勋章
我关注的人
粉丝
技术能力
- Python
- 机器学习/深度学习
- 数据可视化
- 计算机视觉
暂时未有相关云产品技术能力~
暂无个人介绍
-
发表了文章 2024-05-24
深入Django（七）
Django的数据库迁移系统是管理数据库模式变化的关键组件，自动化创建、修改和删除表及字段。它提供版本控制，便于团队协作。通过`makemigrations`生成迁移文件，`migrate`应用到数据库。迁移支持依赖关系和数据迁移功能，允许填充初始数据或执行数据转换。这个系统简化了数据库管理，促进了开发中的数据一致性。
-
发表了文章 2024-05-24
深入Django（六）
本文档介绍了Django的表单系统，用于处理用户输入和数据验证。首先，表单通过声明式方式定义，如在`forms.py`中基于模型创建表单类。接着，在视图中处理GET和POST请求，使用`is_valid()`和`save()`方法验证和保存数据。在模板中，使用标签渲染表单和错误信息。表单系统还包括内置及自定义验证规则，以及与模型的集成，如`ModelForm`方便数据保存。此外，还有表单集、表单继承和自定义字段等高级功能。表单系统简化了用户输入管理和数据安全。
-
发表了文章 2024-05-24
深入Django（五）
Django的URL路由系统将URL映射到视图。创建URLconf涉及编写视图、定义URL模式（如`home`和`about`）并在项目主`urls.py`中包含应用URL。动态URL模式允许捕获数据，如`post/<int:post_id>/`，并在视图中使用。命名URL便于模板和视图中引用，通过`{% url %}`模板标签或`reverse`函数。正则表达式用于更复杂URL模式匹配。URL路由是Django中组织请求与响应的核心机制。
-
发表了文章 2024-04-19
Locally Adaptive Color Correction for Underwater Image Dehazing and Matching
该文提出了一种新颖的水下图像处理方法，结合颜色转移和局部调整来校正颜色，以应对水下光照和散射造成的图像退化。传统颜色转移方法基于全局参数，不适应水下场景中颜色变化的局部性质。文章中，作者通过融合策略，利用光衰减水平估计来实现局部颜色校正。首先，通过暗通道先验恢复彩色补偿图像，然后估计光衰减图。接着，创建一个合成图像，该图像的统计特性代表高衰减区域，用于颜色转移。最后，通过加权融合初始图像和颜色转移图像，生成最终的颜色校正图像。这种方法旨在提高水下图像的对比度和颜色准确性，特别关注高衰减区域。
-
发表了文章 2024-04-08
图像直方图
以下是内容摘要： 本文介绍了直方图在图像处理中的应用，包括图像增强和图像分割。直方图均衡化用于改善图像的亮度分布，而根据直方图可获取分割阈值以实现图像分割。此外，直方图对比有助于图像分类。直方图是表示图像亮度分布的图表，通过分析直方图的峰值可判断图像属于低调、中间调还是高调。直方图均衡化则能将图像转换为灰度分布更均匀的新图像。
-
发表了文章 2024-04-08
爬虫
该文介绍了爬虫的基础知识，包括爬虫的定义（通过编程模拟浏览器抓取网络数据）、价值（实际应用和就业需求）、法律地位（合法但有违法风险，分为善意和恶意爬虫）以及可能带来的风险（影响网站运营和触犯法律）。为避免问题，建议优化程序、审查抓取内容。爬虫类型包括通用、聚焦和增量式爬虫。文中还提到了反爬与反反爬策略，以及robots.txt协议作为网站数据爬取的君子协定。此外，讨论了HTTP协议（包括User-Agent和Connection）和HTTPS协议的安全性及加密方式。
-
发表了文章 2024-04-08
机器学习之理解Bias-Variance Tradeoff
这篇内容讨论了机器学习中的Bias-Variance Tradeoff概念。Bias代表模型预测期望值与真实值的差距，高Bias（欠拟合）可能源于模型过于简单。Variance则是模型预测在不同数据集上的变异性，高Variance（过拟合）可能因模型过于复杂，过度拟合噪声。理想的模型应在Bias和Variance之间找到平衡，以降低测试误差。文章通过多项式拟合正弦曲线的例子说明了如何在不同复杂度模型间进行权衡。
-
发表了文章 2024-04-02
低光图像增强
这篇摘要讨论了低光照图像增强技术，涉及HDRNet、GAN、轻量化伪影、语义分割网络和Retinex等方法。核心任务是提升图像亮度和细节。方法包括分布映射（如伽马矫正、直方图均衡化）、模型优化（Retinex理论）和深度学习（亮度增强与噪声去除）。传统方法不依赖数据，但可能产生伪影；深度学习方法需大量训练数据，无监督学习更优。不足之处在于缺乏成对数据集和精确标签。
-
发表了文章 2024-04-02
数据库（四）
`DELETE` 语句用于从表中移除数据。基本语法是 `DELETE FROM 表名 WHERE 条件表达式`，条件可选，若省略则删除所有数据。例如，`DELETE FROM emp WHERE dept_id = 10` 删除10号部门员工。`TRUNCATE` 表名更快，用于清空表，但不支持条件，且数据不可恢复。子查询可用于`CREATE TABLE AS SELECT`来复制表，或在`INSERT`, `UPDATE`语句中进行复杂操作，如更新特定区域员工的工资。
-
发表了文章 2024-03-28
白平衡相关内容，算法
色温： 讨论白平衡，就要从色温谈起，色温顾名思义就是色彩的温度，它指的是绝对黑体从绝对零度开始持续加热所呈现出来的颜色。温度升高，颜色开始从红、橙、黄、绿、蓝、靛、紫，逐渐变化。这些颜色的差异来自于不同波长光线的比例不同，色温越低，波长较长的光线比例大，红色成分就多。色温越高，波长较短的光线比例大，蓝色的成分就多。
-
发表了文章 2024-03-28
conda 创建虚拟环境
conda 创建虚拟环境
-
发表了文章 2024-04-02
直方图均衡化
直方图均衡化是一种图像处理技术，通过改变图像灰度级分布，增强图像对比度。手动实现包括计算灰度直方图、像素总数、灰度分布频率、累积分布频率，然后归一化映射到新灰度级，最终得到增强对比度的图像。该方法适用于改善灰度集中或明暗对比不明显的图像，但全局处理可能导致背景干扰增强，丢失细节，且某些图像可能过度增强。局部直方图均衡化可作为改进方案。
-
发表了文章 2024-03-28
Python Counter详解
Counter 是 Python collections 模块中的一个类，用于统计可哈希对象的出现次数。它提供了一种方便的方式来计数元素，返回一个字典，其中元素作为键，出现次数作为值。下面详细介绍 Counter 类的使用方法
-
发表了文章 2024-03-28
数据结构-哈希表（二）
数据结构-哈希表（二）
-
发表了文章 2024-03-28
软件工程可行性分析报告
软件工程实验报告
-
发表了文章 2024-03-28
关于图像的几个名词
灰度：灰度表明图像明暗的数值，即黑白图像中点的颜色深度，范围一般从0到255 白色为255，黑色为0， 故黑白图片也称灰度图像，灰度值指的是单个像素点的亮度。灰度值越大表示越亮 灰度级：灰度级表明图像在不同灰度的最大数量，灰度级越大，图像的亮度范围越大
-
发表了文章 2024-03-28
一文讲解图像梯度
图像梯度计算的是图像变化的幅度。对于图像的边缘部分，其灰度值变化较大，梯度值变化也较大；相反，对于图像中比较平滑的部分，其灰度值变化较小，相应的梯度值变化也较小。一般情况下，图像梯度计算的是图像的边缘信息。它在图像处理和计算机视觉中具有重要的应用，常用于边缘检测、特征提取和图像增强等任务。
-
发表了文章 2024-04-02
boxfilter盒子滤波
**Boxfilter** 是图像处理中的优化技术，通过积分图实现，将O(MN)复杂度的像素和、方差运算降至O(1)。不同于均值滤波，Boxfilter不计算像素均值，而是直接累加邻域像素值。该方法适用于快速计算局部特征，但不支持多尺度。通过滑动矩形模板并更新中间变量缓冲区，高效地完成滤波操作。
-
发表了文章 2024-03-28
暗通道先验算法
暗通道先验算法
-
发表了文章 2024-03-28
力扣Python方法解析
力扣Python方法解析
-
发表了文章 2024-03-28
使用Python IDLE进行Debug调试
使用Python IDLE进行Debug调试
-
发表了文章 2024-03-28
Python内置函数map、split、join讲解
Python内置函数map、split、join讲解
-
发表了文章 2024-03-28
Gamma校正
下面是自己所整理的一些gamma校正的东西如有侵权请联系删除。
-
发表了文章 2024-03-28
积分图求解Haar特征
Haar特征原理
-
发表了文章 2024-03-18
数据分析-pandas(一)
pandas是Python的一个第三方开源库，是Python数据分析的必备高级工具，Pandas 这个名字来源于面板数据（Panel Data）与数据分析（data analysis）这两个名词的组合。在经济学中，Panel Data 是一个关于多维数据集的术语。Pandas 最初被应用于金融量化交易领域，现在它的应用领域更加广泛，涵盖了农业、工业、交通等许多行业。
-
发表了文章 2024-03-13
混淆矩阵（Confusion Matrix）
随着机器学习和人工智能的迅速发展，分类模型成为了解决各种问题的重要工具。然而，仅仅知道模型预测对了多少样本是不够的。我们需要一种更详细、更系统的方法来理解模型的分类能力，以及它在不同类别上的表现。 混淆矩阵是在机器学习和统计学中用于评估分类模型性能的一种表格。它对模型的分类结果进行了详细的总结，特别是针对二元分类问题，另外混淆矩阵是用于评估分类模型性能的一种表格，特别适用于监督学习中的分类问题。它以矩阵形式展示了模型对样本进行分类的情况，将模型的预测结果与实际标签进行对比。
-
发表了文章 2024-04-19
Redis数据库
这段内容介绍了NoSQL数据库的概念和分类，以及Redis的详情和历史发展。NoSQL是一种为解决高并发、高可扩展性和大数据存储问题而设计的非关系型数据库。它主要有四种类型：键值存储（如Redis）、列存储（如HBase）、文档型（如MongoDB）和图形数据库。Redis是一个高性能的键值对数据库，支持多种数据类型，常用于内容缓存。Redis由Salvatore Sanfilippo开发，因其优秀性能获得了广泛使用，后来被VMware赞助并持续发展。练习部分引导读者进行Redis的安装及字符串类型的基本操作，包括存储、修改、删除、查看、追加和获取长度，以及利用其递增特性生成订单号。
-
发表了文章 2024-04-02
高斯函数 Gaussian Function
**高斯函数，或称正态分布，以数学家高斯命名，具有钟形曲线特征。关键参数包括期望值μ（决定分布中心）和标准差σ（影响分布的宽度）。当μ=0且σ²=1时，分布为标准正态分布。高斯函数广泛应用于统计学、信号处理和图像处理，如高斯滤波器用于图像模糊。其概率密度函数为e^(-x²/2σ²)，积分结果为误差函数。在编程中，高斯函数常用于创建二维权重矩阵进行图像的加权平均，实现模糊效果。
-
发表了文章 2024-04-02
二叉树前中后序遍历
这段内容是关于二叉树的前序、中序和后序遍历的Python实现。`Solution`类包含三个方法：`preorderTraversal`、`inorderTraversal`和`postorderTraversal`，分别返回二叉树节点值的前序、中序和后序遍历列表。每个方法都是递归的，遍历顺序为：前序（根-左-右）、中序（左-根-右）、后序（左-右-根）。
-
发表了文章 2024-03-28
力扣刷题日常（一）
力扣刷题日常（一）
-
发表了文章 2024-03-28
数据结构-链表(一)
链表（Linked List）是一种常见的数据结构，用于存储和组织数据。与数组不同，链表的元素（节点）在内存中不必连续存储，而是通过指针链接在一起。 链表由多个节点组成，每个节点包含两部分：数据（存储实际的元素值）和指针（指向下一个节点的引用）。链表的第一个节点称为头节点，最后一个节点称为尾节点，尾节点的指针通常指向空值（null）。
-
发表了文章 2024-03-28
Matlab 2022a 安装教程 附安装包
Matlab 2022a 安装教程 附安装包
-
发表了文章 2024-03-28
数据结构-哈希表（一）
哈希表（Hash Table），也称为散列表，是一种常见的数据结构，用于存储键值对。它通过将键映射到一个特定的索引位置来实现高效的数据访问和查找。
-
发表了文章
2024-05-24
深入Django（八）
-
发表了文章
2024-05-24
深入Django（七）
-
发表了文章
2024-05-24
深入Django（三）
-
发表了文章
2024-05-24
深入Django（六）
-
发表了文章
2024-05-24
深入Django（二）
-
发表了文章
2024-05-24
深入Django（四）
-
发表了文章
2024-05-24
深入Django（五）
-
发表了文章
2024-05-24
深入Django系列
-
发表了文章
2024-05-15
基础算法题
-
发表了文章
2024-05-15
Locally Adaptive Color Correction for Underwater Image Dehazing and Matching
-
发表了文章
2024-05-15
图像直方图
-
发表了文章
2024-05-15
爬虫
-
发表了文章
2024-05-15
机器学习之理解Bias-Variance Tradeoff
-
发表了文章
2024-05-15
低光图像增强
-
发表了文章
2024-05-15
数据库（三）
-
发表了文章
2024-05-15
数据库（四）
-
发表了文章
2024-05-15
白平衡相关内容，算法
-
发表了文章
2024-05-15
数据库（五）
-
发表了文章
2024-05-15
数据库（一）
-
发表了文章
2024-05-15
conda 创建虚拟环境
