demo_mIoU.py运转后得到8位的预测图，可在mIoU.py中与mask计算得出各类别的mIoU值，以及整个测试集的mIoU。
demo_mIoU.py与mIoU.py直接在pycharm下run即可。
参考博客：https://blog.csdn.net/brf_UCAS/article/details/112383722
demo_mIoU.py与mIoU.py直接在pycharm下run即可。
参考博客：https://blog.csdn.net/brf_UCAS/article/details/112383722
2022/10/9 22:55:06
4KB
1
眼底图像分割＼关键点检测＼动静脉区分常用数据集，是眼底最广泛的数据集之一，甚至可以去掉＇之一＇二字．这里面含有分割图的ｇｒｏｕｎｄｔｒｕｔｈ，原图以及ｍａｓｋ，没有关键点坐标的groundtruth，关键点在另一个上传的资源里，一次只能传一个紧缩包．．害！
2019/2/10 15:16:36
28.82MB
1
提出Mask相位法校准出厂标定波长在532nm的液晶空间光调制器(LC-SLM)在561nm处的相位调制特性曲线。
首先基于傅里叶光学模仿计算得出棋盘型二维相位光栅相位对比度与零级衍射光斑光强之间的对应关系，然后搭建实验光路测量计算机所发灰度图所对应的零级衍射光斑光强值。
根据前面两组结果最后得到相位延迟量与计算机灰度级之间的关系曲线，从而得到LC-SLM在561nm处的相位调制特性曲线。
用4λ的离焦对光斑进行调制，校准之后光斑光强分布与理论计算值之间的偏差为45.7，比校准之前的偏差110.4减少了64.7；
用10λ的倾斜对光斑进行调制，校准之后零级衍射光斑和二级衍射光斑的强度分别是校准前的32.3%和64.1%。
实验结果表明，使用Mask相位法对LC-SLM的相位调制特性曲线进行校准之后，LC-SLM的调制效果有了明显的改进。
首先基于傅里叶光学模仿计算得出棋盘型二维相位光栅相位对比度与零级衍射光斑光强之间的对应关系，然后搭建实验光路测量计算机所发灰度图所对应的零级衍射光斑光强值。
根据前面两组结果最后得到相位延迟量与计算机灰度级之间的关系曲线，从而得到LC-SLM在561nm处的相位调制特性曲线。
用4λ的离焦对光斑进行调制，校准之后光斑光强分布与理论计算值之间的偏差为45.7，比校准之前的偏差110.4减少了64.7；
用10λ的倾斜对光斑进行调制，校准之后零级衍射光斑和二级衍射光斑的强度分别是校准前的32.3%和64.1%。
实验结果表明，使用Mask相位法对LC-SLM的相位调制特性曲线进行校准之后，LC-SLM的调制效果有了明显的改进。
2021/6/3 11:10:15
3.59MB
1
1、cocoscreator使用mask+skew的方法实现搓牌功能2、这是以前项目中的模块，现在提取出来，当初摸索着写的难免有弯路，仅供学习参考。
creator版本为1.9.3，稍微做修正就可以用2.0及新版本使用。
3、效果图请移步：https://pan.baidu.com/s/11v096Bbi3PmqbAEL7Uonew#list/path=/我的分享/CSDN/CardDemo4、如有疑问，请留言。
creator版本为1.9.3，稍微做修正就可以用2.0及新版本使用。
3、效果图请移步：https://pan.baidu.com/s/11v096Bbi3PmqbAEL7Uonew#list/path=/我的分享/CSDN/CardDemo4、如有疑问，请留言。
2015/6/22 16:21:01
4.27MB
1
分享课程——Python-深度学习-物体检测实战；
计算机视觉-物体检测-通用解决框架Mask-Rcnn实战课程旨在帮助同学们快速掌握物体检测领域当下主流解决方案与网络框架构建原理，基于开源项目解读其应用领域与使用方法。
通过debug方式，详细解读项目中每一模块核心源码，从代码角度理解网络实现方法与建模流程。
为了方便同学们能将项目应用到自己的数据与任务中，实例演示如何针对自己的数据集制作标签与代码调整方法，全程实战操作，通俗讲解其中复杂的网络架构。
章节1物体检测框架-MaskRcnn项目介绍与配置章节2MaskRcnn网络框架源码详解章节3基于MASK-RCNN框架训练自己的数据与任务章节4练手小项目-人体姿势识别demo章节5必备基础-迁移学习与Resnet网络架构章节6必备基础-物体检测FasterRcnn系列
计算机视觉-物体检测-通用解决框架Mask-Rcnn实战课程旨在帮助同学们快速掌握物体检测领域当下主流解决方案与网络框架构建原理，基于开源项目解读其应用领域与使用方法。
通过debug方式，详细解读项目中每一模块核心源码，从代码角度理解网络实现方法与建模流程。
为了方便同学们能将项目应用到自己的数据与任务中，实例演示如何针对自己的数据集制作标签与代码调整方法，全程实战操作，通俗讲解其中复杂的网络架构。
章节1物体检测框架-MaskRcnn项目介绍与配置章节2MaskRcnn网络框架源码详解章节3基于MASK-RCNN框架训练自己的数据与任务章节4练手小项目-人体姿势识别demo章节5必备基础-迁移学习与Resnet网络架构章节6必备基础-物体检测FasterRcnn系列
2016/7/7 13:17:22
704B
1
我的思路大概是这样的1.验证能否是在微信内置浏览器中调用支付宝2.给支付页面的url加上调用接口所需的参数（因为在微信里是不能直接调用支付宝的需要调用外部浏览器）3.在外部浏览器中完成支付跳转页面第一步：payment:是选择支付页面，pay-mask是用于在微信内置浏览器中调用支付宝的中间页payment主要代码：letua=window.navigator.userAgent.toLowerCase()ua.match(/MicroMessenger/i)==“micromessenger”这两句代码就是判断用户能否是用微信内置浏览器打开的页面如果
2018/4/19 9:47:29
152KB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB