- 博客(48)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 【Pytorch】pytorch版本deeplabv3p训练语义分割数据集
开发环境PytorchPythonGPU / CPU代码框架: pytorch-deeplab-xception一、数据集准备制作语义分割数据集可用labelme安装 >> pip install labelme 启动 >> labelme注意: 通过labelme制作的语义分割数据的json文件中mask是连串的坐标点，需要使用该坐标转换成mask.png代码框架的数据集分布可以现在根目录创建data文件夹用于存放数据集，例如需要分割表计任务，创
2022-04-06 11:27:19
3833
3
原创 【C++】visual Studio 2022 + Opencv4 + Win10 安装以及环境配置
Visual Studio 2022 安装https://visualstudio.microsoft.com/zh-hans/vs/Opencv4.5.5 下载并安装https://github.com/opencv/opencv/releases检查Opencv包双击点开exe文件后，在对应目录上会得到5个文件，我安装目录在:D:\opencv4添加环境变量将Opencv包中的目录添加到环境变量中D:\opencv4\build\x64\vc15\bin打开Visual Studi
2022-03-18 16:55:35
5409
原创 【Docker】安装及常用操作
DockerDocker安装Centos# 安装所需的软件包yum install -y yum-utils device-mapper-persistent-data lvm2# 设置 stable 镜像仓库yum-config-manager --add-repo https://download.docker.com/linux/centos/docker-ce.repo# 启用 edge 和 testing 镜像仓库yum-config-manager --enable dock
2021-12-20 17:07:48
321
原创 【Python】openCV.putText无法输出中文，使用PIL间接转换
openCV使用openCV输出字符串，需要传入一个fontFace参数，openCV提供了很多关于英文数字的字体库，点进源码查看...FONT_HERSHEY_COMPLEX = 3FONT_HERSHEY_COMPLEX_SMALL = 5FONT_HERSHEY_DUPLEX = 2FONT_HERSHEY_PLAIN = 1FONT_HERSHEY_SCRIPT_COMPLEX = 7FONT_HERSHEY_SCRIPT_SIMPLEX = 6FONT_HERSHEY_S
2021-12-03 17:21:26
3666
原创 【玩玩硬件】esp8266驱动墨水屏
本项目是使用esp8266驱动点亮微雪家的2.13寸墨水屏代码教程 (随缘更新)在github地址上排版比这里会好看很多, 觉得帮助到你能否点个star~目录简介source: 源代码文件font(8,12,16,20,24): 字体格式文件;数字代表字体大小epdpaint: 画布文件;矩形、线段、圆等绘图函数epdif: 引脚定义imagedata: 存放图片矩阵epd2in13_V2: 控制命令docs: 文档图片文件前期物品准备需要准备的硬件物品esp826
2021-08-22 16:43:54
10414
16
原创 【YOLO使用】YOLOv5训练目标检测任务入门用法（一）
YOLOv5What is YOLO“You Only Look Once”或“YOLO”是一个对象检测算法的名字，这是Redmon等人在2016年的一篇研究论文中命名的。是当前出色的目标检测算法之一。(Github官方地址: YOLOv5-Github)Why choice YOLOYOLO系列的算法是目标识别任务中比较前沿的算法之一。由于其出色的推理速度、较小的模型大小和妈妈般的呵护(提供大量的方便的接口)，广受开发者的喜爱。下图是YOLOv3与其他目标检测算法性能的比较，其图来自YOLOv3论
2021-07-11 17:15:14
3656
1
原创 【Python深度学习】基于Tensorflow2.0构建CNN模型尝试分类音乐类型(二)
前情提要基于上文所说 基于Tensorflow2.0构建CNN模型尝试分类音乐类型(一) 我用tf2.0和Python3.7复现了一个基于CNN做音乐分类器、用余弦相似度评估距离的一个音乐推荐模型。下面浅略介绍一下所用到的原理。一、总体架构二、实际原理首先使用8000个平均分布的8个流派的30s时长的mp3歌曲作为训练集。每一个流派含有1000首歌曲，使用python音频解析库librosa读取音频的采样率设置为44100，MFCC的n设置为128，再将生成的一张大声谱图分割成数个128×128
2021-01-14 00:10:42
1057
原创 【Python数据结构】堆排序及用于优先级队列
堆排序堆是一个近似完全二叉树的结构，并同时满足堆积的性质：即子结点的键值或索引总是小于（或者大于）它的父节点。结构如下：在Python中使用层序遍历的结果将完全二叉树保存在数组中如：(上面两个图来自: 博客园 dreamcatcher-cx)使用堆排序，特征是使得最小或最大的元素总是在根部，即在数组的头部。所以也可以用作优先级队列。实现代码如下class HeapSort: def __init__(self, mode, data=None): """
2020-12-12 19:28:00
109
原创 【Python数据结构】无向图的实现及用数学思想相互转换进行上下三角压缩
PS:此处使用的表示方式只是邻接矩阵和只存半三角矩阵这两种。邻接矩阵的转化方法:下三角列表转化邻接矩阵(设矩阵的阶数为NNN)对于下三角而言：索引每层都是顺序递增，且第一层只含有一个元素，第二次含有两个元素，以此类推…故只需确定起点就可由列表转为矩阵。起点的递增便可以理解为二阶导数是1的一个函数。起点用函数表示即f(y+1)=f(y)+y+1,f(0)=0,此处y表示第几行.f(y+1)=f(y)+y+1,f(0)=0,此处y表示第几行.f(y+1)=f(y)+y+1,f(0)=0,此处y表示第几
2020-12-06 19:41:39
470
1
原创 【有趣题目】999瓶水和1瓶毒药被混淆在一起了，找出毒药？
题目：假设在一次事故中，实验人员把1000瓶试剂里含有999瓶纯净水和1瓶毒药混淆在一起了，且毒药只能通过试用的方法才能筛选出来，且毒药发作时间很快。现有健康理想小白鼠10只、无限支试管，试设计一种方案，使得能够找到其中的毒药。解决方案：思路思路思路： 1000瓶试剂，10只小白鼠，喝了试剂的小白鼠只有死和活着两种状态，让人联想到进制的用法。方法方法方法：将1000瓶试剂按照10bit进行二进制编号，如第一瓶是0000000000，第二瓶是0000000001，第三瓶是0000000010…以此类推
2020-11-20 14:28:47
2204
原创 【Python爬虫】某团酒店X-FOR-WITH分析
参数分析定位分析寻找最后此案例中，仅是通过该例子作为学习，如有侵权可联系作者进行删文。定位目标：查看ajax请求，寻找返回回来的数据。分析发现目标请求，并发现疑似参数加密的有两个，uuid和X-FOR-WITH, uuid经过多次调试发现，其前缀是基本不会变的 “|” 的后面跟着的是一个时间戳，所以基本可以断定uuid = secret + ‘|’ + round(timestamp() * 1000) 构成。而对于X-FOR-WITH，则定位不到此参数是从何生成的，这是因为此参数是由一个函
2020-10-27 12:19:27
687
3
原创 【Python爬虫】某团美食_token分析
步骤前言分析此案例中，仅是通过该例子作为学习，如有侵权可联系作者进行删文。前言打开北京地区的美食， 如下图打开开发者调试，分析ajax接口，查看入口。通过仔细对照数据发现，该ajax请求便是数据来源。分析想要拿到数据，发现post表单内有一个参数需要解决， 便是_token参数通过全局搜索直接搜索试试，疑似发现_token来自d，而d来自一个reload函数.让我们调试一番，到底是不是从reload函数拿到的发现的确加密后的参数是来则reload，并且加密的东西是url的链接
2020-09-14 17:47:15
386
原创 【Python深度学习】基于Tensorflow2.0构建CNN模型尝试分类音乐类型(一)
音乐分类前言复现代码MP3转melCNN模型训练结果总结前言我在逛github的时候，偶然发现了一个项目：基于深度学习的音乐推荐.[VikramShenoy97]。作者是基于CNN做的一个音乐类型分类器，input_shape是128×128×1的tensor也就是128帧、128为帧长度Mel特征;输出的是8个类型的softmax值。在推荐部分则使用NLP方向简单的余弦相似度进行评估，算距离最小作者训练后的训练集准确率是0.7785，验证集的准确率是0.6611， epoch是10，我通过python
2020-09-09 14:54:29
2304
4
原创 【Python爬虫】某芯城的JS逆向与爬虫接口分析
目录前言定位JS代码(混淆)KNN(字体反扒)此案例中，通过某汉芯城的例子作为学习，如有侵权可联系作者进行删文。前言打开某芯城官网,并进入到搜索页。通过随便搜索一个型号，获取列表页的信息打开开发者调试，观察列表页是如何加载的。通过观察发现，列表页是通过ajax进行动态加载的，并找到了请求的源头。而且并发现参数好像被加密。定位JS代码(混淆)通过全局搜索’v’看是否有线索。果然貌似发现了一个疑似地方。而且参数s好像也在里面，只不过代码好像被混淆了。没关系，通过一步一步调试，找到翻译混
2020-08-14 22:19:05
856
3
原创 【Python机器学习】基于KNN的简单通用应对字体反爬模型
解决字体反爬的简单通用模型技术点优点不足训练的代码示例以及步骤介绍预测的代码示例技术点自动获取字体坐标自动匹配不同大小的字体坐标矩阵使用相对坐标归一化来应对坐标处于坐标不同位置的情况直接产生键值对便于调用优点只需进行少量的数据标注工作就能建立字体映射模型直接写入需要解密的woff文件或ttf文件即可获得映射不足建立训练集的字体映射的时候可能会比较麻烦，不能做到自动化训练的代码示例以及步骤介绍训练步骤在dataset文件夹放入训练集文件.(woff / ttf)在代码
2020-08-11 18:02:10
255
原创 【Python爬虫】借助某猪的案例写关于辅助xpath解析的小装饰器
此案例用简单selenium完成且重点在于解析数据到达目标页面配置相关Selenium获得页面page_source通过Xpath解析文本辅助Xpath的小装饰器最终效果到达目标页面通过百度搜索某猪的民宿，我们到达了目标的列表页，并记录下目标的URL配置相关Selenium获得页面page_source例如配置长这样通过Xpath解析文本例如解析这些数据或许已经注意到了，类装饰器有itemStrip这玩意吗？？？答案是这玩意是我编出来的。那么它的作用是什么?辅助Xpath的小装饰器装
2020-08-02 22:47:58
123
原创 【机器学习】决策树原理以及代码实现
决策树(Decision Tree）什么是决策树信息论基础知识决策树Python代码什么是决策树决策树(Decision Tree）是在已知各种情况发生概率的基础上，通过构成决策树来求取净现值的期望值大于等于零的概率，评价项目风险，判断其可行性的决策分析方法，是直观运用概率分析的一种图解法。由于这种决策分支画成图形很像一棵树的枝干，故称决策树。在机器学习中，决策树是一个预测模型，他代表的是对象属性与对象值之间的一种映射关系。Entropy = 信息熵（系统的凌乱程度），使用算法ID3, C4.5和C5.
2020-07-16 11:39:34
328
原创 【机器学习】关联分析Apriori算法详解以及代码实现
Apriori算法以及统计学基础什么是关联分析简单的统计学基础Apriori输出频繁集从频繁项集中挖掘关联规则什么是关联分析从大规模数据集中寻找物品间的隐含关系被称作关联分析。而寻找物品的不同组合是一项十分耗时的任务，所需的计算代价很高。通过统计学方法，Apriori算法正可以解决这一问题。物品之间的关系一般可以有两种形式：频繁项集和关联规则。频繁项集：数据集中经常出现在一块的物品的集合。关联规则：两种物品之间可能存在很强的关系。下面借用一个在 《机器学习实战》第11章上的例子:交
2020-07-02 17:38:22
2155
原创 【机器学习】二分K-Means的原理以及代码实现
Bisecting K-Means什么是二分K-Means二分K-Means原理算法优缺点代码实现K-means博文点击此处什么是二分K-Means二分K-Means其实就是基于K-Means改进的算法，他的主要核心还是在于K-Means算法中，只不过它的算法思想是先从一个总簇，不断通过二分裂，直到分裂成k个簇则停止。在K-Means里博文当中，我们知道经过算法后，返回了2个参数：centroids：返回的是k质心的坐标矩阵clusterAssment返回的是m*2的簇矩阵，其中m是data
2020-06-29 18:20:47
1433
2
原创 【机器学习】K-means算法原理以及Python简单实现
K-均值聚类算法（K-means）什么是K-means算法原理算法优缺点代码实现什么是K-meansK-means是六大聚类算法中最简单的其中一种。而聚类是一种无监督学习，它将相似的对象归到同一个簇中。在介绍K-means之前，先介绍什么是簇识别。簇识别给出聚类结果的含义。假定有一些数据，现在将相似的数据归到一起，簇识别会告诉我们这些簇到底都是些什么。聚类与分类的最大不同在于，分类的目标事先已知，而聚类的目标没有预先定义的，所以聚类有时也被称为无监督分类。聚类分析试图将相似对象归入同一簇，将不相似对象
2020-06-28 16:26:28
409
原创 【Python】pyhook3监测鼠标键盘点击事件
Pyhook3.cp3.7.amd64点击下载开启监听是：HookMouse()和HookKeyboard()暂停监听是：UnhookMouse()和UnhookKeyboard()import win32guiimport PyHook3 def onMouseEvent(event): # 监听鼠标事件 print( "MessageName:",event.MessageName) print( "Message:", event.M
2020-06-02 11:54:20
1586
1
原创 【Python信号处理】FFT变换后的坐标变换以及绘图
假设：f1=10;f2=20;f3=30假设：f1 = 10;f2 = 20;f3 = 30假设：f1=10;f2=20;f3=30y=sin(2∗pi∗f1∗t)+2∗sin(2∗pi∗f2∗t)+3∗sin(2∗pi∗f3∗t)y = sin(2*pi*f1*t) + 2*sin(2*pi*f2*t) + 3*sin(2*pi*f3*t)y=sin(2∗pi∗f1∗t)+2∗sin(2∗pi∗f2∗t)+3∗sin(2∗pi∗f3∗t)FrequencySample(fs)=128,L
2020-05-27 18:06:04
1841
原创 【Python信号处理】数字信号处理-压缩采样频率
压缩采样频率令N=srd目标压缩频率、M=sr原频率、.[X]为对X四舍五入、[X]为对X取整令N = srd目标压缩频率、M = sr原频率、.[X]为对X四舍五入、[X]为对X取整令N=srd目标压缩频率、M=sr原频率、.[X]为对X四舍五入、[X]为对X取整对于满帧:ni=∑0<i<N.[iN∗M]n_i = \sum\limits_{0<i<N} .[\frac i N * M]ni=0<i<N∑.[Ni∗M]对于欠满帧:设不满帧总帧元素为
2020-05-23 15:23:43
807
原创 【MFCC】MFCC增量用于计算相关性
算法思想:设Maxtrix为N,J维矩阵、Size为M设Maxtrix为N, J维矩阵、Size为M设Maxtrix为N,J维矩阵、Size为MVector1是表示Matrix的第1行Vector_1 是表示Matrix的第1行Vector1是表示Matrix的第1行则：(NewVector)i=∑1≤j≤Mj∗[(vector)(i+j)−(vector)(i−j)]则：(NewVector)_i = \sum\limits_{1 \le j \le M} j*[(vector)_(i+j_
2020-05-19 19:23:24
221
原创 【MFCC梅尔倒频谱参数】浅谈语音特征参数MFCC提取过程
在语音识别（Speech Recognition）和话者识别（Speaker Recognition）方面，最常用到的语音特征就是梅尔倒谱系数（Mel-scale Frequency Cepstral Coefficients，简称MFCC）。根据人耳听觉机理的研究发现，人耳对不同频率的声波有不同的听觉敏感度。从200Hz到5000Hz的语音信号对语音的清晰度影响对大。两个响度不等的声音作用于人耳时，则响度较高的频率成分的存在会影响到对响度较低的频率成分的感受，使其变得不易察觉，这种现象称为掩蔽效应。由于
2020-05-04 17:17:28
2826
1
原创 【python_speech_features】MFCC调参用法以及参数说明
代码调用from python_speech_features import mfccmfcc_feature = mfcc(**kwargs)paramssignal:the audio signal from which to compute features.Should be an N1 array用来计算梅尔频率倒谱系数特性的音频信号。是一个N1的数组samplerat...
2020-05-02 21:24:44
5684
3
原创 【sklearn篇】mixture.GaussianMixture各参数详解以及代码实现
GaussianMixture参量n_components混合高斯模型个数，默认为 1covariance_type协方差类型，{‘full’,‘tied’, ‘diag’, ‘spherical’}full 指每个分量有各自不同的标准协方差矩阵，完全协方差矩阵（元素都不为零）tied 指所有分量有相同的标准协方差矩阵（HMM 会用到）diag 指每个分量有各自不同对角协方...
2020-04-29 14:44:41
23204
3
原创 【汇编入门】编写一个一位十进制数与两位十进制数的相加
题目要求下面给出的是一个通过比较法完成8位二进制数转换成十进制数送屏幕显示功能的汇编语言源程序，但有很多语法错误。要求实验者按照原样对源程序进行编辑，汇编后，根据TASM给出的错误信息对源程序进行修改，直到没有语法错误为止。然后进行链接，并执行相应的可执行文件。正确的执行结果是在屏幕上显示：25+9=34。源码;FILENAME: EXA131.ASM;.486DATA S...
2020-04-10 16:39:08
1351
原创 【RSA2】学习案例:新浪微博评论以及登陆
新浪微博评论登陆我们一起来研究一下javasrcipt逆向学习案例：新浪微博评论点开评论并打开开发者工具，让我们一起分析一下。通过向下滑动,可以发现评论信息是通过ajax加载的，看下返回的什么数据。通过返回的html键，可以看到评论就在里面(提取内容的话只需要用xpath就能拿到了)转眼看下我们需要什么参数才能拿到数据。上图可以看到，评论是通过get请求拿到的数据，且url部分是...
2020-03-18 18:31:31
221
原创 【CV】图像卷积计算即二维矩阵卷积(Python)
卷积与数字图像什么是卷积一维线性卷积参数'full'参数'same'参数'valid'二维线性卷积什么是卷积一维线性卷积线性卷积(linear convolution) 在时域描述线性系统输入和输出之间关系的一种运算。这种运算在线性系统分析和信号处理中应用很多，通常简称卷积。中文名：数字信号处理什么是线性卷积，抛出代码：import numpy as np>>np.co...
2020-02-15 14:55:27
7493
3
绕过滑动验证码？
前言极验验证是一种在计算机领域用于区分自然人和机器人的，通过简单集成的方式，为开发者提供安全、便捷的云端验证服务(又是滑动验证码)。与以往传统验证码不同的是，极验通过分析用户完成拼图过程中的行为特征，通过数据分析来判断是人还是机器。用户不必面对眼花缭乱的英文字符或汉字，整个验证过程变的像游戏一样有趣。介绍但是对于爬虫攻城狮来说，这就一点也不有趣了T_T。下面来实例看一下什么是极验验证码。...
2020-01-05 18:57:10
6224
3
原创 【编程算法】数组左移右移
各版本c++ 版本python 版本c++ 版本题目描述：设计一个算法,把一个含有N个元素的数组循环右移K位。解法一:最容易想到的就是每次将数组中的元素右移一位，循环K次。#include<iostream>using namespace std;void RightShift(int *arr, int N, int K){ while(K--){ ...
2019-12-07 14:18:17
822
原创 【Python进阶】asnycio的一些小常识
以aiohttp为例, 以下封装了一个aiohttp的网页请求。from aiohttp import ClientSessionfrom asyncio import get_event_loopfrom asyncio import ensure_futurefrom asyncio import gatherfrom functools import partialasync...
2019-11-28 16:20:03
353
原创 【Python语法】staticmethod、classmethod类装饰器实例说明
staticmethod在使用staticmethod装饰器后，类函数可以用实例化对象或者类来调用该函数。class Te: @staticmethod def add(a, b): return a+b def add_self(self, a, b): return a+bcal = Te()# 可通过类名直接使用静态函数result1_1 = Te.add(1, ...
2019-11-28 11:06:54
112
原创 【机器学习】KNN算法及其用KNN解决字体反爬
KNN算法及其用KNN解决字体反爬关于KNN算法概要简介原理KNN算法Python实现KNN解决字体反爬web-font介绍例子最后关于KNN算法概要K最近邻(kNN，k-NearestNeighbor)分类算法是数据挖掘分类技术中最简单的方法之一。所谓K最近邻，就是k个最近的邻居的意思，说的是每个样本都可以用它最接近的k个邻居来代表。kNN算法的核心思想是如果一个样本在特征空间中的k个...
2019-11-17 15:21:30
3326
原创 【机器学习】为何要归一化和归一化，标准化的处理方法
为何要归一化？如何归一化和标准化？为何要归一化·提升模型的收敛速度·提升模型的精度·总结如何归一化和标准化min-max(0-1) 标准化z-score(标准差) 标准化nonlinearity(非线性) 归一化为何要归一化·提升模型的收敛速度如下图，观察x1，x2的取值范围,x1的范围比x2的范围不是一个对等的量级，得到的曲线会比较尖锐，假如只有这两个特征，对其进行优化时，会得到一个窄长的...
2019-11-16 18:07:27
2933
原创 python 函数篇
re'''TODO [0-9]* 匹配0-9的任意数字，*为未定数目个'''re.findall('', text)->listre.search('', text).group()->str字典DIR = {}DIR.get(s, 0) 若DIR内没有s则返回0， 有s则返回s对应的值dict.fromkeys(("http", "https"), proxy...
2019-09-18 22:29:32
105
原创 【吴恩达机器学习】（梯度下降算法的理解和监督学习、无监督学习的简单定义）
θ0指的是特解a， θ1指的是斜率k， α指的是学习率(machine learning rate)。θ0通过不停的迭代，找到偏导数的最小值。上次的θ0-学习率再对hθ求偏导数得到新的θ0，θ1同理。J cost function运行起来的可视化.J(θ0， θ1) 回归函数θ0指的是特解a， θ1指的是斜率k。hθ(x)表示这个函数的直线， 通过梯度下降算法，找到导数最小点，拿到最...
2019-09-15 22:36:38
358
原创 【吴恩达机器学习】（矩阵的巧妙运算）
巧妙之处通过矩阵运算，在代码编程的时候，不需要for循环慢慢遍历，只需要很少的代码量即可得到需要的多个解。向量相乘[m, n]×[n, 1] = [m, 1][m, n]输入的预测值。例如上图所示的线性回归方程hθ有两个输入，两个输入都是带权重的，因为-40是常量，所以仅需要把遍历定义为1，第二个变量设置为需要预测的x值，就可以快速的得出答案。[n, 1]hθ的方程组的各个权重。...
2019-09-15 22:17:45
214
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人