zzy的aly_个人页

2024年10月

• 10.18 16:13:33
  发表了文章 2024-10-18 16:13:33

  Python实用记录(十四)：python统计某个单词在TXT/JSON文件中出现的次数

  这篇文章介绍了一个Python脚本，用于统计TXT或JSON文件中特定单词的出现次数。它包含两个函数，分别处理文本和JSON文件，并通过命令行参数接收文件路径、目标单词和文件格式。文章还提供了代码逻辑的解释和示例用法。

  
• 10.18 16:12:31
  发表了文章 2024-10-18 16:12:31

  语义分割笔记(三)：通过opencv对mask图片来画分割对象的外接椭圆

  这篇文章介绍了如何使用OpenCV库通过mask图像绘制分割对象的外接椭圆。首先，需要加载mask图像，然后使用`cv2.findContours()`寻找轮廓，接着用`cv2.fitEllipse()`拟合外接椭圆，最后用`cv2.ellipse()`绘制椭圆。文章提供了详细的代码示例，展示了从读取图像到显示结果的完整过程。

  
• 10.18 16:11:24
  发表了文章 2024-10-18 16:11:24

  测试专项笔记(一): 通过算法能力接口返回的检测结果完成相关指标的计算（目标检测）

  这篇文章是关于如何通过算法接口返回的目标检测结果来计算性能指标的笔记。它涵盖了任务描述、指标分析（包括TP、FP、FN、TN、精准率和召回率），接口处理，数据集处理，以及如何使用实用工具进行文件操作和数据可视化。文章还提供了一些Python代码示例，用于处理图像文件、转换数据格式以及计算目标检测的性能指标。

  
• 10.18 16:09:24
  发表了文章 2024-10-18 16:09:24

  目标分类笔记(二): 利用PaddleClas的框架来完成多标签分类任务（从数据准备到训练测试部署的完整流程）

  这篇文章介绍了如何使用PaddleClas框架完成多标签分类任务，包括数据准备、环境搭建、模型训练、预测、评估等完整流程。

  
• 10.18 16:07:25
  发表了文章 2024-10-18 16:07:25

  语义分割笔记(二)：DeepLab V3对图像进行分割（自定义数据集从零到一进行训练、验证和测试）

  本文介绍了DeepLab V3在语义分割中的应用，包括数据集准备、模型训练、测试和评估，提供了代码和资源链接。

  
• 10.18 16:06:21
  发表了文章 2024-10-18 16:06:21

  目标分类笔记(一): 利用包含多个网络多种训练策略的框架来完成多目标分类任务（从数据准备到训练测试部署的完整流程）

  这篇博客文章介绍了如何使用包含多个网络和多种训练策略的框架来完成多目标分类任务，涵盖了从数据准备到训练、测试和部署的完整流程，并提供了相关代码和配置文件。

  
• 10.18 16:04:37
  发表了文章 2024-10-18 16:04:37

  目标检测实战(七): 使用YOLOX完成对图像的目标检测任务（从数据准备到训练测试部署的完整流程）

  这篇文章介绍了如何使用YOLOX完成图像目标检测任务的完整流程，包括数据准备、模型训练、验证和测试。

  
• 10.18 16:01:51
  发表了文章 2024-10-18 16:01:51

  目标检测实战(六): 使用YOLOv8完成对图像的目标检测任务（从数据准备到训练测试部署的完整流程）

  这篇文章详细介绍了如何使用YOLOv8进行目标检测任务，包括环境搭建、数据准备、模型训练、验证测试以及模型转换等完整流程。

  
• 10.18 15:59:09
  发表了文章 2024-10-18 15:59:09

  目标检测实战(五): 使用YOLOv5-7.0版本对图像进行目标检测完整版（从自定义数据集到测试验证的完整流程）

  本文详细介绍了使用YOLOv5-7.0版本进行目标检测的完整流程，包括算法介绍、环境搭建、数据集准备、模型训练、验证、测试以及评价指标。YOLOv5以其高精度、快速度和模型小尺寸在计算机视觉领域受到广泛应用。

  
• 10.18 15:54:42
  发表了文章 2024-10-18 15:54:42

  代码管理记录(二)：Github代码上传实操

  本文是关于如何使用Git将本地代码上传到GitHub的实操指南。介绍了Git的基本概念、安装方法，并通过详细的步骤指导用户从GitHub创建仓库到使用Git命令初始化、添加、提交代码，最终将代码推送到远程仓库。同时，还汇总了一些常见的错误及其解决方法。

  
• 10.18 15:53:10
  发表了文章 2024-10-18 15:53:10

  实例分割笔记(一): 使用YOLOv5-Seg对图像进行分割检测完整版（从自定义数据集到测试验证的完整流程）

  本文详细介绍了使用YOLOv5-Seg模型进行图像分割的完整流程，包括图像分割的基础知识、YOLOv5-Seg模型的特点、环境搭建、数据集准备、模型训练、验证、测试以及评价指标。通过实例代码，指导读者从自定义数据集开始，直至模型的测试验证，适合深度学习领域的研究者和开发者参考。

  
• 10.18 15:51:25
  发表了文章 2024-10-18 15:51:25

  深度学习环境搭建笔记(二)：mmdetection-CPU安装和训练

  本文是关于如何搭建深度学习环境，特别是使用mmdetection进行CPU安装和训练的详细指南。包括安装Anaconda、创建虚拟环境、安装PyTorch、mmcv-full和mmdetection，以及测试环境和训练目标检测模型的步骤。还提供了数据集准备、检查和网络训练的详细说明。

  
• 10.18 15:49:01
  发表了文章 2024-10-18 15:49:01

  数据集学习笔记(六)：目标检测和图像分割标注软件介绍和使用，并转换成YOLO系列可使用的数据集格式

  本文介绍了labelImg和labelme两款图像标注工具的安装、使用、数据转换和验证方法，适用于目标检测和图像分割任务，支持YOLO等数据集格式。

  
• 10.18 15:47:24
  发表了文章 2024-10-18 15:47:24

  目标检测笔记(六)：如何通过界面化操作YOLOv5完成数据集的自动标注

  这篇文章介绍了如何通过界面化操作YOLOv5来完成数据集的自动标注，包括修改源码、自动标注的前期准备、开始自动标注、可视化标注效果以及将XML文件转换为YOLO训练所需的TXT格式。

  
• 10.18 15:45:54
  发表了文章 2024-10-18 15:45:54

  模型预测笔记(四)：pandas_profiling生成数据报告

  本文介绍了pandas_profiling库，它是一个Python工具，用于自动生成包含多种统计指标和可视化的详细HTML数据报告，支持大型数据集并允许自定义配置。安装命令为`pip install pandas_profiling`，使用示例代码`pfr = pandas_profiling.ProfileReport(data_train); pfr.to_file("./example.html")`。
• 10.18 15:44:36
  发表了文章 2024-10-18 15:44:36

  人脸识别笔记(一)：通过yuface调包(参数量54K更快更小更准的算法) 来实现人脸识别

  本文介绍了YuNet系列人脸检测算法的优化和使用，包括YuNet-s和YuNet-n，以及通过yuface库和onnx在不同场景下实现人脸检测的方法。
• 10.18 15:43:05
  发表了文章 2024-10-18 15:43:05

  目标检测笔记(六)：如何结合特定区域进行目标检测（基于OpenCV的人脸检测实例）

  本文介绍了如何使用OpenCV进行特定区域的目标检测，包括人脸检测实例，展示了两种实现方法和相应的代码。

  
• 10.18 15:41:58
  发表了文章 2024-10-18 15:41:58

  模型预测笔记(三)：通过交叉验证网格搜索机器学习的最优参数

  本文介绍了网格搜索（Grid Search）在机器学习中用于优化模型超参数的方法，包括定义超参数范围、创建参数网格、选择评估指标、构建模型和交叉验证策略、执行网格搜索、选择最佳超参数组合，并使用这些参数重新训练模型。文中还讨论了GridSearchCV的参数和不同机器学习问题适用的评分指标。最后提供了使用决策树分类器进行网格搜索的Python代码示例。
• 10.18 15:40:43
  发表了文章 2024-10-18 15:40:43

  模型预测笔记(二)：结合SMOTE来进行数据不均衡处理实操

  这篇文章介绍了SMOTE算法，这是一种通过合成新样本来处理数据不均衡问题的技术，旨在提高模型对少数类别的识别能力。
• 10.18 15:39:36
  发表了文章 2024-10-18 15:39:36

  模型预测笔记(一)：数据清洗分析及可视化、模型搭建、模型训练和预测代码一体化和对应结果展示(可作为baseline)

  这篇文章介绍了数据清洗、分析、可视化、模型搭建、训练和预测的全过程，包括缺失值处理、异常值处理、特征选择、数据归一化等关键步骤，并展示了模型融合技术。

  
• 10.18 15:37:41
  发表了文章 2024-10-18 15:37:41

  目标检测笔记(五)：查看通过COCOEvaluator生成的coco_instances_results.json文件的详细检测信息，包含AP、AR、MR和DR等

  本文介绍了如何使用COCO评估器通过Detectron2库对目标检测模型进行性能评估，生成coco_instances_results.json文件，并利用pycocotools解析该文件以计算AP、AR、MR和DR等关键指标。

  
• 10.18 15:36:27
  发表了文章 2024-10-18 15:36:27

  目标检测笔记(五)：详细介绍并实现可视化深度学习中每层特征层的网络训练情况

  这篇文章详细介绍了如何通过可视化深度学习中每层特征层来理解网络的内部运作，并使用ResNet系列网络作为例子，展示了如何在训练过程中加入代码来绘制和保存特征图。

  
• 10.18 15:33:13
  发表了文章 2024-10-18 15:33:13

  深度学习环境搭建笔记(一)：detectron2安装过程

  这篇博客文章详细介绍了在Windows环境下，使用CUDA 10.2配置深度学习环境，并安装detectron2库的步骤，包括安装Python、pycocotools、Torch和Torchvision、fvcore，以及对Detectron2和PyTorch代码的修改。

  
• 10.18 15:31:46
  发表了文章 2024-10-18 15:31:46

  代码管理记录(一): 码云Gitee代码提交和维护

  本文介绍了Gitee平台，提供了代码托管服务，并详细说明了从新建仓库到代码提交的步骤。

  
• 10.18 15:30:28
  发表了文章 2024-10-18 15:30:28

  ChatGPT使用学习（三）：ChatGPT桌面版使用

  本文介绍了ChatGPT桌面版，一个由OpenAI推出的独立桌面应用程序，支持离线使用、数据隐私保护和快速响应。用户界面友好，支持多语言交互。桌面版无需网络连接，保护用户数据隐私，并提供快速响应。用户可通过Github链接下载安装，使用谷歌账号登录。此外，OpenAI官方也发布了适用于macOS的桌面端应用，并向所有用户免费开放。
• 10.18 15:29:12
  发表了文章 2024-10-18 15:29:12

  Python实用记录(十三):python脚本打包exe文件并运行

  这篇文章介绍了如何使用PyInstaller将Python脚本打包成可执行文件（exe），并提供了详细的步骤和注意事项。

  
• 10.18 15:27:54
  发表了文章 2024-10-18 15:27:54

  Jetson 学习笔记(十六)：使用SDK Manager烧录Jetson Nano

  这篇博客介绍了如何使用Nvidia SDK Manager烧录Jetson Nano。首先，需要在Ubuntu系统中安装VMware虚拟机和Nvidia SDK Manager。然后，通过连接Jetson Nano并进行一系列设置，包括FC_REC脚接GND，连接HDMI、鼠标键盘和电源线。在Ubuntu上通过lsusb确认设备连接后，使用SDK Manager进行烧录，选择Manual Setup-Jetson Nano，设置用户名和密码，然后点击flash完成安装。完成后，可以断开连接并启动Jetson Nano，进入Ubuntu安装界面。

  
• 10.18 15:25:34
  发表了文章 2024-10-18 15:25:34

  大数据体系知识学习（三）：数据清洗_箱线图的概念以及代码实现

  这篇文章介绍了如何使用Python中的matplotlib和numpy库来创建箱线图，以检测和处理数据集中的异常值。

  
• 10.18 15:24:22
  发表了文章 2024-10-18 15:24:22

  轻量级网络论文精度笔记(三)：《Searching for MobileNetV3》

  MobileNetV3是谷歌为移动设备优化的神经网络模型，通过神经架构搜索和新设计计算块提升效率和精度。它引入了h-swish激活函数和高效的分割解码器LR-ASPP，实现了移动端分类、检测和分割的最新SOTA成果。大模型在ImageNet分类上比MobileNetV2更准确，延迟降低20%；小模型准确度提升，延迟相当。

  
• 10.18 15:18:40
  发表了文章 2024-10-18 15:18:40

  ChatGPT使用学习：ChatPaper安装到测试详细教程（一文包会）

  ChatPaper是一个基于文本生成技术的智能研究论文工具，能够根据用户输入进行智能回复和互动。它支持快速下载、阅读论文，并通过分析论文的关键信息帮助用户判断是否需要深入了解。用户可以通过命令行或网页界面操作，进行论文搜索、下载、总结等。

  
• 10.18 15:15:45
  发表了文章 2024-10-18 15:15:45

  大数据体系知识学习（二）：WordCount案例实现及错误总结

  这篇文章介绍了如何使用PySpark进行WordCount操作，包括环境配置、代码实现、运行结果和遇到的错误。作者在运行过程中遇到了Py4JJavaError和JAVA_HOME未设置的问题，并通过导入findspark初始化和设置环境变量解决了这些问题。文章还讨论了groupByKey和reduceByKey的区别。
• 10.18 15:14:28
  发表了文章 2024-10-18 15:14:28

  大数据体系知识学习（一）：PySpark和Hadoop环境的搭建与测试

  这篇文章是关于大数据体系知识学习的，主要介绍了Apache Spark的基本概念、特点、组件，以及如何安装配置Java、PySpark和Hadoop环境。文章还提供了详细的安装步骤和测试代码，帮助读者搭建和测试大数据环境。
• 10.18 15:13:12
  发表了文章 2024-10-18 15:13:12

  视频监控笔记(六): 如何快速通过Boostrap创建视频监控网页，保姆级别教程

  本文是一篇保姆级教程，介绍了如何使用Bootstrap和Python的Flask框架快速创建视频监控网页。文章首先介绍了Bootstrap的基本概念，然后详细阐述了在PyCharm中创建项目、安装Flask和Bootstrap、编写Python代码设置路由、以及创建和定制HTML模板的步骤。最后，还提到了运行和测试网页的方法。

  
• 10.18 15:10:58
  发表了文章 2024-10-18 15:10:58

  目标检测笔记(四)：自适应缩放技术Letterbox完整代码和结果展示

  自适应缩放技术Letterbox通过计算缩放比例并填充灰边像素，将图片调整为所需尺寸，保持原始比例不变，广泛应用于目标检测领域。

  
• 10.18 15:09:48
  发表了文章 2024-10-18 15:09:48

  目标检测笔记(三)：Mosaic数据增强完整代码和结果展示

  本文介绍了Mosaic数据增强技术，通过将四张图片拼接成一张新图，极大丰富了目标检测的背景信息。文章提供了完整的Python代码，涵盖了如何处理检测框并调整其位置，以适应拼接后的图像。Mosaic技术不仅提高了学习效率，还在标准化BN计算时同时考虑了四张图片的数据，从而提升了模型的泛化能力。
• 10.18 11:59:01
  发表了文章 2024-10-18 11:59:01

  视频监控笔记(五):Ubuntu和windows时区同步问题-your clock is behind

  这篇文章介绍了如何在Ubuntu和Windows系统中通过设置相同的时区并使用ntp服务来解决时间同步问题。

  
• 10.18 11:57:02
  发表了文章 2024-10-18 11:57:02

  轻量级网络论文精度笔记(二)：《YOLOv7: Trainable bag-of-freebies sets new state-of-the-art for real-time object ..》

  YOLOv7是一种新的实时目标检测器，通过引入可训练的免费技术包和优化的网络架构，显著提高了检测精度，同时减少了参数和计算量。该研究还提出了新的模型重参数化和标签分配策略，有效提升了模型性能。实验结果显示，YOLOv7在速度和准确性上超越了其他目标检测器。

  
• 10.18 11:51:44
  发表了文章 2024-10-18 11:51:44

  轻量级网络论文精度笔(一)：《Micro-YOLO: Exploring Efficient Methods to Compress CNN based Object Detection Model》

  《Micro-YOLO: Exploring Efficient Methods to Compress CNN based Object Detection Model》这篇论文提出了一种基于YOLOv3-Tiny的轻量级目标检测模型Micro-YOLO，通过渐进式通道剪枝和轻量级卷积层，显著减少了参数数量和计算成本，同时保持了较高的检测性能。

  
• 10.18 11:49:58
  发表了文章 2024-10-18 11:49:58

  自动化测试项目学习笔记(五)：Pytest结合allure生成测试报告以及重构项目

  本文介绍了如何使用Pytest和Allure生成自动化测试报告。通过安装allure-pytest和配置环境，可以生成包含用例描述、步骤、等级等详细信息的美观报告。文章还提供了代码示例和运行指南，以及重构项目时的注意事项。

  
• 10.18 11:48:10
  发表了文章 2024-10-18 11:48:10

  自动化测试项目学习笔记(四)：Pytest介绍和使用

  本文是关于自动化测试框架Pytest的介绍和使用。Pytest是一个功能丰富的Python测试工具，支持参数化、多种测试类型，并拥有众多第三方插件。文章讲解了Pytest的编写规则、命令行参数、执行测试、参数化处理以及如何使用fixture实现测试用例间的调用。此外，还提供了pytest.ini配置文件示例。
• 10.18 11:46:17
  发表了文章 2024-10-18 11:46:17

  自动化测试项目实战笔记(四)：测试用户登录（账号密码错误，成功，出现弹框等情况）

  本文介绍了使用Selenium进行自动化测试时如何测试用户登录的不同情况，包括账号密码错误、登录成功以及处理登录时出现的弹框，并提供了相应的Python代码实现。

  
• 10.18 11:45:10
  发表了文章 2024-10-18 11:45:10

  自动化测试项目学习笔记(三)：Unittest加载测试用例的四种方法

  本文介绍了使用Python的unittest框架来加载测试用例的四种方法，包括通过测试用例类、模块、路径和逐条加载测试用例。

  
• 10.18 11:43:59
  发表了文章 2024-10-18 11:43:59

  自动化测试项目学习笔记(二)：学习各种setup、tearDown、断言方法

  本文主要介绍了自动化测试中setup、teardown、断言方法的使用，以及unittest框架中setUp、tearDown、setUpClass和tearDownClass的区别和应用。

  
• 10.18 11:42:42
  发表了文章 2024-10-18 11:42:42

  自动化测试项目学习笔记(一)：unittest简单运行（初始化，清除，设置测试行为）

  本文介绍了Python的unittest框架的基础用法，包括测试初始化（setup）、清除（tearDown）函数的使用，以及assertEqual和assertGreaterEqual等断言方法，并展示了如何创建测试用例，强调了测试函数需以test_开头才能被运行。

  
• 10.18 10:42:51
  发表了文章 2024-10-18 10:42:51

  自动化测试项目实战笔记(三)：测试用户注册（验证码错误，成功，出现弹框时处理）

  本文是关于自动化测试项目实战笔记，主要介绍了如何测试用户注册功能，包括验证码错误、注册成功以及弹框处理的测试步骤和代码实现。

  
• 10.18 10:41:42
  发表了文章 2024-10-18 10:41:42

  自动化测试项目实战笔记(二)：解决验证码识别问题

  这篇文章介绍了三种自动化测试中验证码识别的方法：使用Python的pytesseract和PIL模块、利用第三方API如万维易源，以及使用开源的ddddocr库，还提到了一些注意事项，比如如何获取验证码区域的截图。
• 10.18 10:40:02
  发表了文章 2024-10-18 10:40:02

  自动化测试项目实战笔记(一)：JDK、Tomcat、MySQL、Jpress环境安装和搭建

  这篇文章是关于自动化测试项目实战笔记，涵盖了JDK、Tomcat、MySQL、Jpress环境的安装和搭建过程，以及测试用例和常见问题总结。

  
• 10.18 10:38:22
  发表了文章 2024-10-18 10:38:22

  语义分割笔记(一):基于PaddleSeg使用Transfomer模型对航空遥感图像分割

  这篇博客介绍了如何使用PaddleSeg和Transformer模型SegFormer B3对航空遥感图像进行语义分割，包括项目背景、数据集处理、训练步骤和代码实现。

  
• 10.18 10:36:46
  发表了文章 2024-10-18 10:36:46

  深度学习笔记(十四):Transormer知识总结

  关于深度学习中Transformer模型的知识总结，涵盖了Self-attention机制、QKV、Multi-head attention、位置编码和并行运算等关键概念，以及如何在PyTorch中实现Self-attention。
• 10.18 10:26:45
  发表了文章 2024-10-18 10:26:45

  视频监控笔记(五):Jetson Nano上通过Tkinter和Socket实现GUI文件传输

  这篇文章介绍了如何使用Python的Tkinter和Socket在Jetson Nano上实现图形用户界面(GUI)的文件传输系统，包括服务器端和客户端，能够进行文件的发送和接收，并展示传输进度。