igs
-
使用PaddleDetection2.0自定义数据集实现火焰识别预测
该项目利用PaddleDetection2.0中的YOLOv3（主干为mobilenetv3轻量化模型）实现火焰识别目标检测，mAP达81.94%，可部署于森林防火监控。流程包括自定义数据集解压、环境准备、按9:1划分数据集，基于特定配置文件训练，还进行了模型评估、预测及效果可视化。 ☞☞☞AI 智…
-
【遥感影像分类】使用PaddleAPI搭建ResNet50实现遥感影像分类任务
本文围绕遥感分类任务展开，使用西北工业大学2016年发布的含45类土地利用类型的遥感影像数据集，构建RESISC45Dataset自定义数据集，搭建ResNet50模型，经训练、验证，模型精度达0.83左右，最后进行了模型预测与效果展示。 ☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无…
-
如何在CentOS上监控SQL Server状态
在centos上监控sql server状态，可以通过以下几种方式实现： 1. 使用SQL Server自带的工具 SQL Server内置了若干实用工具，如sqlcmd和SQL Server Management Studio (SSMS)，可用来检查服务器状态。 使用sqlcmd 启动终端。输入…
-
[AI特训营第三期]全流程前沿超轻量PPLCNetV2苹果病害识别
我们将利用深度学习技术来训练一个神经网络模型，该模型将可以对苹果树上的各种病害进行鉴别和诊断。我们将使用大量的真实数据集来训练和优化模型，以达到最好的预测和诊断效果。具体来说，本项目分类准确率达到0.98461，性能优异，同时模型计算量，参数量较小，便于部署在边缘端。 ☞☞☞AI 智能聊天, 问答助…
-
如何理解并解读线性判别分析（LDA）的特征贡献
线性判别分析（LDA）是一种强大的降维技术，旨在通过创建新的线性组合来最大化类别间的分离度，而非直接选择原始特征。本文将深入探讨LDA的工作原理，阐明其与特征选择的区别，并详细指导如何利用`lda.coef_`属性来理解原始特征对新判别函数的影响及贡献，通过示例代码提供清晰的实践指导。 线性判别分析…
-
漫卷的第一个神经网络，带你一起搭网络
本文展示了漫卷搭建首个神经网络ManjuanNet的过程，采用PaddlePaddle框架，含两个基模块，通过双路径提取特征后拼接。介绍了数据集处理（含解压、检测损坏图像）、模型训练等，对比了与ResNet34的参数量和FLOPS，其参数量更少但FLOPS高约40倍，在ImageNet100上10轮…
-
优化Pandas滚动平均：处理序列两端数据
本文旨在解决pandas `rolling().mean()`在处理时间序列两端时产生的`nan`值和数据滞后问题。通过详细阐述`min_periods=1`和`center=true`参数的联合使用，我们将展示如何实现类似matlab `smooth`函数的可变窗口移动平均，从而在不引入`nan`…
-
【全民动起来】反向卷腹AI计数器
本文介绍基于PaddleHub的反向卷腹AI计数器。因健身时手动计数易出错，利用human_pose_estimation_resnet50_mpii模型实现计数。通过检测人体关键点，以膝盖x轴坐标变化为依据，判断反向卷腹完成情况。还给出环境准备、检测示例及计数代码，测试显示能准确计数，生成带检测效…
-
计算Pandas数据框间Cohen’s Kappa一致性系数教程
本教程详细介绍了如何在python中计算两个pandas数据框中列表数据的cohen’s kappa一致性系数。我们将探讨多种方法，包括使用列表推导式、`itertuples()`以及`merge(how=’cross’)`结合`np.vectorize`，最终目…
