- 博客(67)
- 资源 (1)
- 收藏
- 关注
RSS订阅
原创 【生物特征识别论文分享】基于深度学习的掌纹掌静脉识别
基于深度学习的生物特征识别（手掌静脉、手背静脉、手指静脉、掌纹、人脸等）论文模型和方法总结。具体方法包括：基于特征表征、基于传统网络设计与优化、基于轻量级网络设计与优化、基于Transformer设计与优化、基于GAN设计与优化、基于哈希编码、基于多模态融合、基于多特征融合等。
2024-08-20 21:22:42
2128
4
原创 掌静脉识别关键技术研究综述
掌静脉识别作为一种新兴的红外生物识别技术，因其高安全性、活体检测性等优势已成为当前生物特征识别领域中的研究热点之一。近年来，该领域的大量研究通过引入深度学习方法推动了掌静脉识别技术的发展。
2024-04-27 18:22:26
1470
原创 QT多媒体播放器类：QMediaPlayer
QMediaPlayer 是 Qt Multimedia 模块中的核心类，用于播放音频和视频媒体文件。它支持本地文件、网络流媒体以及实时数据源，具备播放控制、状态管理、元数据访问等功能。QMediaPlayer的基本用法可能包括设置媒体源、控制播放（播放、暂停、停止）、调整音量、监听播放状态变化等。
2025-03-18 15:59:20
797
原创 QT界面尺寸：高DPI屏幕缩放问题
高DPI屏幕缩放问题。DPI 是 Dots Per Inch（每英寸点数）的缩写，用于衡量 打印精度 或 显示设备的分辨率密度。
2025-03-14 10:31:04
459
原创 QT核心类：基础类、GUI类、多媒体与图表、网络与数据库
所有 Qt 类的基类，提供信号槽机制、对象树内存管理、事件处理。核心特性：父子对象：父对象销毁时自动销毁子对象。信号与槽：通过 实现对象间通信
2025-03-13 10:05:59
551
原创 QT信号与槽：实现方法、技术细节、高级用法和底层机制
信号（signals）：当对象的状态发生变化或发生特定事件时，自动触发的通知。槽：接收信号并执行逻辑的成员函数。队列连接（QueuedConnection）：将槽调用封装为事件，投递到接收者线程的事件循环。直接连接（DirectConnection）：立即在发送者线程调用槽函数。这些文件包含信号的实现和槽的元信息，使运行时动态连接。无事件循环的场景（如纯计算线程），需谨慎使用队列连接。通过字符串匹配信号和槽，运行时解析。信号转发：一个信号触发另一个信号，用于抽象或代理。&类名::信号 和 &类名::槽。
2025-03-13 01:53:49
936
原创 QT创建项目（项目模板、构建系统、选择类、构建套件）
QMainWindow和QDialog都是QWidget的子类，但各自有不同的扩展功能。QMainWindow提供了标准的应用程序框架，而QDialog则专注于对话框的特定行为，比如模态和非模态。
2025-03-12 09:23:55
719
原创 掌静脉识别预处理之ROI提取
掌静脉识别预处理部分包括ROI提取和图像增强。ROI 提取一般包括四个步骤：手掌图像二值化、手掌轮廓线提取、利用相关算法定位关键点并建立坐标系和提取合适的 ROI。
2024-08-20 16:59:39
947
原创 《python深度学习》笔记（二十）：神经网络的解释方法之CAM、Grad-CAM、Grad-CAM++、LayerCAM
GAP分类后概率最大的神经元的权重特征图梯度的全局平均来计算权重。
2023-10-31 17:39:33
3489
2
原创 嵌入式Linux基础学习笔记目录
嵌入式Linux（Embedded Linux）是指对标准Linux经过小型化裁剪处理之后，能够固化在容量只有几K或者几M字节的存储器芯片或者单片机中，适合于特定嵌入式应用场合的专用Linux操作系统。嵌入式Linux既继承了intelnet上无限的开放原代码资源，又具有嵌入式操作系统的特性。
2023-09-11 08:58:36
484
原创 【图像识别】图像特征、特征检测、特征提取
Edward Rosten和Tom Drummond在2006年发表的“Machine learning for high-speed corner detection”文章中提出了一种FAST特征，并在2010年对这篇论文作了小幅度的修改后重新发表。特征检测的结果是把图像上的点分为不同的子集，这些子集往往属于孤立的点、连续的曲线或者连续的区域。的特征算子，该算子是由T.Ojala等人于1994年首次提出的，后经过发展改进可应用于图像特征分析，该算子具有。跟它的名字一样，这是个算法是加速版的 SIFT。
2023-09-10 15:31:02
4734
原创 【数字图像处理】3.对比度增强
对比度增强是图像增强的一种，它主要解决的是，目的是。对比度增强：线性变换、分段线性变换、伽马变换、直方图正规化，直方图均衡化，局部自适应直方图均衡化。
2023-06-17 14:49:15
5570
原创 【数字图像处理】2.几何变换
几何变换：放大、缩小、旋转等，改变空间位置。完成几何变换需要两个独立的算法：1.实现空间坐标转换(像素如何从初始位置移动到终止位置)，2.插值算法(完成输出图像每个像素值的灰度值）
2023-06-16 11:33:55
2237
原创 【计算机视觉】OpenCV开源项目与学习资料汇总
一款入门级的人脸、视频、文字检测以及识别的项目.学习OpenCV: c++和Python示例。实时人体、脸、手、脚的关键点检测库。
2023-05-15 16:52:04
698
原创 【综述】结构化剪枝
深度卷积神经网络（CNNs）的显著性能通常归因于其更深层次和更广泛的架构，这可能会带来巨大的计算成本。剪枝神经网络有效地降低了存储和计算成本，因此引起了人们的兴趣。。结构化剪枝的特殊要求导致了许多新挑战的发现和创新解决方案的发展。本文综述了深度CNN的结构化剪枝的最新进展。我们总结和比较了最新的结构化剪枝技术，包括。在讨论结构化剪枝算法时，我们简要介绍了非结构化剪枝对等物，以强调它们的区别。
2023-05-13 11:29:02
2171
原创 神经网络模型压缩&实例教程—结构化剪枝
'''搭建类LeNet网络'''# 单通道图像输入，5×5核尺寸return x本示例首先搭建了一个类LeNet网络模型，为了进行结构化剪枝，我们选取了LeNet的conv1模块，该模块参数包含为3×5×5的weight卷积核参数和3×1的bias参数，通过示例，我们利用torch.nn.prune中的ln_structured剪枝方法，实现了对weight的3个通道中其中一个通道进行了L2 norm结构化剪枝。
2023-05-07 22:07:03
874
原创 神经网络模型压缩&实例教程—非结构化剪枝
'''搭建类LeNet网络'''return x本示例首先搭建了一个类LeNet网络模型，为了进行非结构化剪枝，我们选取了LeNet的conv1模块，该模块参数包含为6×3×3的weight卷积核参数和6×1的bias参数，通过示例，我们利用torch.nn.prune中的剪枝方法，实现了对weight参数进行30%随机非结构化剪枝，以及对bias的L1非结构化剪枝。本文用到的核心函数module.named_parameters()，需转换为list对其可视化。
2023-05-05 11:23:14
1185
原创 神经网络模型压缩技术—剪枝
利用神经网络参数的冗余性和网络结构的冗余性精简模型,在不影响任务完成度的情况下,得到参数量更少、结构更精简的模型。被压缩后的模型计算资源需求和内存需求更小,相比原始模型能够满足更加广泛的应用需求。剪枝方法探索模型权重中的冗余， 并尝试删除/修剪冗余和非关键的权重。剪枝分为结构化剪枝和非结构化剪枝，两者区别在于是否会一次性删除整个节点或滤波器。
2023-05-04 11:15:48
10482
原创 MobileViT神经网络模型
MobileViT论文中绘制的Standard visual Transformer。首先将输入的图片划分成一个个Patch，然后通过线性变化将每个Patch映射到一个一维向量中（视为一个个Token），接着加上位置偏置信息（可学习参数），再通过一系列Transformer Block，最后通过一个全连接层得到最终预测输出。
2023-05-04 09:20:05
2336
原创 【C/C++】从键盘输入一个字符串
键盘输入字符是先存入缓冲区，当你按下回车时，getchar就会进入缓冲区读取字符，一次只读取第一个字符，我们输入的一串字符被读出来是getchar循环读取的结果，而回车键取代了我们输入的第一个字符，我们输入getchar（）来清除回车键，达到从第一个字符开始读起的目的。这个方法虽然麻烦，但是可以在存储字符串时实现一些功能，比如判断字符是否为小写，如果不是则转换为小写。如果次字符不是回车'\n'，则存入字符数组，如果是回车则结束循环。读取多个字符，可读取空格，最后会自动保存一个’\0’
2023-03-22 22:01:02
3732
原创 嵌入式Linux基础入门和学习路线
类似的，这个BIOS对应于嵌入式Linux里的bootloader。这个bootloader要去Flash上读入Linux内核，并启动它。不仅如此，Linux内核还有进程调度能力、内存管理等功能。嵌入式Linux能从Flash上读出并执行应用程序，肯定也得有Flash的驱动程序啊，当然也不仅仅是Flash。嵌入式Linux系统里含有bootloader、内核、驱动程序、根文件系统、应用程序这5大块。所以Linux内核要有这些Flash、SD卡里设备的驱动能力。所以，windows要先识别出C盘、D盘。
2023-03-21 15:56:51
2560
原创 论文分享：图像识别与隐私安全
一种基于视觉密码学和可信计算的无密钥依赖的医学图像安全隐私保护框架。一种基于加密方案的可逆数据隐藏的智能环境安全生物特征认证系统。通过联邦学习对隐私约束下深度人脸识别的无监督域适应。一种保护隐私的手语基于深度学习的加密手势识别云服务。基于计算机视觉的人脸识别技术中的云数据访问预防方法。基于联邦学习和集成模型的可转移人脸图像隐私保护。基于差分隐私框架的频域下人脸识别隐私保护算法。通过与隐私无关的集群改进联邦学习人脸识别。基于深度学习和同态加密的人脸安全认证系统。基于人脸识别的联邦学习。
2023-03-10 13:24:33
1498
原创 面向移动终端软件的软件工程方法研究
面向移动终端软件的软件工程方法概述摘要：随着移动终端设备的普及，面向移动终端软件的开发已经成为了一个快速发展的领域。本文通过对面向移动终端软件的软件工程方法研究的回顾和总结，结合当前的研究现状和未来的发展趋势，提出了一些未来研究的方向和建议。文章首先介绍了移动终端软件开发的特点和挑战，然后对当前面向移动终端软件的软件工程方法进行了分类和总结，包括敏捷开发、基于模型驱动的开发、测试和质量保证等方面，最后提出了未来研究的方向和展望。关键词：移动终端软件、软件工程、敏捷开发、模型驱动、测试、质量保证。
2023-03-09 19:27:12
605
2
原创 芯片附近0.1uF电容的作用
这是 STM32F103 最小系统原理图，STM32F103VET6 需要五路 3.3V 供电，他的 3.3V 一般来源于。LDO 比 DC-DC 的方式（TPS5430）更能提供稳定的电压，但对芯片来说依旧不够，我们需要在芯片供电引脚旁边加上。让电压中的高频交流部分从电容走到地，从而芯片可以获得稳定的直流电压。频率越高，选用的滤波电容的量级越变小。去耦、耦合（隔直通交）、滤波、储能。因此，去耦电容的摆放需要尽量。LDO（低压差线性稳压器。0.1uF 的去耦电容。
2023-02-22 18:11:13
1305
原创 操作系统作业
I．整数除以零 II． sin（）函数调用 III． read 系统调用。，且都按输入、计算和输出的顺序执行，则执行完3个作业需要的时间最少是 （）。D．用户级线程可以在不支持内核级线程的操作系统上实现。执行的作业，每个作业的输入、计算和输出时间均分别为。C．用户级线程间的切换比内核级线程间的切换效率高。3、某单CPU系统中有输入和输出设备各1台，现有。B．操作系统为每个用户级线程建立一个线程控制块。A．内核级线程的调度由操作系统完成。的叙述中，正确的是____。Ⅰ．具有并发和并行的特点。
2023-02-21 20:37:23
2285
原创 51中断系统【寄存器、优先级、测试程序】
testbit_测试并清零位 （相当于8051 JBC 指令）// 相当于JBC bitvar测试该位变量 并跳转同时清除。_crol_ 字符循环左移 // 将char型变量 循环向左(右)移动指定位数后返回。每一个中断源是否允许中断，是由内部的中断允许寄存器IE和XICON控制的。_lrol_ 长整数循环左移。_lror_ 长整数循环右移。_cror_ 字符循环右移。_irol_ 整数循环左移。_iror_ 整数循环右移。
2023-02-21 16:54:09
352
原创 【操作系统】进程的描述与控制
这样，关中断、开中断之间的这些指令序列就是不可被中断的，这就实现了“原子性”。对此，通常有两种解决方案：①一个管道允许多个写进程，一个读进程.②允许有多个写进程，多个读进程，但系统会让各个读进程轮流从管道中读数据（Linux 的方案）。：当系统中存在着多个可以并发执行的程序时，系统中的各种资源将为它们所共享，致使其中任一程序在运行时，其他环境都必然会受到其他程序的影响。：指只要程序执行时的环境和初始条件相同，当程序重复执行时，不论它是从头到尾不停顿地执行，还是“走走停停”地执行，都可获得相同的结果。
2023-02-17 22:07:07
998
原创 操作系统引论
而后者是虚的，是用户感觉上的东西。这是因为在内存中仅有一道程序，每逢该程序在运行中发出I/O请求后，CPU便处于等待状态，必须在其I/O完成后才能继续运行。：是指计算机中不允许用户直接使用的指令，如 I/O指令、置中断指令，存取用于内存保护的寄存器、送程序状态字到程序状态字寄存器等的指令。在何时能获得处理机运行，何时又因提出某种资源请求而暂停，以及进程以怎样的速度向前推进，每道程序总共需多少时间才能完成，等等，都是。由于资源等因素的限制，使进程的执行通常都不是“一气呵成”， 而是以“停停走走”的方式运行。
2023-02-17 14:42:47
482
转载 MobileViT模型简介
自从2020年ViT(Vision)模型的横空出世，人们发现了Transformer架构在视觉领域的巨大潜力。近些年，越来越多的科研人员投入Transformer的怀抱，视觉领域的各项任务也不断被Transformer架构模型刷新。Transformer虽然强大，但在现在看来落地仍存在很多难点。比如模型参数太大（比如ViT Large Patch16模型光权重就有1个多G），而且算力要求太高，这基本就给移动端部署Transformer模型判了死刑。
2022-11-13 14:10:43
948
原创 定时器及其应用【配置寄存器】
定时器在单片机内部就像一个小闹钟，根据时钟的输出信号，每隔“一秒”，计数单元的数值就加一，当计数单元数值增加到“设定的闹钟提醒时间”时，计数单元就会向中断系统发送中断申请，产生“响铃提醒”，使程序转到中断服务函数中执行。距离65535差1000，一次1us，1000次就是1ms。C/T=0：0代表用作定时器，1代表用作计数器。定时器工作模式（计数单元）：模式0、定时器1的不用配置，定时器0配置如下。（16位，常用）、模式2、模式3。
2022-11-04 14:18:00
1370
原创 51单片机总结【引脚、时钟电路、复位电路、I/O端口、内部结构】
掉电保护方式下，RAM内容被保存，振荡器被冻结，单片机一切工作停止，直到下一个中断或硬件复位为止。对P3端口写“1”时，内部上拉电阻把端口拉高，此时可以作为输入口使用。此外，P1.0和P1.2分别作定时器/计数器2的外部计数输入(P1.0/T2)和时器/计数器2 的触发输入(P1.1/T2EX)，具体如下表所示。在flash编程和校验时，P1口接收低8位地址字节。对P1 端口写“1”时，内部上拉电阻把端口拉高，此时可以作为输入口使用。对P2端口写“1”时，内部上拉电阻把端口拉高，此时可以作为输入口使用。
2022-10-28 18:07:02
13164
1
原创 串口通信协议【I2C、SPI、UART、RS232、RS422、RS485、CAN、TTL、USB】
串口通信协议【I2C、SPI、UART、RS232、RS422、RS485、CAN、TTL、USB】
2022-10-27 22:01:44
24295
4
原创 存储器和寄存器
到这里大家有没有发现一个特点寄存器的地址每次偏移4，如果定义一个寄存器的类型为（unsigned int）是不是正好在内存中占4个字节，而一个内存单元就是1个字节，分配一个地址，那4个字节不正好每次偏移4个地址，而且有符合结构体的内存对齐，关于结构体的内存对齐这里不细讲，以后会出有关结构体的文章详细阐述。GPIO 有很多个寄存器，每一个都有特定的功能。内存被划分为一个个的内存单元，每个内存单元的大小是一个字节，为了能有效的访问到内存的每个单元就给内存单元进行编号，编号就被称为该内存单元的地址。
2022-10-27 21:23:41
1467
转载 《python深度学习》笔记（十九）：卷积神经网络的可视化
你知道神经网络各个层具体是怎样学习的吗？深度学习模型就像是“黑盒”，即模型学到的表示很难用人类可以理解的方式来提取和呈现。这个说法部分正确，但卷积神经网络绝对不是这样的。卷积神经网络学到的表示非常适合可视化，很大程度上是因为它们的视觉概念的表示。下面介绍三种最简单的最有用的可视化方法。转载他人的笔记：1.可视化中间激活层https://blog.youkuaiyun.com/huang1024rui/article/details/1191502225.4 卷积神经网络的可视化卷积神经网络学到的表示非常
2022-05-19 18:18:50
357
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人