reset2021-优快云博客

原创 WAF 全解：定位、检测引擎、OWASP Top 10 防护、规则引擎与绕过对抗

本篇《WAF 全解》系统梳理 Web 应用防火墙：先厘清 WAF 与网络防火墙(L3/L4)的根本区别、L7 协议栈位置与防护边界；再对比反向代理/透明桥/云 WAF/旁路/sidecar 五种部署模式（强调拦截必须 inline）；详解签名、正向安全、语义、行为、ML、RASP 七种检测引擎；逐项拆解 OWASP Top 10(2021) 防护（A03 注入为主场）；以 ModSecurity 五阶段、SecRule、CRS 异常评分 + 偏执等级讲透规则引擎；并剖析 SQLi 变形、HTTP 走私(CL

2026-11-06 09:36:37 248

原创意图识别方案选型

在意图识别场景中，三选一决策需权衡标注成本、延迟、准确率与扩展性。Jev检索式适合零标注冷启动与低资源部署，延迟低、成本可控；BERT微调在有标注数据下精度高、性价比最优，适用于固定意图的生产环境；LLM+Prompt则适合开放域快速原型，但延迟高、成本随量增长。推荐：冷启动选Jev，稳定业务选BERT，动态意图选混合架构（检索+BERT+LLM兜底），兼顾性能与可维护性。

2026-11-06 09:30:31 186

原创 OpenCV 人脸打卡 / 人数统计小工具：原理与关键代码

本文解析「人脸打卡」与「人数统计」的本质差异：前者需识别身份，后者重在去重计数。二者共享检测与跟踪模块，可复用同一套检测流水线。推荐架构为“检测一次，双线并行”——识别线用LBPH实现身份匹配，计数线通过IoU或质心跟踪分配唯一ID，结合虚拟线穿越判定进出人数。关键点包括：使用LBP级联提升检测效率，训练时校准LBPH阈值，跟踪中合理设置IoU/距离阈值防误判。该设计兼顾精度与性能，适用于嵌入式与实时场景。

2026-11-05 15:28:27 192

原创 OpenCV 摄像头与视频入门（深扒版）

本文以统一心智模型贯穿始终：摄像头与视频文件均通过cv2.VideoCapture抽象处理，核心流程为“打开→读帧→处理→显示/保存”。强调帧即BGR格式的uint8 NumPy数组，坐标与颜色空间需注意错位（(x,y) vs [y,x]，BGR vs RGB）。内容涵盖环境安装（推荐opencv-python或headless版）、设备索引探测、分辨率/帧率设置、视频读写（含FourCC编码选择），并警示常见陷阱如read()返回元组、释放资源必要性等，实现从基础到实战的完整闭环。

2026-11-05 14:48:58 487

原创轮廓与形态学：边缘检测 / 轮廓查找 / 形态学开闭运算

边缘检测、形态学开闭与轮廓查找构成图像处理中目标形状分析的完整流水线。边缘检测（如Canny）识别灰度突变，输出边缘强度图；形态学开闭运算对二值掩码进行修复——闭运算桥接断边，开运算去除噪声，确保轮廓闭合且干净；最终findContours从清洁的二值掩码中提取有序边界点，用于形状量化。三者环环相扣：边缘图需经阈值化转为二值掩码，再经形态学处理，才能获得准确轮廓。跳过形态学将导致碎裂或噪点轮廓，影响后续分析。核心逻辑：发现 → 修整 → 量形。

2026-11-04 11:14:07 109

原创单目 / 双目 / 多目摄像头技术完整教程：从成像原理到工程落地

单目、双目、多目摄像头的本质区别在于深度获取方式：单目依赖运动或先验，存在尺度歧义；双目通过视差直接测距，精度受基线与标定影响；多目利用多视角几何实现鲁棒三维重建与环视。核心在于能否获得绝对深度——仅双目与多目在合理配置下可解。从针孔模型到畸变校正，再到立体匹配与三角化，技术链环环相扣。工程上，单目适合结构理解，双目用于精确测距，多目则胜任复杂场景的完整三维感知。

2026-11-04 10:56:39 319

原创深度学习推理入门：加载预训练模型、人脸 / 物体检测、画框

本文聚焦模型推理全流程：从加载预训练模型（支持OpenCV DNN、PyTorch、ONNX、YOLO等格式），到解析检测输出（框坐标、分数、类别，注意归一化与像素转换陷阱），再到使用OpenCV/PIL/matplotlib绘制检测框。强调推理铁律：model.eval() + torch.no_grad()，并提供端到端最小可运行示例与常见误区清单，助力快速上手物体与人脸检测。

2026-11-03 10:21:58 550

原创 OpenCV 形态学操作进阶：腐蚀、膨胀、开运算、闭运算、梯度、顶帽、黑帽

形态学以形状为核心，通过结构元素在图像上进行集合运算，擅长处理二值与灰度图像中的噪声去除、目标分离、边缘提取与特征增强。核心算子基于腐蚀（邻域取最小）与膨胀（邻域取最大），衍生出开运算（去噪保形）、闭运算（填洞连通）、梯度、顶帽/黑帽等，均具明确几何意义与工程价值。对称性与锚点设计影响操作方向，非对称核需显式反射。开闭运算幂等性确保稳定滤波，广泛应用于细胞计数、焊点检测、医学图像处理等场景。

2026-11-03 10:19:01 37

原创图像阈值与掩膜：二值化 / 掩膜抠图 / 颜色过滤

本文系统解析阈值与掩膜的核心原理，揭示二值化中的“前景约定陷阱”与通道转换误区。重点讲解全局阈值（固定、Otsu、Triangle）与自适应阈值在光照不均场景下的应用，剖析五种阈值类型flag的语义差异，强调inRange实现多维区间筛选的本质。通过掩膜（Mask）的集合论视角，贯通抠图、颜色过滤与色彩空间选型（HSV/Lab）的工程实践逻辑，最终提供可落地的P0避坑清单，构建从像素到区域的视觉处理认知闭环。

2026-11-02 19:03:39 308

原创图像基本操作：缩放 / 裁剪 / 绘图 / 通道分离（OpenCV 深扒版）

本文系统梳理图像处理中四大操作：缩放（重采样+插值，关键在dsize=(W,H)与shape=(H,W)顺序）、裁剪（[y,x]索引，注意视图共享）、绘图（原地修改）和通道分离。贯穿全文的两大核心约定：坐标系(x,y) vs 数组[y,x]、颜色空间BGR vs RGB。强调缩放时缩小用INTER_AREA、放大用INTER_LINEAR，避免常见错位与颜色反转陷阱，提升代码可靠性与视觉准确性。

2026-11-02 18:55:31 399

原创词向量与 Word2Vec 深扒：把词的「含义」变成向量

Word2Vec通过将词映射为低维稠密向量，实现语义编码——语义相近的词在向量空间中距离更近。其核心基于“分布式假设”：词的含义由上下文决定。采用CBOW（上下文预测中心词）与Skip-gram（中心词预测上下文）两种架构，结合负采样（NEG）高效训练，避免全词表softmax的计算瓶颈。通过高频词子采样与噪声分布$f(w)^{3/4}$平衡训练样本，提升模型性能。尽管存在不处理词序、多义性等局限，但其开创性地实现了无监督语义表示，成为后续预训练模型的思想源头。

2026-10-30 11:33:56 39

原创词袋模型与 TF-IDF 深扒：把文字变成数字矩阵

词袋模型（BoW）与TF-IDF是文本向量化的核心方法，前者统计词频构建稀疏矩阵，后者通过TF×IDF加权抑制常见词、突出稀有词。二者均将文档转为固定维度向量，奠定向量空间模型基础。尽管TF-IDF缓解了高频虚词问题，但语义丢失、词序忽略与高维稀疏仍是共性缺陷。工程上需注意min_df/max_df过滤噪声、ngram_range捕获短语、稀疏矩阵存储优化，并牢记sklearn的IDF平滑公式（$\log\frac{N+1}{df_t+1}$）与标准实现差异，避免误用。

2026-10-30 11:24:01 128

原创 OpenCV + Python 图像基础深度解析：从 ndarray 到几何变换

本文系统讲解图像在计算机中的表示与基础操作，核心主线为：图像即 numpy.ndarray（shape/dtype/BGR），重点揭示 OpenCV 默认使用 BGR 顺序、灰度图无通道维等易错点。涵盖读/显/存（imread flag、BGR↔RGB 转换）、颜色空间（RGB/GRAY/HSL/HSV）转换、像素访问与 ROI 操作、几何变换与图像运算。强调向量化操作效率，避免逐像素循环，并通过交互演示直观展示坐标系、通道顺序与颜色空间差异，为后续模型输入准备打下坚实基础。

2026-10-29 14:46:32 255

原创文本预处理三件套 · 清洗 / 分词 / 去停用词

本文聚焦文本预处理核心三步：清洗（去噪声）、分词（切单元）、去停用词（消冗余），构建可配置的中英文预处理流水线。强调三者正交且顺序不可逆，重点详解“去停用词”策略——通过可交互代码与决策表，指导何时启用/禁用该步骤，兼顾任务需求与模型效率，实现“干净、离散、低噪声”的token序列输出。

2026-10-29 10:12:12 329

原创走进 NLP · Python 文本基础

本文构建了一条从原始文本到可向量化数据的最小预处理流水线：字符串 → UTF-8编码 → 正则清洗 → 归一化 → 分词 → N-gram统计。每步聚焦消除一种不确定性，配套可交互演示与可复用代码，帮助读者掌握NLP基础中的核心技能——从字符处理到模型输入准备，实现“零基础也能独立写流水线”。

2026-10-29 09:23:17 257

原创 OpenCV 图像处理基础实战：从像素数组到滤波与形态学

本文从像素数组视角解析OpenCV核心原理：图像本质是连续内存中的$H \times W \times C$数值矩阵，理解其布局、索引与数据类型是掌握滤波、色彩转换、形态学等操作的基础。通过纯JS交互演示，对比BGR/RGB差异、算术饱和处理、卷积核滑动机制，详解均值、高斯、中值、双边滤波及腐蚀/膨胀等形态学操作，并给出可落地的预处理流水线——“去噪→灰度→阈值→形态学→轮廓”，揭示“图即数组”的底层逻辑，助力高效图像处理开发。

2026-10-28 15:21:19 303

原创 OpenCV 仿射变换与透视变换

本文系统解析仿射与透视变换的几何本质：仿射（6自由度）保持平行线与面积比，适用于平面刚体运动与非均匀缩放；透视（8自由度）允许平行线汇聚于灭点，真实模拟人眼视觉，是文档扫描、AR贴图的核心。通过齐次坐标矩阵、不变量（交比、共线性）及DLT算法，揭示OpenCV函数背后的数学逻辑，并结合实例说明应用场景与常见陷阱。

2026-10-28 10:40:08 30

原创 OpenCV 形态学操作进阶：腐蚀、膨胀、开运算、闭运算、梯度、顶帽、黑帽

形态学以形状为核心，通过结构元素在图像上进行集合运算，擅长处理二值与灰度图像的几何特征。核心算子基于最小（腐蚀）与最大（膨胀）操作，衍生出开（去噪保形）、闭（填洞连通）、梯度、顶帽/黑帽等工具。其对偶性与幂等性保障了稳定性与可推导性。合理选择结构元素（矩形、椭圆、十字）及锚点，结合迭代与边界处理，可实现去噪、边缘提取、孔洞填充等精准操作，广泛应用于工业检测、医学图像分析等领域。

2026-10-28 10:18:50 245

原创 Zero-shot 深度解析：经典零样本学习、LLM 零样本与「预训练语义空间」的贯通

本文贯通"经典零样本学习（ZSL）"与"LLM 零样本"两条路线，指出二者底层机制同构：都借助训练时见过、但任务标签未见过的语义空间，把输入与未见标签对齐，免更新权重完成预测。经典 ZSL 用属性/词向量空间（DAP、DeViSE、GZSL 以调和平均 H 为权威指标）；LLM 零样本用语言空间（下一词预测、指令遵循、NLI 式分类）；CLIP 式对比预训练将两者统一进联合语义空间。文末给出形式化数学（兼容性函数、ranking loss、InfoNCE）、numpy 玩具与工程要点。

2026-10-27 17:21:51 317

原创自然语言处理（NLP）自学教程：从符号主义到预训练大模型

本文是《NLP 自学教程》要点摘要：以「概念范式→分词→文本表示→任务模型→预训练→大模型与评测」六阶段为主线，串讲三范式演进、one-hot 到上下文词向量、BERT/GPT/T5 三家族选型、提示工程与 P/R/F1、BLEU 等评测，配 5 个可交互演示与自测题，并索引 11 篇系列纵深文章，适合作体系化自学入口。

2026-10-27 14:40:43 290

原创 Token / Subword / OOV 深扒：NLP 与 LLM 的词元世界

摘要（148字）： Token是模型输入的最小单元，其粒度决定效率与覆盖能力。子词（subword）作为介于词与字间的最优粒度，通过拆分未知词有效消灭未登录词（OOV），实现词表闭合。现代大模型普遍采用子词或字节级编码，使任意文本均可表示，几乎消除OOV。token数直接影响计算成本、上下文长度与推理延迟，中文因单位信息量低，常需更多token，成本显著高于英文。三者构成“可覆盖、可控长、低成本”的闭环体系。

2026-10-27 09:16:17 194

原创 CC 攻击全解：原理、特征与防御

本文全解 CC 攻击：剖析其以合法 HTTP 请求放大服务端成本的原理（放大比可达 10⁵×），给出流量、日志、资源三维识别判据，并梳理从架构缓存、CDN/高防/WAF、Nginx 限速到应用频控的五层防御矩阵，附实战命令与常见误区，供防御落地参考。

2026-10-26 11:41:35 242

原创大语言模型工作原理：从 Token 预测到多轮对话的系统性解析

本文以“中国首都是哪里”问答为例，拆解大模型对话的九个核心工序：从消息组装到模板渲染、分词、预填充、解码生成、流式输出、历史追加与上下文管理。核心洞见在于：模型无记忆，每轮生成均基于全量历史重拼序列，通过下一词预测完成。多轮对话本质是“重复播放历史”，上下文窗口即序列长度上限。全文揭示了无状态服务架构下，token计费、系统提示生效、失忆问题的本质根源，并强调模板一致性对生成质量的关键影响。

2026-10-26 11:36:50 711

原创卷积神经网络（CNN）的反向传播细节

本文系统解析CNN反向传播的核心机制，指出其本质仍是链式法则在计算图上的逆序应用。卷积层的特殊性源于权重共享与稀疏结构：权重梯度需累加（非平均），输入梯度为full convolution（含核翻转），stride/padding/dilation在反向中分别对应dilation、裁剪与output_padding。文章以互相关约定为基础，通过线性算子与im2col视角统一推导三条核心公式，并验证其数值正确性，揭示“转置卷积即前向算子的转置”这一深层原理，为理解现代深度学习框架中的高效实现提供理论支撑。

2026-10-24 11:45:04 192

原创从零掌握 TCP Socket 编程：API、状态机、字节流与 IO 多路复用

Socket编程本质是管理内核维护的可靠字节管道。核心在于：建连接（socket/bind/listen/accept/connect）、定边界（字节流与粘包）、搞并发（IO模型与多路复用）。通过五元组唯一标识连接，理解三次握手、四次挥手及队列机制，掌握read/write的流式语义，选用epoll等高效模型，结合Reactor或线程池实现高并发服务。生产中需规避SIGPIPE、SO_REUSEADDR、Nagle等陷阱。最终以完整代码落地，构建稳定网络应用。

2026-10-24 10:42:47 156

原创 Bradley-Terry 模型（Bradley-Terry Model）深度解析：从成对比较到强度排名

Bradley-Terry 成对比较模型解析：以「胜率只依赖双方强度差」为核心假设，阐明其与 Elo 评分的对应（Elo 即在线 SGD）；推导对数似然、「赢减期望赢」梯度与 MM 算法（切线 minorize 得闭式更新），及规范不变性、连通性、可分性三大可识别性问题。统计覆盖信息矩阵标准误、LRT、拟合优度、平局与主场建模、特征化 BT 与 RLHF 应用；实战以 numpy 实现 MM 并与 sklearn 交叉互证，对比 Elo 在线与 BT 批量 MLE 的估计差异。

2026-10-24 10:40:04 132

原创 CTR 预估深度解析：从逻辑回归到深度兴趣网络

CTR 预估四模块：①问题定义——推荐/广告精排引擎，概率供排序、出价、预算；较普通二分类有稀疏、不均衡、记忆/泛化、校准六差异，评估看 AUC/GAUC/logloss。②浅层模型——one-hot、哈希、embedding；LR 强记忆弱泛化，FM 共享隐向量 O(nk) 参数学全部二阶交叉。③深度模型——Wide&Deep、DeepFM、DCN、DIN、DIEN 依次实现泛化缝合、embedding 共享、高阶交叉、序列注意力、兴趣演化。④工程——样本去偏、延迟反馈、特征穿越、概率校准。

2026-10-23 16:56:17 127

原创下一词预测（Next-token Prediction）深度解析：从 N-gram 到 GPT 的唯一目标函数

下一词预测（NTP）是自回归语言模型的核心训练目标，其本质为最小化交叉熵，等价于最大似然估计。通过链式法则将序列概率分解为条件分布，模型在无监督下学习语料中真实下一个 token 的高概率输出。从n-gram到Transformer，技术演进始终围绕提升上下文建模能力与并行效率。训练时利用因果掩码实现并行前向，推理则逐token采样生成。损失函数的下降揭示了规模定律下的通用智能涌现，但模型仍受限于生成能力，无法学习逻辑或常识。该目标统一了训练、评估与推理，构成大模型发展的基石。

2026-10-23 16:37:10 378

原创 LambdaMART 深度解析：从 RankNet 到把 NDCG 直接塞进梯度

LambdaMART 是排序学习的基石，融合RankNet的可微两两比较与NDCG的位置敏感性，通过“元梯度”λ将评价指标变化量嵌入梯度，再以梯度提升树拟合伪残差，实现对多级相关度与位置权重的精准优化。其核心思想是：用NDCG的敏感度修正RankNet的梯度，再用树模型高效逼近最优排序。虽为传统方法，却深刻影响了LightGBM/LambdaLoss等现代排序系统，堪称“工业界排序的黄金标准”。

2026-10-22 15:10:38 150

原创大模型评估指标深扒：困惑度（Perplexity）

困惑度（PPL）是语言模型核心评估指标，定义为每token概率倒数的几何平均，本质是平均负对数似然的指数形式。它关联信息论中的熵、交叉熵与编码长度，反映模型在“等效候选数”间的犹豫程度。然而，PPL极易误用：跨分词器比较、错误聚合方式、忽略数据污染等问题导致数值不可比。正确使用需统一计算口径，如采用语料级几何平均、固定上下文窗口、去重清洗，并推荐以BPB（bits per byte）等与粒度无关的指标进行跨模型对比。理解PPL不仅是技术问题，更是掌握大模型训练与评估的底层逻辑。

2026-10-22 14:53:16 146

原创深度学习之神经网络完整训练 · 深度解析

一次完整训练需构建可复现、可观测、可回滚的流水线：数据按 train/val/test 三刀划分，避免泄漏；预处理与增强分离，确保推理一致性；通过 DataLoader 高效加载 batch，每步前向计算 loss 并反向更新参数。每 epoch 验证性能，保存最优 checkpoint，结合早停机制。最终在测试集一次性验收，导出模型部署。核心铁律：固定随机种子、记录指标曲线、支持模型回滚，保障实验可靠性与泛化评估有效性。

2026-10-22 14:46:19 87

原创图像质量评估（IQA）方法 · 深度解析

图像质量评估（IQA）旨在将人眼感知的“图像好坏”转化为可计算、可比较的数值，服务于选型、选帧与模型训练。按是否含参考图分为全参考（FR）、半参考（RR）、无参考（NR）三类，核心挑战在于合成失真与真实失真间的泛化鸿沟。主观评分（MOS/DMOS）是客观指标的基石，强调秩相关性与非等距特性。PSNR虽计算高效但感知不匹配，SSIM通过亮度、对比度、结构三项分解提升合理性，后续方法如MS-SSIM、VIF、LPIPS等持续优化对人类视觉系统的建模，其中LPIPS凭借深度特征距离成为当前事实标准。

2026-10-22 14:34:54 119

原创模型训练调参深度解析：学习率、正则化与优化器

本文系统梳理深度学习调参四大模块：① 学习率——从一维二次函数推导收敛条件，详解LR range test与调度器（cosine/warmup/OneCycle）；② 正则化——基于过拟合诊断，解析L1/L2、AdamW解耦、Dropout、BatchNorm、Mixup等机制；③ 优化器——全推导GD→AdamW，剖析偏差修正与新优化器（Lion/Sophia）；④ 实战案例——五步调参流程+PyTorch骨架+故障排查表。强调学习率优先性，构建“几何→调度→容量控制”逻辑链，配套交互演示助力理解。

2026-10-22 14:19:46 232

原创基于深度学习的车牌识别：检测、矫正与 CTC 端到端识别

本文以八问主线解析完整链路：检测（小目标像素级账与 CCPD 数据集）、矫正（四点定位到单应矩阵的 DLT 推导）、识别（CRNN 序列转换与 CTC 前向算法）、误差复合（p_det·p_rect·p_char^L，单字符 99% 仅得 91.4% 整牌）、数据增强、工程部署与评测误区。核心结论：深度学习消灭了字符分割，而端到端消灭的是分阶段间的误差复合；中国车牌闭集、定长、强结构先验，用满先验比换大模型更划算。

2026-10-20 15:45:14 128

原创神经网络（Neural Networks）深度解析：从感知机到反向传播

本文以「神经元即逻辑回归」为起点拆解神经网络：从感知机与 XOR、激活函数的作用，到链式法则与反向传播四方程（含两层网络推导与梯度检验）；训练层面覆盖损失-输出层搭配、SGD→Adam→AdamW 演进、Xavier/He 初始化、归一化层与过拟合诊断；实战用 numpy 手写两层 MLP 识别手写数字，与 PyTorch 对照并做三组消融。配套 HTML 交互版含 7 个演示，可实时观察边界成形、反向传播回传与优化器步态。

2026-10-20 14:34:55 185

原创逻辑回归（Logistic Regression）深度解析：从线性模型到概率世界

本文系统解析逻辑回归：从线性回归用于分类的失效出发，经 sigmoid 压缩与对数几率建立概率模型；由伯努利似然导出交叉熵损失，五步求导得梯度 ∇=Xᵀ(p−y)，Hessian 半正定保证严格凸与唯一全局最优；进而覆盖 GD/SGD/IRLS 优化、L1/L2 正则、类别不均衡处理与多分类 OvR/softmax 对比；最后以 numpy 从零实现对照 sklearn，并配 7 个交互演示可视化损失曲面、正则化收缩与阈值权衡。

2026-10-20 14:29:29 146

原创大语言模型（LLM）原理深扒：从 BPE 到 RLHF 的完整链路

本文深扒大语言模型（LLM）从分词到对齐的完整链路：界定四要素与 decoder 胜因，以"训练即压缩"贯穿；解析现代解码器架构、核算 LLaMA-7B 参数，用方差分析证注意力 1/√d_k 防饱和并给出 KV cache 账；预训练以缩放律给最优配比与 6ND 公式；后训练推导 SFT 局限、奖励模型与 DPO 闭式解；末了覆盖采样、量化部署与 2026 选型。数字均标论文口径或估算推导。

2026-10-20 11:39:17 392

原创 TCP/IP 协议栈深扒

IPv4首部是网络通信的“规格书”，TCP/IP封装是其“执行过程”，跨层协作则体现协议间的“咬合”。TCP首部与三次握手构成传输层的“连接账本”，分片机制应对超大包，而IPv6则是首部的现代化重构。各层通过封装/解封装协同工作，校验分工明确，端到端依赖跨层协作（如PMTUD、NAT），共同保障数据可靠传输。

2026-10-19 19:32:00 92

原创网络层、IP 数据报、网络接口与逐跳转发机制：一个数据报的完整旅程

网络层核心功能为转发与路由，前者是单路由器本地的快速数据包处理（数据平面），后者是全网路径计算（控制平面）。IP采用“尽力而为”服务模型，无连接、无状态，不保证交付、顺序、时延等，依赖上层协议补偿。IPv4首部含13字段，每跳仅TTL与校验和变化；IPv6简化为固定40字节首部，移除校验和、分片能力等，提升效率。分片由源主机在链路MTU不匹配时执行，各片独立路由，目的端重组。整体设计体现“哑网络”思想：越简单，越可扩展。

2026-10-19 19:08:16 44

原创视觉编码器深挖：从 Patchify 到 CLIP 视觉塔

全文以“图像→N×d token”为主线，围绕三个矛盾：像素多而序列短、算力随 N² 涨、语义对齐与密集细节难兼得；覆盖 ViT 架构与参数/FLOPs 闭式核算、五种训练范式、CLIP 对比对齐、640×640 NPU 输入的分辨率经济学、编码器选型两轴、VLM 三段式接线与常见误区。核心结论：patch embedding 即 stride-P 卷积；640/P16 算力为 224 的 10.5 倍；大视觉塔可占 VLM 两成算力。

2026-10-19 19:03:18 124

企业贷款风控系统毕业设计

做了个本科毕设可直接答辩、也可直接跑起来的钢铁行业信贷风控系统，全部资源已打包，论文、答辩 PPT、可运行代码一次给全，拿到手改改数据就能用。为什么做这个？传统银行对公风控大多沿用通用评分卡，遇到钢铁这种强周期、重资产、高负债行业就"水土不服"：钢价波动直接决定利润，产能利用率牵动现金流，高炉运转率、吨钢能耗、环保评级更是行业特有的"命门"指标，通用模型根本抓不住这些信号。专做钢铁行业定制。建模思路是把"专家经验"和"数据特征"都量化进评分：先梳理出 11 项原始指标，归并为经营、财务、生产、市场、合规、能耗 6 个评价维度；再用因子分析降维为 5 个公因子；最后加权得到综合信用分（校准系数 0.9）。各维度权重由 AHP 层次分析法求解，一致性检验 CR≈0.0075，远优于 0.1 阈值，权重结构经得起推敲。资源含四部分： 01_论文（thesis.md + 已嵌入 7 张图表的毕业论文 DOCX，7 章、14 表、11 公式，推导完整）；02_答辩PPT（32 页、7 章分隔，已按 ui-ux 原则做视觉优化——统一投影层级、渐变与圆角、4.5:1 对比度页脚、图表网格线与刻度）；03_生成器与代码（gen_docx / gen_figures / gen_pptx 均为纯标准库 OOXML 实现，零重型依赖、可复现，外加 Streamlit 风控仪表盘 app/，输入企业数据秒出风险评级与雷达图）；04_图表（7 张论文与 PPT 共用的 PNG）。效果验证：实测样本均被正确判为高风险——唐山冀丰 34.3、邯郸鼎鑫 19.01、临港高负债钢企 10.51，模型区分力得到验证。适合谁：信贷风控 / 金融评分卡方向毕设、需要可演示风控系统的搭建、以及论文 + PPT + 代码三位一体交付的同学。项目仅供学习交流，模型与数据均为演示样例。

2026-11-04

智能项圈LoRa组网方案

智能项圈LoRa组网方案是面向草原自由放牧肉牛牧场的广域低功耗物联网监测方案。草原牧场无蜂窝信号、牛群自由漫游、无市电，传统耳标与局域网方案在此失效，本模块以智能项圈为载体，用 LoRa Mesh 自组网解决广覆盖与免布线难题。项圈采集 GNSS 定位、红外体表体温、三轴加速度等数据，借助邻节点多跳中继将信号汇聚至高点布设的太阳能网关；网关再通过北斗短报文或卫星 IoT 批量回传云端，实现无蜂窝环境下的闭环回传。环境温湿与风速改由网关侧气象站统一采样，避免每头牛重复 equip。云端基于不规则电子围栏多边形做越界、盗抢、走失判定：出栏慢移判越界，高速外移判盗抢并强告警，长时间失联判走失；同时结合加速度行为识别跛行、发情与脱落。实时大屏以 ECharts 呈现全场态势、盗抢配色与单牛趋势曲线。模块配套完整可运行原型：项圈/网关参考固件（低功耗状态机，可主机编译跑通）、30B 紧凑帧格式 v2、Mesh 解码去重、地理围栏引擎，以及一键启动的本地服务与云端链路（SQLite 时序库、REST/SSE、MQTT 桥接）。同时给出项圈与网关量产 BOM、成本与续航测算，支撑从硬件选型到部署落地的全流程。

2026-09-07

CUDA并行计算优化技巧

CUDA 优化资料要么照官方 PPT 讲原理、数据全来自 A100，要么是零散 trick 合集、无法复现验证。而消费级笔记本 GPU 面对的是另一套约束：4 GB 显存、1 个拷贝引擎、TDR 两秒杀一次 kernel，连 nvidia-smi 都可能起不来。本系列把八个主题在一台 RTX 3050 Laptop（sm_86 / CUDA 12.8）上重跑一遍。每个结论都配套 .cu 源码，自带 cudaEvent 计时与 CPU 参考实现校验，55 条实测记录全部 PASS；性能数字以实测带宽 160.3 GB/s 为分母，而非理论值。有些结论和教科书不一样。比如"多流 overlap 能隐藏传输延迟"在这台机器上收益为零——只有 1 个 copy engine，H2D 与 D2H 无法并发，kernel 仅占总耗时 7.5%，调度开销反而让整体慢了 1%。反过来，"padding 一列消掉 bank conflict"这种改一个字符的优化，实测带来 53% 提升。八篇覆盖：性能度量的正确分母、合并访存、占用率、bank conflict、local memory、warp 发散、并行归约、异步传输，外加 15 条避坑清单。在消费级 N 卡上做优化，这套数字可直接当基线。

2026-09-06

Makefile 自动化编译实战

本项目用一个分层表达式计算器 calc（libutil → libcalc → app）把这些痛点逐个拆开讲，主线是"九阶段递进"：v0 把 gcc 命令原样写进 Makefile；v1 进化成显式规则；v2/v3 引入变量、内置函数和模式规则 %，一份规则通吃所有 .c；v4 用 -MMD -MP 让编译器自动生成头文件依赖，改 .h 不再全量重编；v5 加 debug/release 构型与静态/动态库，讲透"链接顺序：调用者在前、被调用者在后"；v6 补上 .DELETE_ON_ERROR、install、help、test；v6b 用递归 make 演示它的三宗罪；v7 把全部知识点收进一个能直接交付的模板。配套还有 8 篇中文文档（docs/00–07）、复制改 4 处即用的通用模板、5 个验证脚本，源码与输出全 ASCII/纯中文，注释逐行讲解。最值钱的是 docs/04 的"14 条 Windows/MinGW 实战踩坑"：$(OS) 在 MSYS2 下常为空的平台判断坑、make 给 CC 内置默认值导致 ?= 失效、实测的 Windows 下 system() 调 exe 必须"绝对路径+反斜杠+不加引号"。每条附症状、根因、修法和演示阶段，代码注释与文档一一对应。跑起来只需 source scripts/env.sh，make run EXPR="2+3*4" 看 14，make test 看全绿，bash scripts/run-all-stages.sh 跑通 11/11。一个下午，从"会写 C"走到"会交付跨平台、带测试与安装的 C 工程"

2026-09-06

育肥公牛活牛价格预测工作台：多源融合 + 滚动回测 + 可交互预测沙盘

育肥公牛活牛价格预测工作台是一套面向肉牛产业链从业者、零依赖、可离线运行的价格分析工具。它把分散、口径不一的公开牛价数据，整合成一条可解释的主序列，并用可信的滚动回测给出"基准预期 + 不确定性区间"，而非一个无法质疑的黑箱数字。工作台前端是单文件 HTML，左侧五个面板覆盖从数据到结论的完整链路。总览面板呈现历史价格与预测曲线、数据源健康度和核心结论；数据与来源面板把 Mysteel 月报、新华·通辽指数、农业农村部周报等多源数据按变化率对齐，明确标注各源口径差异与系统性偏移；模型对比面板内置 Naive、季节 Naive、Holt 阻尼趋势、岭回归四个候选模型，并用 expanding window 滚动回测（只用当时已观测数据预测，杜绝未来数据泄漏）逐期择优；预测沙盘是交互核心，用户可切换模型、拖动预测月数 h 与趋势衰减 φ、叠加情景偏移、在元/公斤与元/斤间切换，右侧曲线、置信带与逐月预测表即时重算；季节与说明面板则坦诚给出诊断结论：两年残差负相关，主力模型不注入季节项。真正体现工程克制的是它的"不做什么"。样本仅 32 个月时，它明确告知长端指标不稳定；外生变量（玉米、豆粕、牛肉价）虽已抓全，但经安慰剂检验发现最优变体只是小样本择优运气（p≈0.5），因此果断不进建模；末端补点采用变化率法而非水平折算，留一验证 MAE 优于朴素基准。后端是纯标准库 Python 服务，仅代浏览器抓取第三方源以解决 CORS，写盘前还有 33 项前端校验兜底。对中小养殖户而言，能看清"未来半年大概率维持当前价、区间多宽、哪种假设会击穿区间"，远比一个精确却不可信的点预测更有决策价值。

2026-09-03

RTSP 视频流单目深度估计工作台

一套基于 Ultralytics YOLO26-depth 官方单目深度模型的实时视频分析工具，将 RTSP 流、本地视频、摄像头或 HTTP 抓图逐帧转为深度热力图并在浏览器实时预览。前后端合一为单文件 Python 程序，开箱即用。后端用 Flask 在后台线程拉流并逐帧推理。YOLO26-depth 为官方度量深度模型（NYU 混合预训练），输出逐像素深度（米），经 95 分位归一化与伪彩色映射（turbo/viridis/inferno/jet）后，以 MJPEG 推送前端。前端为暗色单页应用，可配 RTSP 地址、推理尺寸（384–768）、帧率（2–15）、配色与视图（深度/原图/并排）；点「开始」即建立会话，状态栏实时显示运行态、fps、帧数、分辨率；悬停画面即读出该处近似深度（米）。工程上强制 RTSP-over-TCP 并断流重连；CPU 环境（torch-cpu）做模型预加载与首帧预热，首帧延迟压到约 3 秒，前端以「连接中」遮罩与 5 秒防误触停止反馈进度。配套 start.bat 一键启动并自动开浏览器（端口 8769）。适用于智慧牧场、安防等需即时距离感知的场景，无 GPU 的 Windows 主机可 5–7 fps 跑 1080p。注意：单目深度为预训练近似值，未经相机标定，宜作相对远近判断而非精密测距。

2026-09-02

嵌入式JPEG编解码器

本项目交付了一套面向 STM32/ESP32 的纯 C99 Baseline JPEG 编解码与 MJPEG 封装核心库。受本机无 C 编译器限制（用户选择不安装），无法原生编译运行，故采用「Python 参考镜像 + 独立 Oracle」验证路线：以 ref/ 的 Python 实现逐位镜像 C 核心整数运算（DCT/IDCT、量化、Huffman、zigzag 常量已校验逐元素一致；解码强制定点 IDCT；YCbCr 用 float32 重放匹配 C 源），并以 Pillow 作独立标准解码器交叉验证。验证设三项判据：① 系数往返——编解码逐块系数逐位一致（coef==0），证明熵编码链位级对称，是最强正确性证据；② 合规——产出字节流须被 PIL 无错打开，证明符合 Baseline JPEG；③ 解码保真——定点 IDCT 还原像素与 PIL 对比 PSNR。用例覆盖 4 张合成图、2 张真实图及 5 张奇数/非 16 整数倍尺寸图，横跨 444/422/420/400 与 3 档质量，共 110 例，全部通过。过程中曾误判「色度振荡」缺陷，排查后确认系错误比较基线所致：编码器 snat 转置与解码器 idct_nat 转置为同一置换、互相抵消，无失真。结论：C 整数流水线经验证正确，可进入 MCU 移植；目标端仍须运行 target_selftest.c 补测 32 位溢出与性能。

2026-09-01

TinyML 实战工程：把神经网络跑进 STM32 与 ESP32

TinyML 是把机器学习推理部署到内存仅几十 KB、主频百 MHz 级的 MCU 上的技术。本工程是一份从训练到上板的入门教程加可直接编译的工程源码，用经典"Hello World"示例——正弦回归（输入 x，输出 sin(x)）——走通整条链路：模型如何从 Python 代码变成固件里的字节，又如何在开发板上推理并打印结果。工程打通 Keras/PyTorch → ONNX → TFLite → TFLM 通用转换链路：无论模型用什么框架训练，只要能导出 ONNX，就能落到同一套 TFLM 运行时，实现"换框架不换部署流程"。交付包含 ESP32 与 STM32 两套 Arduino sketch（推理逻辑一致，仅板型/引脚差异）、可本机跑通的训练转换验证脚本，以及 Markdown + 单文件离线 HTML 双版本教程（目录、代码复制、避坑框，零依赖）。适合想给 IoT 设备加智能、或想搞懂"模型如何变成固件"的开发者与学习者。

2026-08-28

边缘节点参与物联网平台优先级联动方案

边缘节点参与物联网平台优先级联动方案，是一套面向物联网边缘计算的闭环协同框架。在大规模设备接入场景下，平台持续下发海量指令，而边缘节点算力、电量、带宽均受限，若不加区分地执行，会导致关键任务被挤占乃至引发安全事件。本项目构建“平台—边缘—设备”三层联动架构：平台编排带优先级的指令并下发，边缘在本地完成智能决策后再驱动设备执行，执行结果与环境遥测实时回传，形成“下发—决策—执行—反馈”的完整闭环。核心由三部分构成。一是优先级联动：指令划分为 P0 紧急/安全、P1 重要、P2 常规、P3 后台四级并附带截止时间，边缘按“平台优先级 + 截止紧迫度 − 资源成本”的加权评分排序，保障高价值任务优先获得资源。二是设备端智能决策框架：边缘依据电量、负载、网络状态进行裁决，低电量时拒绝常规任务以保安全，高负载时延后后台任务，断网时仅执行 P0 并暂存其余指令，链路恢复后自动补传，实现边缘自治。三是反馈联通：边缘周期性上报心跳及电量、负载、队列长度等遥测，平台据此动态降频与流量整形；链路中断期间消息由总线缓存，恢复后自动补传，保障通信韧性。工程以纯 Python 标准库实现零依赖仿真，内置消息总线、决策引擎、设备模拟与可视化报告，可直接运行观察指令流转时序、优先级分布与执行/丢弃率等指标，并已规划向 ESP32‑P4 等真实边缘网关及 MQTT 通道的对齐路径，可平滑落地至智慧牧场环境调控、电子围栏等场景。

2026-08-28

轻量化模型在 ARM Cortex-M / RISC-V 上的实现

随着端侧智能的普及，把深度学习模型部署到资源受限的微控制器（MCU）已成为嵌入式 AI 的核心需求。ARM Cortex-M 与 RISC-V 架构芯片的 Flash 与 RAM 通常仅有数百 KB 到几 MB，主频以 MHz 计，直接运行训练好的浮点模型几乎不可行。本工程聚焦"模型轻量化 + 端侧部署"的完整链路，系统实现了三类主流压缩方法及其在 MCU 上的落地。量化：提供 INT8 训练后量化与量化感知训练（QAT，含伪量化与 STE 直通估计），并自实现超低比特（INT4/INT2/二值/三值）方案，借鉴 DoReFa 与 BNN 思路进一步压缩存储与算力。权重与激活以低比特整数表达，推理时由定点乘加替代浮点运算，在 Cortex-M 上可借助 CMSIS-NN、在 RISC-V 上借助 TFLM 获得数倍提速。剪枝：涵盖非结构化幅度剪枝（配合稀疏微调恢复精度）与结构化通道剪枝（重建窄网络），在几乎不损失精度的前提下显著减少参数量与 MACs。知识蒸馏：实现软标签蒸馏、特征蒸馏与自蒸馏，用大模型指导小模型，进一步压低压缩带来的精度损失。工程以 tiny CNN 在 CIFAR-10 / MNIST 上的示例贯穿全流程，提供 train_demo.py 一键完成"基线 → 压缩 → 导出 → 对比"，并输出参数量、MACs、体积与精度的权衡表。部署侧给出 Cortex-M 与 RISC-V 两套 TFLM 工程模板（含 model_data.h 与 Arduino 示例），覆盖 PyTorch → ONNX → TFLite → C 数组 → TFLM 的完整转换链。此外配套单文件离线 HTML 讲解文档，包含原理、公式、对比表与 SVG 图示，便于快速上手与教学。真实烧录与板上验证由用户在自有开发板完成。

2026-08-28

嵌入式并口摄像头（OV2640/OV5640）驱动与 DCMI 实战工程

为什么这份资料值得你下载？你是不是也卡在过这些地方：摄像头插上去只出花屏、DCMI 收不到数据、DMA 一跑就溢出、逻辑分析仪抓出来的波形看不懂不知道哪根线错了？并口 CMOS 摄像头（OV2640 / OV5640）是嵌入式视觉的标配，但网上教程大多只给一段「能跑就行的代码」，从 SCCB 寄存器到 DCMI 时序、从帧缓存到调波形，没有一个讲透的。这份工程把整条链路一次性讲明白。你能直接拿到什么 - 可直接研读的 HAL 驱动源码（STM32 风格，全中文注释）：SCCB 总线读写（硬件 I2C + 软件模拟双保险）、OV2640 与 OV5640 两套寄存器配置与初始化、DCMI + DMA 抓帧、多缓冲帧缓存环形队列。 - 一份能救命的波形调试笔记：把「无像素时钟 / HSYNC 极性反 / VSYNC 不翻转 / 数据错位 / JPEG 帧头缺失 / DMA 溢出」六大故障，整理成「现象、波形、排查、判定」对照表，配 ASCII 时序图。纯靠猜会浪费一周，对着表十分钟定位。 - 单文件离线教程：HTML 阅读器自带目录、代码复制、章节折叠、搜索、避坑框，断网也能看；另有 Markdown 源。核心 1. 一次讲清两款主流传感器：OV2640（入门 JPEG/RGB565）与 OV5640（500 万像素、含 PLL 配置），共用 SCCB 层，各自寄存器表分开实现。 2. 不只给代码，更给「为什么」：每个配置背后的时序与寄存器含义都解释，改分辨率、改输出格式不再靠蒙。 3. 把最隐蔽的硬件坑前置：DCMI 同步信号极性、DMA 双缓冲、场消隐窗口，这些文档里不写、出事才发现的细节，全在笔记里。适合谁嵌入式工程师、在校学生、创客，以及做机器视觉小车、智能门锁、工业检测、AI 相机原型的开发者

2026-08-28

大模型微调与部署实战 · 进阶优化

把模型微调出来只是第一步，真正难的是「跑得更快、压得更小、训得更省显存」。本模块聚焦微调后的落地环节，自成体系地拆解三大进阶主题，配套可运行的代码与中文教学文档，帮助你在有限算力下把大模型真正用起来。推理加速部署。自带的逐 token 生成方式常卡在 decode 瓶颈、显存碎片和无批处理三点。本模块用 vLLM 与 TGI 的 PagedAttention（分页注意力）和 Continuous Batching（连续批处理）把 GPU 利用率从两三成拉到九成以上，并提供一个并发压测脚本，实测吞吐（tok/s）、首 token 延迟（TTFT）与 QPS，让加速效果可量化。模型量化与端侧落地。从 FP16 压到 4bit，权重体积可降到原来的四分之一，单卡 16G 也能轻松部署。模块对比了 GPTQ、AWQ 与 GGUF 三种主流方案：AWQ 作为部署首选，GGUF 则配合 llama.cpp / Ollama 把模型塞进笔记本甚至手机，覆盖从服务器到边缘设备的完整路径。微调显存优化。先讲清显存花在哪（权重、梯度、优化器状态、激活四大块），再给出混合精度、梯度检查点、FlashAttention2、LoRA/QLoRA、ZeRO/FSDP 等一套可叠加的省显存手段。其中 QLoRA（4bit 基座 + LoRA）能让 3B 模型在单卡 24G 上轻松微调。模块还附一个零依赖的显存估算器，训练前先算再训，避免显存爆掉。整套内容采用「配置驱动 + 代码与文档双交付」的形式，所有重依赖脚本都内置 --check 自检模式，在没有 GPU 的环境里也能验证逻辑是否正确，降低上手门槛。

2026-08-26

大模型微调与部署实战工程

在大模型落地产业的过程中，"会聊天"和"懂行业"之间仍存在巨大鸿沟。通用基座模型缺乏垂直领域的专业语料与表达习惯，直接上线往往答非所问、术语生硬。本项目《大模型微调与部署实战工程》提供一套端到端、可运行的开源代码，帮助开发者用最低成本把通用大模型打造成真正的领域专家。工程覆盖三大核心环节。一是垂直领域微调完整项目：基于 Qwen2.5 + TRL/PEFT，以 QLoRA 4bit 在单卡 24G 显卡上完成 SFT 监督微调，配套领域语料、指令数据与对话模板，形成"有数据、能训练、能推理"的闭环。二是偏好对齐实战：同时给出 DPO（直接偏好优化，最稳最常用）与完整的 RLHF/PPO 链路（含奖励模型训练与打分），让模型不只模仿示例，更懂得"什么回答更好"。三是评估与量化部署全流程：提供困惑度 + 领域基准自动评估、AWQ 4bit 量化导出，以及 vLLM、llama.cpp、Ollama 等多种落地部署方案，量化后还可一键复评确认精度不退化。整套代码配置集中、结构清晰，数据与领域零硬编码，替换 data/ 即可迁移到任意垂直方向。示例以"智慧牧场/农业"为场景，但方法通用，同样适用于医疗、法律、金融、制造等行业的私有化部署与二次开发。

2026-08-26

LoRA/QLoRA 微调入门笔记与操作示例

LoRA/QLoRA 微调入门笔记大模型微调是把通用预训练模型改造为领域专家的核心手段，但全参数微调动辄上百 GB 的显存需求，让绝大多数个人开发者和小团队望而却步。LoRA 的出现改变了这一局面：它冻结全部预训练权重，只在每一层旁挂一对可训练的低秩矩阵，将可训练参数压缩到原模型的 0.1%～1%；QLoRA 在此基础上叠加 NF4 量化、双重量化与分页优化器三项设计，让 70B 级别的模型在单张 48GB 显卡上即可完成训练。这套技术路线已成为 2024 年以来指令微调的事实标准。本内容围绕微调的三大核心问题展开。第一部分讲"用什么方法训"：从低秩分解的数学直觉、缩放系数 α/r 的作用机制，到 r、alpha、target_modules 等关键超参数的取值依据，并梳理 AdaLoRA、DoRA、LoRA+ 等变体的适用场景；实操部分提供 PEFT+TRL 原生代码、LLaMA-Factory、Unsloth 三条可直接照跑的训练路线，附显存预算表与合并导出步骤。第二部分讲"拿什么数据训"：覆盖 Alpaca、ShareGPT、Messages 三种主流格式，Self-Instruct、Evol-Instruct、业务蒸馏等数据构建路径，以及一条从格式校验、去重、质量打分到分布平衡的七步清洗流水线。第三部分讲"用什么工具训"：对 LLaMA-Factory、Unsloth、Axolotl、ms-swift、TRL+PEFT 五大主流框架做多维对比，并给出按硬件与目标的选型建议。除图文笔记外，内容还以交互式工作台形式呈现，内置显存计算器、框架选型助手与可本地保存进度的训练检查单三个工具，并收录八个高频踩坑问题的调参笔记。无论是刚接触微调的入门者，还是需要快速落地领域模型的开发团队，都可以按图索骥，跑通从数据准备到模型验收的完整闭环。

2026-08-25

FFmpeg 工具链 & 实用脚本集

《FFmpeg 工具链 & 实用脚本集》是一套跨平台（Windows/Linux/macOS）、跨语言（Python/Node.js/Shell）的 FFmpeg 落地工具包，覆盖「安装—批处理—字幕—实用工具—程序化调用」全链路。五大模块：install 一键安装（三平台自动下载官方静态编译版并校验落盘，附 x264/x265/fdkaac 源码静态编译参考脚本）；shell 批量处理（转码/缩略图/抽音/水印/硬字幕/媒体探测六个脚本，公共函数库统一驱动）；subtitle 字幕工具（内嵌字幕流抽取、SRT⇄ASS 互转、合并拆分、硬字幕烧录）；tools 实用小工具（GIF 调色板两步法、缩略图墙、视频合并、水印、probe JSON 助手）；node 程序化封装（零依赖 Promise 化 ffmpeg/ffprobe，含 CLI 与实时进度回调）。所有语言共享 presets.json 预设单一事实源（fast/hq/small/webm 四档），Python/Node/Shell 三方行为完全一致；统一执行契约内置超时兜底与「假成功」校验——ffmpeg 退出码为 0 但未产出有效文件时自动拦截报错。真实环境踩过的坑（参数顺序、跨平台路径兼容、百分比定位）全部沉淀为代码级防护，开箱即用，可直接集成进转码服务或自动化媒资管线。

2026-08-25

FFmpeg 二次开发与 API 集成

FFmpeg 二次开发与 API 集成 —— 从命令行到源码级调用的进阶实战本专题是《FFmpeg 基础教程与入门指南》的进阶续作，专注"库级二次开发"这一核心缺口。如果你已经能把 ffmpeg 命令行玩得熟练，却苦于无法逐帧处理、做不了自定义算法、搞不定硬件加速，那么这篇文章就是为你准备的。全文以 C/C++ 为主线写透，系统讲解如何用 libav* 系列 API 直接开发：从最小解封装+解码、编码+封装的完整闭环，到 AVPacket/AVFrame 的引用计数与生命周期管理，再到自定义滤镜（基于 FFmpeg 6.x/7.x 的 FFFilter 现代结构体）的源码编写与编译集成。硬件加速部分采用"命令行 + libav* API"双视角，覆盖 NVIDIA（NVENC/NVDEC/CUDA）与 Intel QSV 两条主流线路，并附参数对照表。考虑到多语言栈，专题另给出 Python（PyAV 真正的库级调用、ffmpeg-python 拼装）与 Java（bytedeco/JavaCPP 预编译原生绑定）的核心接入示例。所有代码以跨平台参考代码形式交付，配套 CMake、Maven、requirements 构建说明，中文注释详尽。最实用的部分，是文中逐处标注的"版本陷阱与避坑"：如 av_init_packet 自 4.4 废弃、滤镜结构体更名导致旧教程 7.x 编译失败、NVENC preset 与 x264 顺序相反、QSV 帧池不足随机丢帧、以及 ffmpeg 经典的"假成功"校验清单。配套还提供单源 Markdown 自动生成文档页的工具，左侧目录、代码复制、章节折叠一应俱全，可直接发布或离线查阅。

2026-08-25

FFmpeg 实战工程集

FFmpeg 实战工程 · 项目介绍《FFmpeg 实战工程》是一套基于 FFmpeg 的音视频处理完整工程案例，含全部可运行源码。区别于零散的命令教程，它以「统一工程包」形态交付四大模块：**transcode 视频转码系统**（格式转换、CRF/preset 压制、高质量 GIF 调色板两步法、缩略图墙）、**avsplit 音视频分离与合成**（抽取音轨/视频轨、替换音轨、添加背景音乐混音、多音轨 amix、concat 拼接）、**stream 直播推流**（本地文件推 RTMP、RTSP→RTMP 实时转发、单帧抓图）、**batch 批量处理**（目录递归、多线程并发、manifest.csv 审计清单、dry-run 预演）。四大模块共享 core 工具层：自动探测 ffmpeg/ffprobe 路径，跨平台免配置；安全执行器内置超时控制与「假成功」校验——退出码为 0 但未产出有效文件时自动拦截报错；从 stderr 实时解析转码进度；按 URL 协议条件性附加 RTSP 参数。真实生产环境踩过的坑，全部沉淀为代码级防护。工程另配**零依赖 Web 管理台**：在浏览器中创建任务、监控队列与进度条、查看 ffmpeg 实时日志，底层基于 Python 标准库实现，无需安装任何第三方包。CLI 与 Web 双形态入口，既可命令行批处理，也可可视化调度。随附 make_sample 脚本用 lavfi 合成测试素材，无需准备任何真实音视频文件即可跑通全部演示；pytest 单元测试覆盖核心工具层。全部代码中文注释、结构清晰，可直接二次开发为转码服务、内容生产管线或自动化媒资处理工具。

2026-08-24

FFmpeg 基础教程与入门指南

FFmpeg 入门：掌握音视频处理的瑞士军刀在音视频领域，FFmpeg 几乎是绕不开的名字。视频网站后台转码、直播推流底层，乃至日常把手机录像转成易分享的格式，背后大多有它的身影。它是一套开源、跨平台的命令行工具集，被誉为"音视频处理的瑞士军刀"。但对初学者，FFmpeg 的学习曲线并不平缓。满屏参数、容器与编码的概念混淆、"命令成功却没出文件"的诡异现象，常令人却步。更麻烦的是，许多教程只给"能跑的命令"，却少提真实环境才会暴露的坑——某些选项放错位置会静默失败，某些参数在特定版本或设备上根本不支持。本文是一份系统性 FFmpeg 基础教程，兼顾"打基础"与"避坑"双主线，覆盖 Windows、macOS、Linux。教程先讲清"容器 vs 编码""转码 vs 转封装"等核心概念，再是跨平台安装与验证；实战部分用大量可复制命令带你掌握格式转换、视频剪切、合并、截帧、GIF 制作，并讲解滤镜（scale/crop/overlay/drawtext/amix）与调优（CRF/preset/硬件加速）。最有价值的是"实战避坑"一章：收录本机在 Windows + ffmpeg 4.4.2/6.1.1 真实踩过的坑——-flags low_delay、-fflags nobuffer 的"假成功"，-stimeout、-rw_timeout、-rtsp_transport 的版本与设备差异，"退出码 0 不等于成功"的自动化铁律，以及雄迈摄像头无法用标准 RTSP 拉流的私有接口方案。这些经验能省下大量排障时间，无论你是入门新手还是需在项目中稳定调用 FFmpeg 的开发者，都值得收藏随查。

2026-08-24

车辆检测系统工作台界面

本资源是一套基于优快云技术文章《七种车辆类型细粒度检测系统》落地实现的可交互单文件工作台。它沿用原文 Vue3 + Spring Boot + Flask 三服务架构设计，将方案转化为开箱即用的产品原型，采用深色科技数据大屏风格，无需安装依赖、无需启动后端，双击 HTML 即可在浏览器运行，适用于算法演示、教学讲解、产品评审与功能展示。资源含两大文件：工作台本体 vehicle_detect_workbench.html 与配套车辆检测系统工作台_功能说明.md，已打包为车辆检测系统工作台.zip 便于分发。工作台内置八大模块。数据看板为首页，实时呈现累计检测量、检出车辆数、平均耗时等 KPI，并提供五模型 mAP 对比、七类车型分布、三十天趋势等图表；图片、视频、摄像头三类检测台覆盖主流输入，支持模型选择、阈值调节、SVG 精准标注与 AI 解读，结果自动落库；检测记录模块支持分类筛选、分页与详情回溯；模型训练台可配超参并动态生成 loss 与 mAP 曲线；模型对比实验室以指标总表与雷达图横向评测 YOLOv8/v10/v11/v12/v26 五模型；系统架构模块还原三服务拓扑并列出完整接口清单。数据层内置七类车型（小型汽车、中型车、大型车、轻型货车、重型货车、油罐车、特种车辆）与五模型实测指标，各模块共享同一 MockDB，实现"操作即数据、数据即看板"的活联动。全局 API 层已映射文章真实接口，可在配置中一键切换纯前端 Mock 与真实后端，便于二次开发对接。无论是交通安防教学、算法选型汇报还是产品原型评审，本资源都能帮助你直观、专业地呈现七类车型细粒度检测能力的全貌。

2026-08-21

OpenCV 算法工作站（OpenCV Studio）

OpenCV Studio 是一个基于 PyQt5 打造的交互式数字图像处理（DIP）学习与实验工作站，将 OpenCV 算法体系与冈萨雷斯《数字图像处理》教材内容有机融合，面向算法学习、教学演示和工程验证三大场景。技术架构项目采用清晰的三文件分工：opencv_studio_app.py 作为程序入口，集中定义算法清单（27 个可交互 OpenCV 算法）、算法选型决策树与 DIP-OpenCV 对照表；dip_studio.py 是共享核心，包含 49 个算法实现（注册于 APPLY_FNS 字典）及图像转换、测试图生成等工具函数；dip_ui.py 为可复用的界面组件层，提供 Python 语法高亮、自适应图片画布、参数控件与主窗口框架。三者解耦，主窗口以"数据注入"方式被复用，便于二次开发。核心功能工作站覆盖 imgproc、features2d、video、calib3d、ml、dnn、photo 七大模块，涵盖滤波、形态学、阈值、边缘检测、几何变换、直方图、轮廓、色彩空间、特征匹配、目标检测、视频光流、相机标定、机器学习与深度学习推理等。每个算法均支持加载自定义图像、滑动调参、原图与结果实时对比预览。学习体验界面采用左侧树形导航（按模块、子组两级分类，支持搜索）+ 右侧四标签页结构：理论（含核心公式、参数说明、使用场景与 OpenCV 函数）、对比图（22 张预生成效果对比）、代码（带语法高亮的可运行示例）、交互实验（调参实时预览并支持保存）。决策树与对照表帮助用户按场景快速选型，并标注"直接封装 / 需手动实现 / 第三方依赖"的实现状态，厘清 OpenCV 能力边界。整体而言，这是一套"理论—代码—实验"闭环的轻量级图像处理教学与验证工具，无需深度学习框架即可直观理解 OpenCV 核心算法的效果与取舍。

2026-08-20

数字图像处理算法学习工作站

DIP Studio 是一款基于 PyQt5 开发的交互式数字图像处理算法学习桌面应用，将 OpenCV 工程体系与冈萨雷斯《数字图像处理》教材理论体系融为一体，为学习者提供从"看公式"到"调参数"到"出结果"的一站式实践环境。 ## 设计理念传统图像处理学习存在一个痛点：理论教材与工程实践之间有断层。冈萨雷斯的书讲清楚了"为什么"，OpenCV 的文档告诉你"怎么调"，但很少有人把两者放在一起，让你在同一个界面里同时看到数学公式、代码实现、对比效果图，还能拖动滑块实时观察参数变化对图像的影响。DIP Studio 正是为填补这个空白而设计的。 ## 功能架构程序采用左右分栏布局。左侧是树形导航，按三大分组组织 48 个算法节点——OpenCV imgproc 八大类（滤波、形态学、阈值化、边缘检测、几何变换、直方图、轮廓、色彩空间）、OpenCV 其他模块（ORB 特征、Haar/HOG 检测、光流跟踪、相机标定、SVM/KNN 机器学习、YOLO 深度推理、图像修复）、以及 DIP 冈萨雷斯教材对应章节（点运算、频域滤波、维纳复原、噪声模型、GLCM/LBP 纹理、分水岭分割、Retinex 光照补偿、DCT 压缩）。顶部搜索框支持即时过滤。右侧为四标签页内容区：理论页展示公式、参数说明、使用场景和选型建议；对比图页加载 42 张真实算法效果图；代码页以深色主题语法高亮呈现 27 段可复制的 Python 实现；交互实验页支持加载自定义图像，通过滑块和下拉框实时调整 37 个算法的参数，原图与处理结果并排对比。 ## 技术特点程序不依赖 PyWavelets 或 Pygments 等第三方库——小波变换用 NumPy 手动实现 Haar 和 db4 分解，语法高亮基于 QSyntaxHighlighter 自建规则匹配。测试图像由程序现场合成，所有对比

2026-08-18

《数字图像处理》数字图像处理算法全面梳理

内容结构（12 章） Ch1-2 绪论与数字图像基础采样量化、邻域/距离度量、图像处理三层次 Ch3 灰度变换与空间滤波点运算（负片/Gamma/对数/拉伸）、直方图均衡与 CLAHE、空间滤波器族 Ch4 频域滤波 2D DFT、理想/巴特沃斯/高斯低高通滤波器、频域 vs 空域等价 Ch5 图像复原噪声模型（高斯/椒盐/均匀）、运动模糊 PSF、逆滤波/维纳滤波/CLS Ch6 彩色处理 HSI/HSV/Lab 色彩空间、伪彩色映射、颜色分割、 Retinex 光照补偿 Ch7 小波与多分辨率 Haar 小波、db4 小波、高斯/拉普拉斯金字塔 Ch8 图像压缩 JPEG 压缩实验、8×8 分块 DCT、系数截断、 PSNR 质量评价 Ch9 形态学腐蚀/膨胀/开闭/梯度、Top-hat/Black-hat、击中击不中、骨架化 Ch10 图像分割阈值（Otsu/Triangle/自适应）、边缘（Canny/Marr-Hildreth）、分水岭、区域生长 Ch11 特征提取 Harris 角点、GLCM 纹理、LBP、Hu 矩、傅里叶描述子 Ch12 模式分类最小距离/贝叶斯/SVM/KNN/神经网络/随机森林、 PCA/LDA 降维

2026-08-17

基于yolo与ByteTrack的目标追踪功能

## YOLO目标追踪系统设计 ### 一、架构设计采用**三层架构**：用户交互层（PyQt/Web）、核心处理层、数据层。核心算法与界面解耦，支持灵活扩展。 ### 二、核心模块 | 模块 | 文件 | 功能 | |------|------|------| | 检测 | `detector.py` | YOLOv8封装，支持单帧/批量检测 | | 追踪 | `tracker.py` | ByteTrack/SimpleTracker双实现 | | 视频处理 | `video_processor.py` | 同步/异步处理器，支持摄像头/文件 | ### 三、界面设计 **PyQt界面**：左面板（配置控制）+ 右面板（视频/日志），`VideoThread`线程处理。 **Web界面**：FastAPI + WebSocket实时流传输，支持文件上传和RESTful API。 ### 四、关键技术 - **检测**：YOLOv8（速度精度平衡） - **追踪**：ByteTrack（无需外观特征） - **匹配**：匈牙利算法 + IoU - **Web**：FastAPI异步框架 ### 五、使用方式 ```bash python main.py pyqt # 桌面界面 python main.py web # Web界面 python main.py demo # 命令行演示 ``` ### 六、项目结构 ``` yolo_track/ ├── core/ # 检测、追踪、视频处理 ├── gui/ # PyQt界面 ├── web/ # FastAPI服务 ├── main.py # 统一入口 └── config.yaml # 配置文件 ```

2026-04-07

基于yolov8的目标检测系统

本系统是基于 YOLOv8 打造的通用目标检测解决方案，覆盖从数据输入到结果可视化的全流程能力，兼顾开箱即用的易用性与灵活可扩展的工程化特性，可满足快速验证、离线批量处理、实时推理等多元场景需求。系统核心包含四大功能模块：单张图片目标检测与标注、批量视频帧处理与结果导出、摄像头实时目标检测，以及配套的检测结果统计可视化。内置类别分布饼图、目标数量柱状图、置信度分布分析等能力，可直观呈现检测数据，实现检测结果的量化分析。架构上采用三层解耦设计，职责清晰、易于维护。用户界面层提供 Gradio Web 与 PyQt5 桌面双端适配，Web 端一键启动即可通过浏览器访问，桌面端提供原生交互体验；业务逻辑层为 YOLODetector 核心检测模块，封装了模型加载、多场景推理、标注绘制等核心能力，支持模型动态切换与置信度阈值自定义；数据统计层为 DetectionStatistics 模块，提供标准化的统计与图表生成接口，可快速输出结构化的检测分析结果。系统基于 PyTorch 与 Ultralytics YOLO 框架开发，搭配 OpenCV、NumPy 完成图像处理，通过 Pandas、Matplotlib 实现数据可视化，兼容 YOLOv8 全系列模型，可根据实时性与精度需求灵活选型。同时采用多线程设计规避界面卡顿，保障视频与实时检测的流畅运行，预留标准化扩展接口，可快速适配 YOLO 新版本模型、RTSP 流输入、文件夹批量处理等进阶需求。

2026-04-05

2025证券市场基本法律法规

本书严格依据中国证券业协会发布的《证券业从业人员一般从业资格考试大纲》编写，全面涵盖了证券市场法律法规的核心知识考点。全书共分为四章：证券市场基本法律法规：包括证券市场法律法规体系、公司法、证券法、基金法、期货交易管理条例和证券公司监督管理条例等内容。证券从业人员管理：涵盖从业资格和执业行为规范。证券公司业务规范：详细介绍证券经纪、证券投资咨询、财务顾问、证券承销与保荐、证券自营、证券资产管理等业务规范。证券市场典型违法违规行为及法律责任：分析证券一级市场和二级市场的典型违法违规行为及相应法律责任。

2026-03-06

2025金融市场基础知识教程

本教程的核心内容如下： 1、金融市场概念与功能：资金融通、价格发现、提供流动性、风险管理、降低搜寻成本和信息成本 2、融资方式：直接融资与间接融资的区别与特点 3、各类金融工具：股票、债券、基金、衍生品的特点与交易机制 4、市场参与者：发行人、投资者、中介机构、自律组织、监管机构 5、风险管理：风险识别、评估与控制方法

2026-03-06

依据主体以及格式要求，自动生成春联

依据主体以及格式要求，自动生成春联，导入dify后修改对应的大模型即可运行

2025-09-17

mineru-ocr识别

mineru+dify实现OCR识别，导入dify后，将ip和端口改为 mineru-api服务得ip

2025-09-15

PaddleOCR+HTML 图像OCR识别系统介绍

系统概述 PaddleOCR HTML图像OCR识别系统是一个基于百度飞桨(PaddlePaddle)框架的OCR识别解决方案，通过Web界面提供便捷的文本识别服务。该系统能够从上传的图像或HTML页面中提取的图片中识别文字内容。核心组件 1. PaddleOCR引擎基于PaddlePaddle深度学习框架支持多语言识别(中文、英文、多语种混合等) 预训练模型支持，也可自定义训练 2. Web界面(HTML) 用户友好的上传界面图像预览功能识别结果展示区域系统功能图像OCR识别支持JPG、PNG、BMP等常见图像格式自动检测文本区域高精度文字识别 HTML页面处理解析HTML中的图像元素保持原始页面结构的同时提取文本高级功能多语言混合识别竖排文字识别技术架构用户界面(HTML/JS) → 后端服务(Python) → PaddleOCR引擎 → 结果处理 → 返回前端

2025-04-20

视频人体属性检测演示系统

视频人体属性检测演示系统说明 1. 系统概述 ① 目标：实时或离线检测视频中的人体属性（如性别、年龄、姿态、衣着、动作等）。 ② 应用场景：安防监控、智慧零售、人机交互、体育分析等。 ③ 核心功能： 1）人体检测。 2）多属性识别（性别、年龄、服装、携带物品等）。 3）姿态/动作分析（站立、行走、举手等）。 4）可视化结果展示与数据导出。 2. 系统架构 ① 输入模块 1）支持本地视频文件。 2）视频解码与帧提取。 ② 处理模块 1）人体检测：YOLO等算法定位人体位置。 2）属性识别：基于深度学习模型（如paddleclas）分类属性。 3）跟踪算法：ByteTrack等实现跨帧ID关联。 4）可视化界面：标注框、属性标签。 4. 使用说明 ① 依赖库：Python 3.9+, PyTorch, OpenCV。 ② 硬件建议：NVIDIA GPU（可选CPU模式但性能下降）。 ③ 详细环境搭建以及运行流程见文档 “使用说明.txt” ④ 交互界面，html实现的前端页面

2025-04-18

html实现的经典贪吃蛇游戏

游戏特点经典重现：完美复刻经典贪吃蛇游戏玩法精美界面：现代化UI设计，视觉效果出色完整功能：包含完整游戏控制如何使用将上述代码复制到HTML文件中在浏览器中打开该文件即可开始游戏电脑使用方向键控制避免撞墙或撞到自己身体这个贪吃蛇游戏不仅功能完整，而且界面美观，代码结构清晰，是学习HTML5游戏开发的优秀示例！

2025-04-09

Flask + YOLO + HTML 实现前后端图像/视频目标检测：零基础实战教程

《从零搭建！Flask+YOLO+HTML打造高精度图像/视频目标检测系统（附完整源码）》简介：想用Python快速搭建一个属于自己的目标检测Web应用？本教程手把手教你如何用Flask作为后端框架，结合YOLO深度学习模型，以及HTML+JavaScript前端交互，实现一个支持图片和视频上传的实时目标检测系统！你将学到：如何用Flask搭建轻量级后端API YOLO模型的集成与优化技巧前端动态展示检测结果（画框+标签+置信度）支持图片上传、视频流实时处理完整项目结构 & 源码分享无论你是深度学习初学者，还是想进阶全栈开发的工程师，这个项目都能让你快速掌握AI落地的核心技能！上传图片/视频 → YOLO实时检测 → 前端动态渲染结果

2025-04-07

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

企业贷款风控系统毕业设计

智能项圈LoRa组网方案

CUDA并行计算优化技巧

Makefile 自动化编译实战

育肥公牛活牛价格预测工作台：多源融合 + 滚动回测 + 可交互预测沙盘

RTSP 视频流单目深度估计工作台

嵌入式JPEG编解码器

TinyML 实战工程：把神经网络跑进 STM32 与 ESP32

边缘节点参与物联网平台优先级联动方案

轻量化模型在 ARM Cortex-M / RISC-V 上的实现

嵌入式并口摄像头（OV2640/OV5640）驱动与 DCMI 实战工程

大模型微调与部署实战 · 进阶优化

大模型微调与部署实战工程

LoRA/QLoRA 微调入门笔记与操作示例

FFmpeg 工具链 & 实用脚本集

FFmpeg 二次开发与 API 集成

FFmpeg 实战工程集

FFmpeg 基础教程与入门指南

车辆检测系统工作台界面

OpenCV 算法工作站（OpenCV Studio）

数字图像处理算法学习工作站

《数字图像处理》数字图像处理算法全面梳理

基于yolo与ByteTrack的目标追踪功能

基于yolov8的目标检测系统

2025证券市场基本法律法规

2025金融市场基础知识 教程

依据主体以及格式要求，自动生成春联

mineru-ocr识别

PaddleOCR+HTML 图像OCR识别系统介绍

视频人体属性检测演示系统

html实现的经典贪吃蛇游戏

Flask + YOLO + HTML 实现前后端图像/视频目标检测：零基础实战教程

【Flask+paddle深度学习】高精度音频识别系统（附完整源码、模型&详细部署教程）

deepseek资料大全

大货车车牌自动生成程序

好用的硬盘数据恢复软件

VisionTransformer图像分类

VGGNet图像分类算法

GoogleNet图像分类算法

pyqt+yolo+lprnet车牌检测识别系统

空空如也

2025金融市场基础知识教程