图像处理 物体 算法 深度

学习数据mining算法收集(1)聚类算法:DBSCAN算法

——————————非原创,来自知乎https://zhuanlan.zhihu.com/p/77043965———————————————————————————— 1.定义 DBSCAN将簇定义为密度相连的点的最大集合,能够把具有足够高密度的区域划分为簇,并可在噪声的空间数据库中发现任意形状的聚 ......
算法 数据 mining DBSCAN

机场航拍图像检测软件(Python+YOLOv5深度学习模型+清新界面)

机场航拍图像检测软件使用深度学习技术检测机场航拍图像中的飞机目标等,识别航拍目标等结果并记录和保存,辅助机场智能管理运行。在介绍算法原理的同时,给出Python的实现代码、训练数据集,以及PyQt的UI界面。机场航拍检测系统主要检测飞机的数目、位置、预测置信度等;连接摄像头设备可开启实时检测功能,另... ......
深度 模型 图像 界面 机场

基于深度学习的瓶盖检测系统(Python+YOLOv5深度学习模型+清新界面)

基于深度学习的瓶盖检测系统用于传送带或日常场景中瓶盖检测识别,提供实时瓶盖检测定位和计数,辅助瓶盖生产加工过程的自动化识别。本文详细介绍基于深度学习的瓶盖检测系统,在介绍算法原理的同时,给出Python的实现代码、训练数据集,以及PyQt的UI界面。基于YOLOv5算法实现对图像中存在的多目标进行识... ......
深度 检测系统 瓶盖 模型 界面

交通信号标志识别软件(Python+YOLOv5深度学习模型+清新界面)

交通信号标志识别软件用于交通信号标志的检测和识别,利用机器视觉和深度学习智能识别交通标志并可视化记录,以辅助无人驾驶等。本文详细介绍交通信号标志识别软件,在介绍算法原理的同时,给出Python的实现代码以及PyQt的UI界面。在界面中可以选择各种图片、视频进行检测识别;可对图像中存在的多目标进行识别... ......
深度 模型 信号 界面 标志

基于深度学习的海洋动物检测系统(Python+YOLOv5+清新界面)

基于深度学习的海洋动物检测系统使用深度学习技术检测常见海洋动物,识别图片、视频和实时视频中的海洋动物,方便记录、展示和保存结果。本文详细介绍海洋动物检测系统,在介绍算法原理的同时,给出Python的实现代码、训练数据集,以及PyQt的UI界面。基于YOLOv5实现对图像中存在的多个目标进行识别分类,... ......
检测系统 深度 界面 海洋 动物

智能扑克牌识别软件(Python+YOLOv5深度学习模型+清新界面)

智能扑克牌识别软件利用视觉方法检测和识别日常扑克牌具体花色与数字,快速识别牌型并标注结果,帮助计算机完成扑克牌对战的前期识别步骤。本文详细介绍基于深度学习的智能扑克牌识别软件,在介绍算法原理的同时,给出Python的实现代码、训练数据集,以及PyQt的UI界面。基于YOLOv5对图像中存在的多目标进... ......
扑克牌 扑克 深度 模型 界面

智能火焰与烟雾检测系统(Python+YOLOv5深度学习模型+清新界面)

智能火焰与烟雾检测系统用于智能日常火灾检测报警,利用摄像头画面实时识别火焰与烟雾,另外支持图片、视频火焰检测并进行结果可视化。本文详细介绍基于智能火焰与烟雾检测系统,在介绍算法原理的同时,给出Python的实现代码以及PyQt的UI界面。在界面中可以选择各种图片、视频进行检测识别;可对图像中存在的多... ......
检测系统 烟雾 火焰 深度 模型

基于深度学习的花卉检测与识别系统(YOLOv5清新界面版,Python代码)

基于深度学习的花卉检测与识别系统用于常见花卉识别计数,智能检测花卉种类并记录和保存结果,对各种花卉检测结果可视化,更加方便准确辨认花卉。本文详细介绍花卉检测与识别系统,在介绍算法原理的同时,给出Python的实现代码、训练数据集,以及PyQt的UI界面。基于YOLOv5目标检测算法,在界面中可以选择... ......
花卉 深度 界面 代码 YOLOv5

吸烟行为检测系统(Python+YOLOv5深度学习模型+清新界面)

吸烟行为检测软件用于日常场景下吸烟行为监测,快速准确识别和定位吸烟位置、记录并显示检测结果,辅助公共场所吸烟安全报警等。本文详细介绍吸烟行为检测系统,在介绍算法原理的同时,给出Python的实现代码、训练数据集以及PyQt的UI界面。在界面中可以选择各种图片、视频进行检测识别,基于YOLOv5算法实... ......
检测系统 深度 模型 界面 行为

基于深度学习的动物识别系统(YOLOv5清新界面版,Python代码)

动物识别系统用于识别和统计常见动物数量,通过深度学习技术检测日常几种动物图像识别,支持图片、视频和摄像头画面等形式。在介绍算法原理的同时,给出Python的实现代码、训练数据集以及PyQt的UI界面。动物识别系统主要用于常见动物的识别,检测几种动物的数目、位置、预测置信度等;检测模型可选择切换,识别... ......
深度 界面 动物 代码 YOLOv5

智能零售柜商品检测软件(Python+YOLOv5深度学习模型+清新界面)

智能零售柜商品检测软件用于识别零售柜常见商品,检测商品名和位置以了解销售情况,为零售柜商品智能检测和自动销售提供检测功能。本文详细智能零售柜商品检测软件,在介绍算法原理的同时,给出Python的实现代码、训练数据集、以及PyQt的UI界面。在界面中可以选择各种图片、视频进行检测识别;可对图像中存在的... ......
深度 模型 界面 智能 商品

DNS域名解析、回溯HTTP事务处理过程

DNS域名解析 通常我们访问一个网站,使用的是主机名或者域名来进行访问的。因为相对于IP地址(一组纯数字),域名更容易让人记住。但TCP/IP协议使用的是IP地址进行访问的, 所以必须有个机制或服务把域名转换成IP地址。DNS服务就是用来解决这个问题的,它提供域名到IP地址之间的解析服务。 回溯HT ......
事务 过程 域名 HTTP DNS

算法笔记的笔记——第6章 C++标准模板库(STL)

vector 变长数组 长度根据需要而自动改变的数组 可以用来以邻接表的方式储存图 使用 头文件:#include <vector> 命名空间:using namespace std; 定义 vector<typename> name; 相当于一维数组name[SIZE],但长度可变。typenam ......
笔记 算法 模板 标准 STL

房产中介管理软件第12课:使用Serilog做全局的错误处理

因为代码用于学习,把前端框架从Ant Design Vue改为了vue-admin-plus,正版购买。 后面教程和界面可能和前11课差距较大。 本文介绍如何使用Serilog来进行全局的错误处理。 一、nuget引用Serilog 二、appsettings.json中进行serilog的配置 / ......

nodejs处理嵌套对象的npm包:dot-prop

dot-prop是一个 JavaScript 库,用于处理嵌套对象的属性,它允许您通过点符号(.)访问和修改嵌套对象的属性, 而不需要使用复杂的递归函数或多个if语句来处理。 引入dot-prop库非常简单,可以通过 npm 进行安装: npm install dot-prop 使用dot-prop ......
dot-prop 对象 nodejs prop dot

Docker:Docker处理中文日志乱码问题

查看容器的编码 进入docker容器查看编码 #进入容器内部 docker exec -it <container_name> /bin/bash #查看容器编码 locale 显示为:LC_CTYPE="POSIX" 都是这个样子的 临时修改编码 临时修改只对当前容器生效,如果这个容器删除了,重新 ......
Docker 乱码 问题 日志

图像二值化的指令集加速例子

以下代码基于VS2015、Qt5.9和OpenCV430,CPU型号是Intel Core i5-7400。功能是对图像进行二值化。下面直接上代码: void main() { Mat image(1024, 1024, CV_8UC1, Scalar(255)); circle(image, Po ......
指令 例子 图像

ChatGPT国内小程序(AI GPGT智能助手)-自然语言处理的新里程碑

ChatGPT中文网是一个面向中国用户的聊天机器人网站,旨在为国内用户提供一个自然的环境、有趣、实用的聊天体验。它使用最新的自然语言处理技术来帮助用户更好地理解他们的聊天对话,还可以帮助用户解决日常生活中的问题,提供有趣的谈话内容以及实时信息服务。 AI GPGT智能助手 任何 transforme ......
自然语言 里程碑 助手 ChatGPT 自然

雪花算法(SnowFlake)

简介 现在的服务基本是分布式、微服务形式的,而且大数据量也导致分库分表的产生,对于水平分表就需要保证表中 id 的全局唯一性。 对于 MySQL 而言,一个表中的主键 id 一般使用自增的方式,但是如果进行水平分表之后,多个表中会生成重复的 id 值。那么如何保证水平分表后的多张表中的 id 是全局 ......
算法 雪花 SnowFlake

低代码开发,一场深度的IT效率革命

尽管IT技术已经有了前所未有的飞跃,但是软件开发效率却还是达到了一定的瓶颈。码农们一边喊着996、一边重复造轮子。正因为如此,低代码领域发展迅速。今天,你低代码了吗? 软件形态发展 从整个行业发展情况来看,自2019年低代码成为行业热词至今,资本市场一直动作频频。从需求端来看,低代码的出现集中反映了 ......
深度 效率 代码

CSIG企业行-走进合合信息成功举行,聚焦生成式人工智能、智能文档处理前沿热点

3月18日,由中国图象图形学学会(CSIG)主办,合合信息、CSIG文档图像分析与识别专业委员会联合承办的“CSIG企业行”系列活动成功举办。此次活动以“图文智能处理与多场景应用技术展望”为主题,特邀来自上海交大、厦门大学、复旦大学、中科大的知名学府的学者与合合信息技术团队一道,面向行内研究者分享图 ......
智能 人工智能 人工 热点 文档

「ACM 算法实践」[解题报告]麦田

分析 首先,前缀和的思路是很显然的。然后我们很容易想到暴力枚举矩形的左上角和右下角,然而 $\mathcal{O}(n^4)$ 的算法过不去,哪怕把最后一维用二分,倒数第二维加一点剪枝也还是会 T 两个点。 这时候应该考虑将多行/列压缩为一行/列,然后再使用双指针枚举列/行。详细来说就是将 $i$ ......
麦田 算法 报告 ACM

「ACM 算法实践」[解题报告]组队

分析 因为时间不多了,我一开始只考虑了 $a_i$ 互不相等的情况,没想到居然拿到了 60 昏( 正确解法是贪心 + 优先队列。~~而不是从「使得人数最少的队伍人数最多」中得到的二分~~ 首先肯定要将 a 数组排序,要使人数最少的队伍人数最多,我们优先将当前的数 $a[i]$ 放到以 $a[i]-1 ......
算法 报告 ACM

「ACM 算法实践」[解题报告]时间管理大师

分析 一开始想着应该要分情况讨论,如果每台电脑的耗电量都小于 $e$ ,那么可以知道小 Q 是可以一直学习下去的,如果存在电脑的耗电量大于等于 $e$ ,贪心的想法是将每台电脑能用的时间从小到大排序,然后丢进优先队列里,再考虑给谁充电,这样一来情况就非常复杂了。 正确的做法是二分答案 $t$ ,计算 ......
时间管理 算法 大师 时间 报告

Python学习笔记:Pandas处理时间类型之dt模块

Pandas.Series 对象和 DataFrame 的列数据提供了 cat、dt、str 三种属性接口(accessors),分别对应分类数据、日期时间数据和字符串数据。 通过这几个接口可以快速实现特定的功能,十分便捷。 今天先针对 dt 接口对时间模块进行学习。 一、构建测试数据集 # 创建测 ......
模块 类型 时间 笔记 Python

9-springboot统一异常处理

500错误页面之前可以xml中配置errorpage的配置,或者tomcat的web.xml中处理,现在可以进行统一处理。 新建处理类统一处理 @ControllerAdvicepublic class ExceptionHandler { @org.springframework.web.bind ......
springboot

高精度算法-高精度加法

为什么要用高精度 因为有的题目的数据很大,超出long long的范围,所以我们需要用高精度来计算: 首先是高精度加法: 高精度加法就是仿照我们竖式加法进行操作,逐位相加,注意进位!!! 题目传送门 Tiling Time Limit: 1000MS Memory Limit: 65536K Tot ......
高精 高精度 加法 算法

pytest运行结果乱码处理

pytest终端打印结果,中文乱码,解决方式: 第一种方式:在pytest.ini文件中添加一行代码:disable_test_id_escaping_and_forfeit_all_rights_to_community_support = True 第二种方式,conftest.py中添加钩子函 ......
乱码 结果 pytest

新增员工方法及重复员工处理

//拦截加了RestController和Controller注解的类 @ControllerAdvice(annotations = {RestController.class, Controller.class}) @ResponseBody//返回的是json对象 @Slf4j public ......
员工 方法

python表格处理--1

import numpy as np# a = np.array([1,2,4,5]) # 创建一组数组# b = np.array([[1,2],[3,4],[5,6]]) # 创建二维数组# x = np.arange(5) # 1个参数,起点取默认值0,参数值为终点,步长取默认值1,左闭右开# ......
表格 python