- 博客(160)
- 收藏
- 关注
RSS订阅
原创 极致鸿蒙2.0——华为MatePad系列安装AidLux，一个自带vscode的Python编译环境
极致鸿蒙——华为MatePad系列安装AidLux，一个自带vscode的Python编译环境
2023-05-07 02:50:17
23931
16
原创 面对无法投入模型训练的object类型数据在头疼，快来使用我的丝滑小连招
面对无法投入模型训练的object类型数据在头疼，快来使用我的丝滑小连招
2022-11-26 22:55:59
981
4
原创 【原创·论文翻译】GaitSet-旨在用自己的语言表达出作者的真实意图
【原创·论文翻译】GaitSet-旨在用自己的语言表达出作者的真实意图
2022-11-04 00:43:05
3163
8
原创 【CV】在各种硬件配置下都能如鱼得水的图像分类平台
这是一个分离式图片分类平台，有多种模型，最终要用的模型只有一种。对于这种顾虑，本项目将训练任务与测试任务二分离法，使得工程开发更加轻松便捷。
2022-11-01 17:47:52
868
1
原创 【深度学习手记】使用DNN训练与CNN训练对数据集的要求不一样，为什么CNN网络训练输入的数据需要4维的
当我将神经网络从DNN变为CNN之后，我发现我的模型无法训练了。我们以经典的Mnist数据来了解以下原因。
2022-10-29 10:48:36
2549
1
原创 【机器学习sklearn】两个例子轻松搞懂核密度估计KernelDensity
作业中遇到了需要使用KernelDensity的情况，但是网上的资料参差不齐，找了不短的时间却失望而归，最后还是靠着自己的理解才弄懂sklearn这个函数的使用，特此纪念。
2022-10-19 15:03:23
7563
3
原创 【神经网络实验】Numpy手写多层神经网络
实验2：多层神经网络——这个作业的目的是给你们介绍建立，训练和测试神经系统网络模型。您不仅将接触到使用Python包构建神经系统网络从无到有，还有数学方面的反向传播和梯度后裔。但在实际情况下，你不一定要实现神经网络从零开始(你们将在以后的实验和作业中看到)，这个作业旨在给你们对像TensorFlow和Keras这样的包的底层运行情况有一个初步的了解。在本作业中，您将使用MNIST手写数字数据集来训练一个简单的分类神经网络使用批量学习和评估你的模型。
2022-10-16 18:11:46
2474
1
原创 【目标检测】指定划分VOC数据集训练（车类，行人类，狗类...）
目标检测中，训练COCO数据（标注好的）时，我们不一定想要全部的80个类别的数据，而是想要一些指定类别的数据作用于特点的任务。比如：行人检测、车辆检测和动物检测等等。本文正是介绍如何使用Python将COCO数据集（标注好的）进行划分。
2022-10-10 10:37:16
5017
6
原创 纯原创，略带点科技艺术气息的目标检测框
前言 如果说作为一名程序员，我要求我自己要不断的求证，那么同时作为一名热爱艺术的人，我则无法忍受主流的那种“丑陋”目标检测框（下图），所以这篇文章也就应用而生了。
2022-09-15 13:51:36
1374
5
原创 全网最简约的Vscode配置Anaconda环境（百分百成功）
声明：本文所有内容皆是在拥有：配好的andaconda环境、python环境和Vscode软件的前提下进行的，如若出现错误，很大可能不是我的步骤出错，而是其他环境配置出现了问题。
2022-09-08 04:24:50
88827
18
原创 基于深度学习GaitSet的多人步态识别系统实现方法公示
基于深度学习的多人步态识别系统 Yolov5 · DeepSort · Segementation/背景减除法 · GaitSet
2022-08-29 08:51:48
6257
22
原创 【Opencv工程开发所用类】能完美嵌入目标检测、语义分割等计算机视觉任务的视频摄像头类
【Opencv工程开发所用类】VideoTracker 视频摄像头
2022-08-27 10:58:28
1542
原创 跑通GaitSet（跑不通你来揍我）
一、从github下载GaitSet这里打包好了到百度网盘，部分访问外网慢的小伙伴可以从这里下载喔！论文地址GaitSet: Cross-view Gait Recognition through Utilizing Gait as a Deep Set | IEEE Journals & Magazine | IEEE Xploregithub地址GitHub - AbnerHqC/GaitSet: A flexible, effective and fast cross-view gai
2022-05-28 10:55:02
6259
85
原创 全网最简约的Anaconda+Python3.7安装教程Win10（百分百成功）
如果大家觉得本文章有帮助，麻烦点赞+收藏一下喔！如果安装过程有什么疑问，欢迎在下方评论区留言。
2022-05-27 08:47:49
33870
11
原创 【毕设】基于深度学习paddleOcr的文字识别系统的设计与实现
传统的文字识别方法在面对复杂多样的字体、模糊或有干扰的文本图像时，识别准确率有限，且处理效率低下，难以满足大规模、高精度文字识别的需求。该系统旨在利用深度学习强大的特征学习与模式识别能力，有效提高文字识别的准确率与速度，能够广泛应用于文档数字化、图像文字提取、无障碍阅读等多个领域，自动识别和提取文字信息，提高办公效率，降低人工录入的成本和错误率。深度学习通过构建深层次的神经网络模型，能够自动学习文字的特征，从大量数据中提取更具代表性的模式 ，从而显著提高文字识别的准确率，尤其是在复杂场景下的识别效果。
2025-03-25 16:43:56
830
原创 基于Python的智慧金融风控系统的设计与实现
预期研究成果将为中小金融机构提供可定制化的风控解决方案，通过实证分析验证系统在风险识别准确率、响应时效性等关键指标上的提升效果，为金融科技领域的算法创新与系统实现提供实践参考，助力金融机构在合规经营与风险管控之间实现动态平衡。通过提升风控系统的效率和精度，降低金融机构因欺诈交易等异常行为造成的损失，保障金融市场的稳定运行。通过引入先进的机器学习算法（如XGBoost），显著提升客户信用评估等核心风控指标的准确性，并实现风险模型的动态更新，以适应不断变化的市场环境和新型欺诈手段。
2025-03-23 05:15:33
1113
原创 【毕设】基于Python的在线教育课程推荐学习系统的设计与实现
国外在在线教育课程推荐系统的研究中，主要集中在协同过滤推荐、基于内容的推荐和混合推荐系统。协同过滤推荐通过分析用户的历史行为数据，计算用户之间的相似度，从而为用户推荐其他相似用户喜欢的课程。近年来，深度学习技术被引入推荐系统，利用神经网络模型提取用户和课程的特征，进一步提高了推荐的准确性和个性化程度。个性化推荐系统能够根据学习者的学习历史、兴趣偏好等因素，为他们提供精准的课程推荐，从而提高课程选择的准确性和效率。此外，混合推荐算法的应用也较为广泛，通过结合多种推荐方法，提高了推荐系统的准确性和覆盖率。
2025-03-22 13:44:19
796
原创 【毕设】基于Python的电商商品评论感情分析系统的设计与实现
1.架构全景：按“前端→后端→数据→模型”流程串联技术模块，体现系统完整性；2.技术融合：强调硬件（RTX 3060 Laptop GPU）与软件（PyTorch CUDA）协同优化，突出性能突破；3.数据量化：将性能提升指标（如60%查询加速）自然嵌入叙述，增强说服力；4.问题导向：隐含技术多进程加速进行，展现工程思维。
2025-03-22 13:41:58
1113
原创 【毕设】基于python的电子邮件分类系统的设计与实现
应用层面，系统支持用户自定义分类规则与人工干预机制，既保证自动化处理效率，又保留人工核验的灵活性，形成人机协同的邮件管理新模式。然而，大多数研究仍集中在后端算法的改进，对前端用户体验的关注较少，且在实时性和自适应性方面仍有待提高。二是功能性界面，根据IMAP登录成功后，会根据IMAP获取该用户的48小时以内已读状态和未读状态的所有邮件内容，并对这些邮件内容进行分类和统计，再可视化。也正是因此，本研究将结合前后端技术，设计一个高效、智能且用户体验良好的电子邮件分类系统，填补现有研究的不足。
2025-03-22 13:38:16
283
原创 喂奶级手把手教你本地部署DeepSeek-R1（震撼提供Ollma加速下载包）
DeepSeek R1 是2025年1月20日发布的，中国公司的伟大成就。分离式训练推理代码，仅开源推理代码，可以本地部署进行模型推理，使用DeepSeek-R1，却不可以训练，参观源码。
2025-02-25 17:06:18
489
原创 【毕设】路面交通标签识别系统
强、等人研究基于的交通标志检测和识别，在颜色分割的基础上，以目标区域的边界距离为特征训练线性支持向量分类检测交通标志，然后以交通标志的全部像素为特征训练非线性支持向量分类机来对标志进行分类理解。交通标志具有较高的显示性和广泛的公认性，为了获得良好的效果，在大量的研究的实践下，应该做三方面选择，或者称为交通标识的三要素：颜色，形状和符号(图 1)。关于人工智能，关于深度学习，更多的只是停留在概念阶段，这一点在前面的文字中体现的淋漓尽致：没有技术细节，只有想法。尤其是在图像识别领域，取得了前所未有的成功。
2024-12-15 16:15:20
651
原创 python调用MySql保姆级教程（包会的）
点击上面链接，进入MySQL8.0的下载页面，选择离线安装包下载。不需要登陆，直接点击下方的即可下载。
2024-11-14 23:49:40
1448
原创 超实惠的租借服务器训练深度学习方法
通过百度网盘分享的文件：Niha链接：https://pan.baidu.com/s/1uHLme7H9SL2C-ZhFr107gA?pwd=nadb提取码：nadbxftp用于连接服务器, 传输本地文件到服务器上面去。xshell用于连接服务器进行命令操作。
2024-11-07 04:10:01
384
原创 传统图像处理Opencv分割不同颜色的夹子
1. 计算图像中夹子的总数。2. 分别计算不同颜色夹子的个数。3. 使用以下方法适应三张图片，并在每张图像上显示结果：- 阈值方法- HSV颜色空间- 连通域分析- 形态学图像处理- Canny边缘检测4. 在结果中显示计数后的数字，包括总数和每种颜色的个数。请学生根据任务要求，编写代码实现夹子计数和颜色分类的功能。学生可以选择使用 Python 和 OpenCV 库来完成任务。他们需要适应三张提供的图像，并在每张图像上显示计数结果。
2024-10-06 14:38:37
655
原创 2024年6月GSEP（python）一级认证真题讲解
注意！做题时长为2小时，孩子做完题目后对照讲解视频和讲解分析，针对薄弱点，进行有效的专项提高。（暂无）答案与解析： 选C，分别是C++，Python，Scratch。答案与解析： 选B，感应线圈不用制造计算机，集成电路和晶体管发明时间分别是1958年和1947年，其中晶体管是电子管的升级版，在第一台计算机制造出来之后才发明成功。答案与解析： 选B，余数N%M最大值为M-1，所以值为 2 + 6 = 8。比如 3%3=0,3%4=1,3%5=2,3%6=0，这是一个无限循环0->1->2->0-，8也是一样的
2024-08-28 19:22:33
1593
原创 CCF-GESP5级考试——(C++)数组模拟高精度加法、减法、乘法、除法
在C++中，通常使用基本的整数类型（如`int`、`long`等）和浮点数类型（如`float`、`double`等）来进行加减乘除运算。这些基本类型在表示数字时有一定的范围和精度限制。int类型通常是32位有符号整数，可以表示的范围是[这是因为int类型使用一个符号位来表示正负号，剩下的31位用来表示数值，其中一位用来表示0。因此当我们进行下面这样的加法运算便会导致溢出，得到负数👇浮点数float也是一样的道理，浮点数通常使用IEEE 754标准进行表示，其中float。
2024-08-25 09:11:39
1101
原创 真题解析 | CCF CSP-J 2020 入门级 C++语言真题及答案
一个无向图中，如果从图中的任意一个顶点出发，都可以通过边的连接到达图中的任意其他顶点，则该图被称为连通图。根据题目中给出的信息，独根树的高度为1，即只有一个节点。（4 分）若输入的 nn 为 1515，接下来的输入是 1515 到 11，以及 1515 到 11，则输出为（ ）。2. 从右向左，第0位是最低位，第n位是最高位，对应的权重为$2^0, 2^1, 2^2, ... , 2^n$。根据插板法的公式，总的分配方案数为 𝐶(𝑛−1,𝑘−1)，其中𝑛表示总的名额数，𝑘表示班级数，𝐶表示组合数。
2024-08-23 18:50:08
1841
原创 CCF-GESP5级考试——(C++)查找与排序算法之二分查找
假设我们现在有这样一个从小到大排好序的数组。我可以怎么样去做呢？最简单的想法，我们是不是可以从头开始遍历数组，如果找到等于3的元素就记录该元素的下标。这样子的时间复杂度毫无疑问是，这种方式叫做“线性搜索”那有没有更快的方式呢。根据算法竞赛中和以后的GESP考级内容，我们只需要学习“二分查找”也叫“二分搜索”算法即可，其他的只需要了解即可。且我们可以看出“二分查找”是效率最高的算法之一，他的使用广泛成都也是最高的。
2024-08-23 18:42:02
1240
原创 CCF-GESP5级考级——(C++)初等数论，全网最精简的求最大公约数gcd和最小公倍数lcm方法（100%好使）
约数必须在整除的前提下才存在，而因数是从乘积的角度来提出的。如果数与数相乘的积是数是的因数。1.约数只能对在整数范围内而言，而因数就不限于整数的范围。例如：。2和8是16的因数，也可以是16的约数。而如：，虽然可以说0.9X8是7.2的因数，却不能说0.9和8是7.2的约数。2.对于一个整数，凡能整除它的数，都是这个整数的约数。而因数只有在多个数字相乘等于n的时候，才能说例如：1、2、4、8、16都能整除16，因此，1、2、4、8、16也都是16的约数。
2024-08-18 14:43:35
1246
原创 真题解析 | CCF CSP-J 2019 入门级 C++语言真题及答案
题目分析：根据题意，节点1下标为1，节点2下标为2，节点3下标为3，节点4下标为2*节点3=6,节点5下标为2*节点3+1=7，因此最后的节点6最小也要2*节点5+1=2*7+1=15。题目分析：考察乘法原理，第1，2位有5种选法(0，1，6，8，9)，第三位有三种0，1，8，第4，5位由前两位决定，所以答案位5*5*3=75。假设有1个袋子不放，有5种分法，(1,1,1,5),(1,1,2,4),(1,1,3,3),(1,2,2,3),(2,2,2,2);排序的题做了很多，认真读题，不是特别难的事。
2024-08-14 19:53:21
1667
基于数据安全与隐私保护的在线医疗预约系统前台录屏(1)
2025-03-27
Opencv画出红底白字标准中文显示框
2024-10-12
全景拼接python旗舰版
2024-10-12
步态人脸双重识别演示视频
2024-08-22
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人