:09:08 +0800</pubDate><description><![CDATA[1.eclipse安装2.JDK安装3.环境变量配置4.在eclipse中创建与导入项目4-1 eclipse导入项目5.neo4j配置
1.eclipse安装
第一步：下载eclipse，并安装。
下载链接: http://www.eclipse.org/downloads/.

点击 Download Packages;

如图：根据自己的系统选择64位的，点击相应链接下载（可能会弹出一个需...]]></description><category></category></item><item><title><![CDATA[Web--获取网页对象的方法]]></title><link>https://blog.youkuaiyun.com/qq_41784565/article/details/104619358</link><guid>https://blog.youkuaiyun.com/qq_41784565/article/details/104619358</guid><author>qq_41784565</author><pubDate>Mon, 02 Mar 2020 21:02:45 +0800</pubDate><description><![CDATA[获取document对象的方法]]></description><category></category></item><item><title><![CDATA[安装笔记--python2.7（Anaconda2）+PCV+导opencv包（详细步骤含下载资源）]]></title><link>https://blog.youkuaiyun.com/qq_41784565/article/details/104606260</link><guid>https://blog.youkuaiyun.com/qq_41784565/article/details/104606260</guid><author>qq_41784565</author><pubDate>Mon, 02 Mar 2020 15:13:22 +0800</pubDate><description><![CDATA[python（Anaconda2）+PCV安装笔记1.pycharm安装
1.pycharm安装
可以先去下载Anaconda2安装包，博主因为网速太慢了，为了省时，边等待边安装pycharm.
&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;PyCharm 是一款功能强大的 Python 编辑器，具有跨平台性，鉴于目前最新版 PyCharm 使用教程较少，为了节约时间，来介绍一下 P...]]></description><category></category></item><item><title><![CDATA[计算机视觉--Harris角点检测实现与分析（二）]]></title><link>https://blog.youkuaiyun.com/qq_41784565/article/details/104592244</link><guid>https://blog.youkuaiyun.com/qq_41784565/article/details/104592244</guid><author>qq_41784565</author><pubDate>Sun, 01 Mar 2020 18:19:59 +0800</pubDate><description><![CDATA[计算机视觉--Harris角点检测实现与分析（二）一、Harris角点检测1.1 基本原理1.2 数学表达二、代码实现三、结果与分析3.1 不同场景的R值讨论
关于Harris角点检测的基本概念和不同场景下的检测结果分析已记录在上一篇博客中（点击）: 计算机视觉–Harris角点检测实现与分析（一）.本篇主要对Harris角点检测响应函数进行分析。
一、Harris角点检测
1.1 基本原理
&n...]]></description><category></category></item><item><title><![CDATA[计算机视觉--Harris角点检测实现与分析（一）]]></title><link>https://blog.youkuaiyun.com/qq_41784565/article/details/104496567</link><guid>https://blog.youkuaiyun.com/qq_41784565/article/details/104496567</guid><author>qq_41784565</author><pubDate>Tue, 25 Feb 2020 17:08:20 +0800</pubDate><description><![CDATA[计算机视觉--Harris角点检测实现与分析一、Harris角点检测1.1 何为角点？1.2 角点检测算法基本思想是什么？1.3 如何用数学方法去刻画角点特征？
一、Harris角点检测
1.1 何为角点？
&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;对于角点，到目前为止还没有明确的数学定义。但是我们可以认为角点就是极值点，即在某方面属性特别突出的点。一般的角点检测都是...]]></description><category></category></item><item><title><![CDATA[计算机视觉--python图像处理基础]]></title><link>https://blog.youkuaiyun.com/qq_41784565/article/details/104454465</link><guid>https://blog.youkuaiyun.com/qq_41784565/article/details/104454465</guid><author>qq_41784565</author><pubDate>Sun, 23 Feb 2020 10:37:24 +0800</pubDate><description><![CDATA[计算机视觉--python图像处理基础前言一、图像轮廓和直方图1.1 原理介绍1.2 代码实现及结果
前言
&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;图像处理的研究领域，大家都知道Matlab，本章介绍python语言的基础图像处理。Python 里面最常用的图像操作库是Image library（PIL），在实验开始前，首先进行软件安装与环境...]]></description><category></category></item><item><title><![CDATA[粒子群优化算法]]></title><link>https://blog.youkuaiyun.com/qq_41784565/article/details/103367983</link><guid>https://blog.youkuaiyun.com/qq_41784565/article/details/103367983</guid><author>qq_41784565</author><pubDate>Tue, 03 Dec 2019 21:44:36 +0800</pubDate><description><![CDATA[粒子群优化算法一、算法介绍1.1 问题提出1.2 问题抽象1.3 算法描述1.4 算法流程二、代码分析2.1 Schaffer()函数2.1 Griewank()函数2.3 Rastrigin()函数2.4 Drawfunc(label)函数2.5 fun()函数2.6 主程序PSO.m三、参数测试3.1 加速因子c1、c2，惯性权重w3.2 适应度函数维数dim，种群规模sizepop
一、算法...]]></description><category></category></item><item><title><![CDATA[遗传算法解决TSP问题]]></title><link>https://blog.youkuaiyun.com/qq_41784565/article/details/103143225</link><guid>https://blog.youkuaiyun.com/qq_41784565/article/details/103143225</guid><author>qq_41784565</author><pubDate>Tue, 19 Nov 2019 20:48:58 +0800</pubDate><description><![CDATA[遗传算法解决TSP问题一、遗传算法与TSP问题1.1 TSP问题回顾1.2 遗传算法描述1.3 算法实现步骤1.4 算法流程图二、代码与解释三、结果与分析3.1 种群规模对算法性能的影响3.2 城市序列对算法性能的影响3.3 城市个数对算法性能的影响3.4 交叉概率对算法性能的影响3.5 变异概率对算法性能的影响四、小结（注意点）
一、遗传算法与TSP问题
1.1 TSP问题回顾
    TSP问...]]></description><category></category></item><item><title><![CDATA[蚁群算法]]></title><link>https://blog.youkuaiyun.com/qq_41784565/article/details/102917098</link><guid>https://blog.youkuaiyun.com/qq_41784565/article/details/102917098</guid><author>qq_41784565</author><pubDate>Tue, 05 Nov 2019 18:19:40 +0800</pubDate><description><![CDATA[蚁群算法一、思想二、基本原理三、代码实现（旅行商问题）四、结果与分析4.1算法迭代4.2参数设置对蚁群算法性能的影响4.2.1参数α对算法性能的影响4.2.2参数β对算法性能的影响4.2.2参数ρ对算法性能的影响
一、思想
    将蚁群算法应用于解决优化问题的基本思路为：用蚂蚁的行走路径表示待优化问题的可行解，整个蚂蚁群体的所有路径构成待优化问题的解空间。路径较短的蚂蚁释放的信息素量较多，随着时...]]></description><category></category></item><item><title><![CDATA[遗传算法]]></title><link>https://blog.youkuaiyun.com/qq_41784565/article/details/102908833</link><guid>https://blog.youkuaiyun.com/qq_41784565/article/details/102908833</guid><author>qq_41784565</author><pubDate>Tue, 05 Nov 2019 08:01:52 +0800</pubDate><description><![CDATA[遗传算法一、定义二、特点三、基本运算过程流程图四、代码实现4.1Schaffer()函数4.2Griewank()函数4.3Rastrigin()函数4.4Drawfunc(label)函数4.5fun()函数4.6主程序GA.m五、结果分析5.1目标函数为Schaffer()函数5.2目标函数为Griewank()函数5.3目标函数为Rastrigin()函数六、小结
一、定义
    遗传算法...]]></description><category></category></item></channel></rss>