- 博客(36)
- 问答 (3)
- 收藏
- 关注
RSS订阅原创 OpenCV基于边缘的分割详解
OpenCV 中基于边缘的分割是一种常见的图像分割技术，它利用图像中的边缘信息来进行分割。边缘通常是图像中灰度值变化较大的区域，因此可以作为物体之间的分界线。
2024-03-22 18:00:58
649
原创 OpenCV基于阈值的分割技术详细介绍
OpenCV 提供了基于阈值的分割技术，这是一种简单且常用的图像分割方法，其基本思想是根据像素的灰度值将图像分为不同的区域。
2024-03-22 17:58:47
345
原创 OpenCV特征检测与描述符模块
特征检测与描述符模块（Feature Detection and Description）是 OpenCV 中非常重要的功能之一，它提供了一系列方法来检测图像中的关键点，并提取这些关键点的特征描述符。这些特征描述符可以用于诸如图像匹配、物体检测、场景识别等应用中。这些功能使得 OpenCV 的特征检测与描述符模块成为图像处理和计算机视觉任务中的重要工具，如目标跟踪、图像配准、立体视觉等领域都广泛使用了这些功能。
2024-03-20 22:11:35
444
原创 OpenCV图像处理模块详解
这些是 OpenCV 图像处理模块中一些常用的功能。通过这些功能，可以对图像进行各种操作，包括增强图像质量、检测和识别图像中的特征、分割图像中的对象等。penCV 中的图像处理模块（Imgproc）提供了丰富的功能，用于对图像进行各种操作和处理。
2024-03-20 22:06:40
360
原创 SIFT和SURF的差异已经使用场景分析
SIFT（尺度不变特征变换）和SURF（加速稳健特征）是两种经典的图像特征提取算法，它们在图像处理和计算机视觉领域中具有广泛的应用。
2024-03-19 23:15:34
269
原创 SURF原理详解
SURF（Speeded-Up Robust Features，加速稳健特征）是一种基于尺度空间的特征提取算法，用于在图像中检测关键点并计算描述符。它是 SIFT 算法的一种改进版本，旨在提高特征提取的速度和稳健性。
2024-03-19 23:14:26
299
原创 操作元数据的设计原则
明确元数据的目的和用途，确保每个元数据元素都有具体的背后业务或技术上的用途，以支持组织的数据管理目标。制定标准的元数据定义，确保元数据的词汇和术语在整个组织中得到一致使用，提高元数据的互操作性和可理解性。建立元数据之间的关系，例如数据元素之间的关系、业务规则和数据元素的关系等，以支持更全面的数据管理。为元数据提供详细的文档，包括元数据的定义、用途、更新记录等，以便用户能够理解和正确使用元数据。提供元数据搜索和发现的功能，使用户能够方便地查找、访问和理解元数据，促进元数据的使用。
2024-03-18 23:22:32
338
原创 协同过滤详解
当谈到协同过滤时，通常有两种主要类型：基于用户的协同过滤（User-Based Collaborative Filtering）和基于物品的协同过滤（Item-Based Collaborative Filtering）。
2024-03-18 23:21:03
350
原创 Canny详解
Canny 边缘检测是一种经典的图像处理技术，被广泛应用于计算机视觉和图像处理领域。它由 John F. Canny 在 1986 年提出，是一种多阶段的边缘检测算法，具有高精度和低错误率的特点。
2024-03-14 23:15:22
465
原创 sobel算子详解
Sobel 算子是一种常用的边缘检测算子，它可以在图像中检测出边缘的位置和方向。Sobel 算子结合了平滑和微分操作，能够有效地检测出图像中的边缘。
2024-03-14 22:38:32
950
原创 H ive 的并行能力比Spark SQL弱么？
总的来说，Spark SQL 在某些方面可能具有更强的并行能力，尤其是在内存计算和交互式查询方面。然而，选择使用Hive还是Spark SQL取决于具体的使用场景、数据规模以及系统架构的需求。有些场景中，Hive 的批处理模型可能仍然是合适的，而在需要更灵活、交互式处理的情况下，Spark SQL 可能更具优势。直接比较Hive和Spark SQL的并行能力并不是简单的任务，因为它们有着不同的架构和设计目标。
2024-03-11 23:51:40
537
原创 Spark描述以下算子的区别与联系groupByKey、reduceByKey、aggreageByKey
总的来说，reduceByKey比groupByKey更常用且性能更好，因为它可以在每个分区内进行局部聚合，减少了数据的传输量。而aggregateByKey相比reduceByKey更加灵活，允许指定初始值和不同的逻辑函数，但需要用户提供更多的聚合逻辑。
2024-03-11 23:50:50
431
原创 Gradient Boosting详解
Gradient Boosting是一种集成学习方法，通过迭代地训练弱分类器来构建一个强分类器。与AdaBoost类似，Gradient Boosting也关注之前轮次中被错误分类的样本，但是它的思想更加一般化，可以用于回归问题和分类问题。
2024-03-10 22:27:19
433
原创 AdaBoost（Adaptive Boosting）详细说明
AdaBoost（Adaptive Boosting）是一种用于二分类问题的集成学习算法，通过结合多个弱分类器来构建一个强分类器。
2024-03-10 22:26:13
915
1
原创 边界约束和上下文正则化详解
边界约束是一种通过考虑图像中像素之间的空间关系，强调图像中边界的信息。它旨在保留图像中物体和结构的边缘特征，从而提高图像处理算法在边界处的性能。边界约束和上下文正则化是图像处理领域中常用的技术之一，旨在提高图像处理算法的鲁棒性和准确性。总体而言，这两种技术是图像处理领域中常见的增强算法，通过引入更多的空间信息，使得图像处理算法更适应实际应用场景。图像恢复：对于模糊或受损的图像，上下文正则化可以平滑图像，恢复缺失的细节。边缘权重赋值：在算法中引入边缘信息，并为边界处的像素分配更高的权重。
2024-03-08 14:28:28
344
原创 同态滤波算法详解
同态滤波是一种用于增强图像的方法，特别适用于去除图像中的照明不均和阴影。该算法基于照射反射模型，将图像分解为两个分量：照射分量（illumination component）和反射分量（reflection component）。在对数变换后，同态滤波算法将图像转换到频域进行滤波。通过在频域对图像进行滤波，可以调整图像的照射分量和反射分量。滤波函数的选择直接影响到对图像中照射和反射分量的调整效果。确定合适的滤波参数和滤波函数是同态滤波算法的关键。R(x,y) 是反射分量，表示图像中的目标物体，
2024-03-08 09:42:22
675
原创 图像分类对抗模型及其主要算法
然而，对抗模型旨在生成对抗性示例，这些示例经过微小的、人类难以察觉的修改，却能导致模型产生错误的分类结果。对抗性示例是通过对输入图像进行精心设计的小幅度扰动而生成的，这些扰动对人眼来说几乎是无法察觉的。PGD (Projected Gradient Descent): 这是对 FGSM 的改进，使用迭代的方式来生成对抗性示例，通过多次应用梯度下降的步骤来增加扰动的幅度。One-Pixel Attack: 这是一种相对简单的对抗攻击方法，通过修改图像中的极少数像素来引起模型的误分类。
2024-03-07 09:02:28
342
原创 机器学习的要素及步骤
模型（Model）： 模型是机器学习系统的表示形式，它捕捉了数据中的模式和关系。训练模型的目标是通过学习数据中的模式来使模型能够进行准确的预测或分类。在监督学习中，数据通常分为输入特征和相应的标签，模型通过学习输入和标签之间的关系来进行预测。这三个要素之间存在密切的关系：数据用于训练模型，算法用于优化模型的参数以使其适应数据中的模式。模型选择： 根据任务的性质和数据的特征选择合适的模型结构，可以是线性模型、决策树、神经网络等。算法选择： 根据任务的类型（监督学习、无监督学习等）和数据的性质选择适当的算法。
2024-03-07 08:53:33
470
原创 机器学习概述
机器学习（Machine Learning，简称ML）是一种人工智能（Artificial Intelligence，简称AI）的分支，致力于使计算机系统能够通过经验学习，改善其性能。与传统的程序设计不同，机器学习的主要思想是通过数据和经验自动调整算法，从而使系统能够适应新的输入，并在没有显式编程的情况下改进性能。因此，GPT是机器学习中的一种强大的自监督学习模型，能够通过大规模数据的学习来理解和生成自然语言。计算机从没有标签的训练数据中学习，用于发现数据中的结构和模式。那我们熟知的GPT属于机器学习么？
2024-03-05 20:53:20
664
原创 SLAM常用的深度学习算法举例
SLAM系统的目标是使机器能够在不依赖外部定位系统的情况下，在未知或部分未知的环境中自主地定位自己，并同时构建出这个环境的地图。请注意，深度学习并不总是SLAM的全部，传统的几何和优化方法在SLAM系统中仍然具有重要地位。SLAM的实现涉及复杂的数学和计算机视觉算法，以确保准确的定位和地图构建。：CRNN结合了CNN和RNN的优势，常用于时序数据和图像数据的联合处理，有助于提高SLAM系统对复杂环境的感知能力。SLAM领域中，深度学习算法逐渐得到应用，尤其是在感知和地图构建的任务中。
2024-03-05 20:50:44
405
原创 前端小白Step2-package.json文件详解
除了确定依赖的包范围以外，还有哪些功能呢，下面就让我们揭开package.json 的神秘面纱。
2024-03-05 17:37:17
376
原创 前端小白Step1-开发环境构建
上手之前，先去B站看了下相关的资料，然后还是本着实用为主，边看边弄。关于tsconfig两个配置文件的说明：参考 https://stackoverflow.com/questions/72027949/why-does-vite-create-two-typescript-config-files-tsconfig-json-and-tsconfig-nod。作为一名有着近10年后端开发经验的程序员，突然意识到要想清晰表达自己的想法和产品观念，但是完全不懂前端开发。，这一堆文件都是啥跟啥？
2024-03-05 17:36:45
327
原创 prometheus安装配置
prometheus安装配置下载prometheus安装包，wgethttps://github.com/prometheus/prometheus/releases/download/v2.27.1/prometheus-2.27.1.linux-amd64.tar.gz解压： tar -zxvfprometheus-2.27.1.linux-amd64.tar.gz-C /opt/module建立软链接： mv prometheus-2.27.1.linux-amd64pro...
2021-05-20 15:58:21
328
转载 MySQL实现累加功能
这张图片；能不能统计分段比如 2015-4之前的个数；2015-5之前的个数 2015-6之前的数组2015-4之前的个数包含（2015-3，2015-2，.....）的；2015-5之前的个数包含(2015-4,2015-3,2015-2,....)的；2015-6之前的个数包含(2015-5,2015-4,2015-3,2015-2,....)的；可以实现；首先把你的数据以月聚合成如上图；然...
2018-06-01 10:30:56
5090
原创 常用Hive表操作
一、Hive建表语句create table if not exists test(id int,name string,age int);(默认底层存储为文本文件，且为默认分隔符)create table if not exists test(id int,name string,age int) row format delimited fields terminated by '\t';(...
2018-04-12 09:37:38
203
转载 Java日期时间使用总结
Java日期时间使用总结转载自 https://www.cnblogs.com/hushaojun/p/5527572.html 一、Java中的日期概述 日期在Java中是一块非常复杂的内容，对于一个日期在不同的语言国别环境中，日期的国际化，日期和时间之间的转换，日期的加减运算，日期的展示格式都是非常复杂的问题。 在Java中，操作日期主要涉及到一下几个类： 1、java.util.Date ...
2018-02-27 14:36:29
183
转载 Java8 lambda表达式10个示例
原文网址:http://www.importnew.com/16436.htmlJava 8 刚于几周前发布，日期是2014年3月18日，这次开创性的发布在Java社区引发了不少讨论，并让大家感到激动。特性之一便是随同发布的lambda表达式，它将允许我们将行为传到函数里。在Java 8之前，如果想将行为传入函数，仅有的选择就是匿名类，需要6行代码。而定义行为最重要的那行代码，却混在中间不够突出。...
2018-02-24 11:31:55
174
转载 面试
https://www.cnblogs.com/zuoxiaolong/p/life51.html?hmsr=toutiao.io&utm_medium=toutiao.io&utm_source=toutiao.io
2018-02-06 20:59:18
132
原创 Kafka生产者消费者实例
主要实现Kafka消费者和生产者最基础功能。消费者实例：public class MyKafkaConsumer implements Runnable {private String topic;public MyKafkaConsumer(String topic) {super();this.topic = topic;}// 加載kafka配置信息pub
2018-02-03 15:24:27
718
转载 深入理解JVM】：Java内存模型JMM
转载自：http://blog.csdn.net/u011080472/article/details/51337422多任务和高并发的内存交互多任务和高并发是衡量一台计算机处理器的能力重要指标之一。一般衡量一个服务器性能的高低好坏，使用每秒事务处理数（Transactions Per Second，TPS）这个指标来说明问题，它代表着一秒内服务器平均能响应的请求数，而TP
2018-02-01 15:11:47
271
转载 hadoop
http://www.aboutyun.com/forum.php?mod=viewthread&tid=21404&extra=page%3D1
2018-01-02 17:07:59
165
原创 shell脚本查询MYSQL数据库并进行相应处理
实际应用中用到利用shell脚本执行一系列与mysql表中数据相关的操作，因此需要将mysql表中数据作为shell脚本参数。shell脚本如下：hostname=ipaddressport="3306"username="abcd"password="123456"#此处采用awk命令去除了标题显示，也可以用${result##*str}方式去除，str为字段最后
2017-12-08 15:52:58
17473
4
转载 spark createDirectStream保存kafka offset(JAVA实现)
转发原文地址：http://blog.csdn.net/xueba207/article/details/50381821问题描述最近使用spark streaming处理kafka的数据，业务数据量比较大，就使用了kafkaUtils的createDirectStream()方式，此方法直接从kafka的broker的分区中读取数据，跳过了zookeeper，并且没有re
2017-12-05 10:30:57
454
转载 如何为Kafka集群选择合适的Topics/Partitions数量
转载自http://blog.csdn.net/xiao_jun_0820/article/details/52573535这是许多kafka使用者经常会问到的一个问题。本文的目的是介绍与本问题相关的一些重要决策因素，并提供一些简单的计算公式。文章目录 [hide]1 越多的分区可以提供更高的吞吐量2 越多的分区需要打开更多地文件句柄3 更多
2017-11-30 16:16:21
198
空空如也
spark2.0报错求大神帮忙！！！谢谢！！
2017-08-01
Spark2.X关于updateStateByKey的改变
2017-07-31
Spark提交作业如何给main函数输入参数
2017-06-21
TA创建的收藏夹 TA关注的收藏夹
TA关注的人