NOT
Spring Boot自定义Mybatis-Plus SQL，让你的数据库操作更得心应手！
🏆本文收录于《Spring Boot从入门到精通》，专门攻坚指数提升，2023 年国内最系统+最强（更新中）。 本专栏致力打造最硬核Spring Boot 系列教程，从零基础到进阶系列学习内容，🚀均为全网独家首发，打造精品专栏，专栏持续更新中…欢迎大家订阅持续学习。 环境说明：Windows10 ......
分布式事务解决方案-Seata01
分布式事务-使用Seata 传统数据库事务 A-原子性：①事务中的所有操作，要么全部成功，要么全部失败。②影响事务的操作，一般指的是增删改，也就是一个事务中，有多个增删改的SQL C-一致性：①事务开始前到事务结束后，数据状态需要一致②例如：转账增减金额和支付减去金额+修改订单状态、减库存 I-隔离 ......
遗传算法解决01背包问题
遗传算法解决01背包问题 一、问题描述 01背包问题是组合优化问题的一个典型例子，它要求在许多可行解中找到一个最优解。 01背包问题的一般描述如下：给定一个固定的背包容量和一组物品，每个物品有一个重量和一个价值，要求从这组物品中选择一些放入背包，使得背包中物品的总价值最大，同时不超过背包的容量。 0 ......
竞赛图
竞赛图的定义 对于一张无自环的有向图 \(G\)，如果每对不同节点之间都恰有一条有向边，则称 \(G\) 是竞赛图。 竞赛图缩点后是一条链 考察竞赛图 \(G = (V, E)\) 缩点后的强连通分量，我们给它们任意指定一个拓扑序。不难发现，\(\forall u, v \in V\)，如果 \(u ......
集睿致远ASL/CS5366国产typec转HDMI带pd方案芯片
集睿致远/ASL推出的CS5366S是一款typec转HDMI 2Len带PD的扩展坞方案芯片，CS5366支持4K60HZ。 CS5366透过模拟与数字的设计及28nm先进制程工艺,大幅降低功耗,无需增加散热片,提高产品可靠性.内部集成了PD3.0及DSC decoder, 并能按客户需求配置成不 ......
使用 C# 在Word中插入图表
Word中的图表功能将数据可视化地呈现在文档中。这为展示数据和进行数据分析提供了一种方便且易于使用的工具，使作者能够以直观的方式传达信息。要通过C#代码来实现在Word中绘制图表，可以借助 Spire.Doc for .NET 控件，具体操作参考下文。 C# 在Word中插入柱状图 C# 在Word ......
迁移学习与ResNet
一、迁移学习 深度学习中，迁移学习可以让小样本学习得更好，省时，方便。eg：我们采用YOLOV5训练识别动物（假定是简单得二分类），那么我们可以使用作者基于coco数据集训练得所得权重文件weight1；在此基础上，训练我们的数据，即：使用我们的数据对weight1接着调整，直到weight1适应于 ......
YOLOV5各个版本模型下载技巧
例如：YOLOV5-3.0版本下载连接： https://github.com/ultralytics/yolov5/releases/download/v2.0/yolov5s.pt 可能需要梯子。 在conda命令行运行export.py，居然报错，说找不到utils.py模块，我日，我直接在p ......
深度学习-梯度下降MiniBatch、RMSprop、Adam等
目录 0、综述： SGD 1、mini-batch 2、指数平均加权 3、理解指数加权平均 4、指数加权平局的修正 5、动量梯度下降法 6、RMSprop 7、Adam优化算法 8、衰减率 9、局部最优 0、综述： 在VSLAM后端中有各种梯度下降优化算法，例如：最速下降法、牛顿法、高斯-牛顿法、L ......
mAp计算
参考：https://blog.csdn.net/ruyingcai666666/article/details/109670567 在目标检测算法中，当一个检测结果(detection)被认为是True Positive时，需要同时满足下面三个条件： 1，Confidence Score > Co ......
SSD与vgg目标检测网络原理
目录： 一、SSD 二、基于SSD的极速人脸检测 三、VGG 一、SSD SSD主干网络结构（SSD是一个多级分类网络） 图1 ssd主干网络结构图 ssd中的vgg-19网络： SSD采用的主干网络是VGG网络，关于VGG的介绍大家可以看我的另外一篇博客https://blog.csdn.net/ ......
mobileNetV1、2、3与YOLOV4
一、mobileV1 MobileNet模型是Google针对手机等嵌入式设备提出的一种轻量级的深层神经网络，其使用的核心思想便是depthwise separable convolution（深度可分离卷积块）能够有效降低参数量。 对于常规卷积：假设有一个3×3大小的卷积层，其输入通道为16、输出 ......
RCNN、FastRCNN、FasterRCNN、Mask-RCNN的发展历程
Faster R-CNN的发展史 Selective Search（2012） RCNN（2014） SPPNet(2014) Fast R-CNN（2015） Faster R-CNN（2015） 总结 补充：Mask RCNN 7.1、FPN 7.2、RPN 7.3、ProposalLayer层 ......
unet原理学习与记录
UNET: 左边编码下采样，右边编码上采样。 改进版本认为原始版本融合特征跨度太远，改为就近融合 下面有4个损失函数，如果前面三个效果就很好，第四个可以丢掉(剪枝) 数据增强包：albumentations 链接：https://github.com/albumentations-team/albu ......
二分类、多分类、二值交叉熵、Focal交叉熵【未写完】
Focal交叉熵： 上面式子是一个交叉熵的改进版本，多了一个权重系数pos_weight，表示图像中，正例、负例的比例，那个越少，就越重视哪一个。好好感受下，loss|y_pred = 0.8 loss|y_pred = 0.2应该是“相等”的，这是上面式子设计的初衷！ 下面是Focal loss的 ......
轻量级人脸检测：libfacedetection和DBFace
libfacedetection是基于SSD进行魔改，而DBFace是基于MobileNetV3进行改进。 一、libfacedetection 二、DBFace 三、libfacedetection网络结构图 一、libfacedetection 链接：https://github.com/Shi ......
Hive函数入门——内置函数+用户定义函数
1、内置函数 1、字符串、时间类型函数 之前也是在c语言里面学过，包括concat、split等； 时间类型函数： 前不久用到的函数： date_add >当前日期的后的第几天的日期； date_sub >当前日期的前的第几天的日期； 2、数学函数、集合函数 round--取整数值（还能指定保留的精 ......
离散点 plane to fit (最小二乘)
using namespace Eigen; int readStreamFile( const std::string &stream_file, std::vector<std::vector<Eigen::Vector3f>> &cloud_p) { std::ifstream inFile( ......
使用 Sealos 构建低成本、高效能的私有云
这个时候谈论私有云似乎有点反直觉？大部分人认知不是上云是大趋势嘛？我也比较认可上云，不过私有云也是云，今天给大家带来一个新的选择 —— 用云，只需一个 Sealos 就够了。 看看我们怎么做到更低的成本，更高的稳定性和性能的。 PS：我们从不脱离场景谈优势，不同场景选不同的云肯定是硬道理。 🏗️ ......
js 检索数组对象中某个属性的值是否不相等
//判断选中的项是否有不相同的模型 const hasNameProperty = _this.selectedOrderList.filter(order => order.hasOwnProperty("item_model_id")); if (hasNameProperty.length > ......
星期三。。
关于response对象的常用方法 /*获取响应头中指定参数名称的值*/ String header = response.getHeader("Content-type"); /*获取响应的输出流*/ ServletOutputStream outputStream = response.getO ......
JS三大运行时全面对比：Node.js vs Bun vs Deno
全文约 5100 字，预计阅读需要 15 分钟。 JavaScript 运行时是指执行 JavaScript 代码的环境。目前，JavaScript 生态中有三大运行时：Node.js、Bun、Deno。老牌运行时 Node.js 的霸主地位正受到 Deno 和 Bun 的挑战，下面就来看看这三个 ......
mapboxgl的地图事件输出事件时参数不带features属性
map.on("click", "china", (e) => { console.log(e); console.log(e.features); }); 很疑惑？事件在输出时，features给过滤掉了 ......
LibTorch实战三：人脸检测综述
基于深度学习人脸检测算法已经非常成熟。这里，我们采用WilderFace来验证各个模型性能，以下图表是6个轻量级的网络模型性能对比 什么是WilderFace？ 在人脸检测大赛中，百度的pyramidBox赢得当年冠军，他的成绩为：0.961 0.950 0.889，比下面最好的模型还要好。但是，类 ......
openvino之图像分类
基于resnet18的图像分类，1000个类别。 openvino工作机制： 下面是代码： 1 import cv2 as cv 2 import numpy as np 3 from openvino.inference_engine import IECore 4 5 6 ''' 7 1、读取模 ......
openvino之SSD图像目标检测
模型下载： cd C:\OpenVINO\openvino_2020.4.287\deployment_tools\open_model_zoo\tools\downloader 执行： python downloader.py --name face-detection-0102 下载好的模型文件 ......
openVINO性别、年龄识别
模型下载： C:\OpenVINO\openvino_2020.4.287\deployment_tools\open_model_zoo\tools\downloader> python downloader.py --name age-gender-recognition-retail-0013 ......
openvino人脸35个关键点识别
还是先检测人脸，然后检测人脸特征点，一共35个特征点，网络最后输出特征图为1*70，表示35个点，存储格式为:(x y x y x y......) prob_landmarks = em_res[em_out_blob] # (1, 70) 1 import time 2 3 import cv2 ......
openvino头部姿态识别
网络的输入、输出如下： Performance Inputs name: "data" , shape: [1x3x60x60] - An input image in [1xCxHxW] format. Expected color order is BGR. Outputs Output lay ......
openvino模型格式转换
openvino安装目录下给定了写好的脚本，支持例如onnx格式转换为IR格式，如下图： 调用格式： python mo_onnx.py --input_model xxxxx.onnx 结果就是生成IR格式(xml、bin文件)，所以转换流程为：xxx格式 -> onnx -> IR ......