九点归一的博客

python程序无需安装，直接windows64位系统运行，解压即可运行目录下的自动下载图片.exe，下载百度图片。 可以自行修改关键字，在目录下的config.json中修改关键字，还可以设置下载数量和下载保存路径，默认在文件同级目录下。

资源内已附带自动生成的图片和预训练模型（过拟合版本），可以直接检测效果。自动生成的图片都能检测，但是如果实际应用请自行加入真实数据图片。网络设计好，直接可以上手训练。后期接入实际项目中只需要配合简单的检测算法（例如yolo框取车牌再送入此模型），即可精准识别视频或图像中的车牌信息。 代码简单说明： 1.plate_train.py此类用于训练模型，可以将你的数据放入data目录下，直接运行即可训练，会在params目录下产生模型文件。 2.plate_detect.py此类用于识别演示，直接运行即可查看效果，会将real_plate下一张真实车牌号码识别出来。 3.plate_dataset.py此类是数据集解析文件，用于解析数据集作为训练输入和标签送入训练。 4.crnn_model.py模型结构，使用CRNN网络 5.car_plate_generate.py车牌生成器，自动生成模拟车牌图片，用于自动产生大量数据集。

1 yolo5_val此类用于测试，直接运行即可，验证实际效果 2 yolo5_train此类用于训练，把数据放入data目录下，之后直接运行即可训练，数据格式是labelme或者labelimg自动保存的json格式 3 auto_gen_falldown_labels,此类用于已有的yolo5模型去自动标注跌倒数据 4 parse_txt_to_labelme_json此类用于将txt格式的标注文件自动转为json格式标签，用于训练 该资源已包含训练好的模型best_fall_bk.pt，可直接运行看效果，下载解压后在pycharm中打开，直接运行yolo_val即可查看检测效果，如果有模块未加载报错，请直接pip install对应模块即可。资源中还包含400张标注好数据集，可直接运行yolo_train训练，也可以您自己将数据集放入data/images目录下然后训练。此资源还可以用来自动标注跌倒数据，使用auto_gen_falldown_labels可以生成txt标注文件，使用parse_txt_to_labelme_json可以将txt格式标注文件转json文件。

已附带训练好的模型，使用yolo5模型检测烟火，直接下载后使用pycharm打开，运行yolo5_val.py文件即可查看效果，如果有模块没安装报错，直接pip install安装即可。数据集多是自己手动用labelme标注的，有大几千张，如果对模型不满意，也可以自己下载或标注数据集放入data目录，然后运行yolo5_train.py即可训练，标注文件是labelme或labelimg自动生成的json文件。本工程适合用于个人研究，不含数据集，不可直接商用。

把editor放入assets目录，选择一张图片，点击菜单plugins下的checkpng，查看打印的log。代码写的查看uitexture是否使用了png，如果你的是其他控件例如uisprite请自行修改。

将editor目录放入unity工程assets目录下，在菜单栏可见到plugins。选中unity里面一个excel文件.xlsx文件，点击plugins的exceltools，选择转换后格式默认输出到excel同路径的文件

masm32sdk中的user32库文件，缺什么库文件都可以上网找，正在看罗云彬的win32汇编.

计算机网络高分笔记试读版，非完整版，语言较通俗。

考研操作系统高分笔记试读版，语言通俗易懂。仅供试读，没完整版。