视觉 机器 工程师 工程
从C++CLI工程的依赖库引用问题看.Net加载程序集机制
问题 最近在为某第三方MFC项目写C++/CLI工程插件时遇到了如下一个问题： MFC的工程不允许把.Net的依赖程序集放到执行程序的目录（防止影响其稳定性），依赖库只能放到非执行程序子目录的其他目录中。但无论是调用 // 使用windows API 需要 #include <windows.h> ......
实验七：Spark机器学习库Mtlib编程实践
1、数据导入 导入相关的jar包： import org.apache.spark.ml.feature.PCA import org.apache.spark.sql.Row import org.apache.spark.ml.linalg.{Vector,Vectors} import org ......
OpenCV计算机视觉学习（15）——浅谈图像处理的饱和运算和取模运算
如果需要其他图像处理的文章及代码，请移步小编的GitHub地址 传送门：请点击我 如果点击有误：https://github.com/LeBron-Jian/ComputerVisionPractice 本来在前面博客 OpenCV计算机视觉学习（2）——图像算术运算 &图像阈值（数值计算，掩膜ma ......
机器视觉 - YoloV8 命令行安装
创建python 环境 下载并安装 miniconda 安装包, 注意miniconda和 python 版本对应关系, 不要选择python最新的版本, 以免yolo或pytorch不能兼容最新版python. 这里到安装到 C:\miniconda3 配置 conda 环境, 修改conda配置 ......
OpenCV - 计算机视觉开发
OpenCV 介绍 OpenCV（Open Source Computer Vision Library）是一个开源的计算机视觉库，它提供了很多函数，这些函数非常高效地实现了计算机视觉算法（最基本的滤波到高级的物体检测皆有涵盖）。 OpenCV 是跨平台的，可以在 Windows、Linux、Mac ......
机器学习-概率图模型系列-隐含马尔科夫模型-33
目录1. Hidden Markov Model2. HMM模型定义 注：参考链接 https://www.cnblogs.com/pinard/p/6945257.html 1. Hidden Markov Model 隐马尔科夫模型（Hidden Markov Model，以下简称HMM）是比较 ......
四川高院--即使工程款已经结清，在总包方非实质审查结并确认清班组工资情况下，仍应对工人工资承担责任。
（2020）川民申3605号 中安华力建设集团有限公司、李某某劳务合同纠纷再审审查与审判监督民事裁定书 申请人主张： 华力公司申请再审称，(一)二审判决认定基本事实缺乏证据证明，且华力公司有新证据足以推翻原判决。安徽省合肥市庐阳区人民法院(2018)皖0103民初3586号劳务合同纠纷一案(以下简称 ......
简易机器学习笔记（十一）opencv 简易使用-人脸识别、分类任务
前言 前段时间摸了下机器学习，然后我发现其实openCV还是一个很浩瀚的库的，现在也正在写一篇有关yolo的博客，不过感觉理论偏多，所以在学yolo之前先摸一下opencv，简单先写个项目感受感受opencv。 流程 openCV实际上已经有一个比较完整的模型了，下载在haarcascades 这里 ......
如何开发医疗保险欺诈识别监测模型中的特征工程？
在开发医疗保险欺诈识别监测模型时，特征工程是一个关键的步骤，它有助于提取、转换和选择最相关的特征，以改善模型的性能。以下是在开发医疗保险欺诈识别监测模型时进行特征工程的一些建议： 基本特征提取： 提取基本的医疗保险相关特征，如就医次数、就医地点、就医科室、医疗费用等。 时序特征： 如果数据包含时间信 ......
社会工程学——进行IP追踪
如果目标对象有一个公开的邮箱，可以往这个邮箱地址发试探性的Email，然后看看该邮件是否有【回信】，从而了解对象是否在线。（注：这招是社会工程学的基本伎俩） 说一个稍微高级点的邮件技巧——【不依赖回信】也能玩探测的把戏。 在发送的邮件中使用 HTML格式；邮件正文中包含一个肉眼不易看见的小图片（大小 ......
工程监测振弦采集仪的应用及技术研究
工程监测振弦采集仪的应用及技术研究 工程监测中，振弦采集仪主要用于测量结构物或地面的振动情况，以评估结构的健康状态或监测地面的变形情况。振弦采集仪通过固定在结构物或地面上的振弦传感器，采集振动信号，并将信号通过数据采集系统传输到计算机进行处理和分析。 振弦采集仪的应用主要包括以下几个方面： 1. 结 ......
软考网络工程师-基础笔记归纳
1.计算机原理和操作系统 可靠性模型 串联：可靠性 R=R1*R2 并联：可靠性 R=1-(1-R1)(1-R2) 流水线的操作周期至少为最长的时间周期 即 8ns、9ns、4ns、8ns 的流水线，操作周期至少为 9ns 流水线执行 N 条指令，需要的时间 T T=[(N-1)*最长时间 t ] ......
【机器学习】逻辑回归
目录感知器的种类sigmoid（logistics）函数代价/损失函数（cost function）——对数损失函数（log loss function）梯度下降算法（gradient descent algorithm）正则化逻辑回归（regularization logistics regres ......
【机器学习】多元线性回归
目录多元线性回归模型（multiple regression model）损失/代价函数（cost function）——均方误差（mean squared error）批量梯度下降算法（batch gradient descent algorithm）特征工程（feature engineerin ......
react-native在windows环境搭建并使用脚手架新建工程
截止到2024-1-11，使用的主要软件的版本如下： 软件实体 版本 react-native 0.73.1 react 18.2.0 react-native-cli 2.0.1 Android Studio 2022.3.1 Patch3 Android SDK Android SDK Plat ......
软件工程网课笔记
前言：课程是学堂在线清华大学的软件工程课程，但是没有按照正常顺序学习； 同样的个人还是更习惯使用飞书记录，所以这里先给出第一章的内容，后续内容请查看：https://f1g48hqfc05.feishu.cn/docx/V6WmdI0CAoPg1dxPTtocmNmUnnb?from=from_co ......
深度学习之机器学习理论
（一）机器学习（Machine Learning）：就是让计算机具备从大量数据中学习的能力之一系列方法。机器学习使用很多统计方法，统计学家也称之为统计学习，但本质上起源于计算机科学的人工智能。 （二）机器学习的分类：机器学习主要分为两类，即监督学习(supervised learning)与非监督学 ......
软件工程专业
软件工程专业（国家级一流本科专业建设点） 阅读量：1466 发布时间：2022-06-17 分享到： 一、人才培养目标 本专业培养具有坚定正确的政治方向、高尚的道德品质和高度的社会责任感，具备良好的科学与人文素养，具有较强的创新精神、创业意识和创新创业能力，掌握软件工程专业的基础理论、基本知识和基本 ......
走进3D时代：小区楼盘的视觉盛宴
随着科技的飞速发展，我们的生活正经历着前所未有的变革。曾经，我们只能通过文字和二维图片来了解楼盘的布局和设计；而今，3D技术的引入，让这一切变得栩栩如生。 ......
提示工程最佳实践
提示工程最佳实践 翻译自：https://mphr.notion.site/Prompt-Engineering-Best-Practices-0839585d4bce4c6abb0b551b2107a92a 改善LLM输出的提示技巧。 目录： Tip#1:清晰且具体的指令 Tip#2:给模型思考的 ......
大模型调优方法：提示工程、RAGs 与微调对比
每一个搭建大语言模型应用的AI工程师都会面临一个难题，如何选择一个合适调优方法。就算是强大的预训练LLM也可能无法直接满足项目中的特定需求。如项目需要一个特定结构的应用程序，如预训练缺失上下文的重要文件，再比如有特定术语和结构的高专业性的行业领域，面对这些问题，需要有特定的方法来调整LLM。 要决定 ......
振弦采集仪在工程监测中的性能评估与分析
振弦采集仪在工程监测中的性能评估与分析 振弦采集仪是一种用于测量和记录振弦信号的仪器。在工程监测中，振弦采集仪的性能评估与分析对于准确测量和分析结构的振动特性具有重要意义。以下是一些常见的性能评估和分析指标： 1. 准确性：振弦采集仪的准确性是指它测量和记录振弦信号的精确程度。评估准确性的方法包括与 ......
机器学习如何改变缺陷检测的格局？
机器学习在缺陷检测中扮演着重要的角色，它能够通过自动学习和识别各种缺陷的模式和特征，改变缺陷检测的格局。以下是机器学习在缺陷检测中的一些应用和优势： 自动化检测：机器学习技术可以自动化处理大量的数据，通过学习和识别缺陷的模式和特征，实现自动化检测。这大大提高了缺陷检测的效率和准确性，减少了人工干 ......
P4103 [HEOI2014] 大工程 题解
题目链接：大工程 先考虑只有一次查询，很显然我们可以暴力树上 dp 处理出答案。 对于每个节点而言，有： 容易看出类似点分治逐个遍历子树计算前面一堆子树对后面子树的贡献思想，我们可以很容易的知道： 对于路径总和，显然多了一段新的贡献，这段贡献为当前关键点和前面点多的一段 \(2\) 号路线长。这段长 ......
工程从keil移植到cube ide 无法进入stop mode的问题
我们公司不准再使用keil了，得换成cube ide，于是我要把之前的工程移植到cube ide上。这次移植的工程里，有一个进入stop mode低功耗的功能。 我在keil中使用的标准库实现：当没有触发外部中断（外部中断脚接了一个传感器的中断脚，通过传感器的中断来唤醒停止模式）的时候进入停止模式： ......
机器学习-决策树系列-贝叶斯算法-概率图模型-29
目录1. 复习条件概率2. 正式进入3. 生成式 与判别式 这个阶段的内容，采用概率论的思想，从样本里面学到知识（训练模型），并对新来的样本进行预测。 主要算法：贝叶斯分类算法、隐含马尔可夫模型、最大熵模型、条件随机场。 通过本阶段学习，掌握NLP自然语言处理的一些基本算法，本阶段的理解对于后续完成 ......
机器学习-梯度下降法
1、名称解释 （1）什么是无约束优化问题？ 无约束优化问题是指在给定目标函数的情况下，寻找使目标函数取得最大值或最小值的变量取值，而不受任何约束条件限制的优化问题。 具体来说，无约束优化问题可以形式化地表示为以下形式： 最小化 f(x)，其中 x 是 n 维向量，f(x) 是一个实值函数，称为目标函 ......