当前位置：首页 > news >正文

基于CNN+RNNs（LSTM, GRU）的红点位置检测（pytorch）

news 来源：原创 2025/7/27 19:54:37

1 项目背景

需要在图片精确识别三跟红线所在的位置，并输出这三个像素的位置。

在这里插入图片描述
其中，每跟红线占据不止一个像素，并且像素颜色也并不是饱和度和亮度极高的红黑配色，每个红线放大后可能是这样的。

在这里插入图片描述

而我们的目标是精确输出每个红点的位置，需要精确到像素。也就是说，对于每根红线，模型需要输出橙色箭头所指的像素而不是蓝色箭头所指的像素的位置。

在之前尝试过纯 RNNs 检测红点，但是准确率感人，在噪声极低的情况下并不能精准识别位置。但是有次尝试transformer位置编码之后发现效果不错：

实验	loss	完全准确的点
GRU	129.6641	1762.0/9000 (20%)
LSTM	249.2053	1267.0/9000 (14%)
Position embedding + GRU	16.3403	5025.0/9000 (56%)
Position embedding + LSTM	204.1551	1603.0/9000 (18%)

这说明模型的难点在于学习位置信息而不是寻找颜色有问题的点。联想到CNN也能提供位置信息，我决定尝试卷积一下的效果。

2 数据集

还是之前那个代码合成的数据集数据集，每个数据集规模在15000张图片左右，在没有加入噪音的情况下，每个样本预览如图所示：
在这里插入图片描述
加入噪音后，每个样本的预览如下图所示：

在这里插入图片描述

图中黑色部分包含比较弱的噪声，并非完全为黑色。

数据集包含两个文件，一个是文件夹，里面包含了jpg压缩的图像数据：
在这里插入图片描述
另一个是csv文件，里面包含了每个图像的名字以及3根红线所在的像素的位置。

在这里插入图片描述

3 思路

其实思路特别朴素。就是在RNNs要读序列化数据之前先用CNN把数据跑一遍，让原始的输入序列变成具有局部特征表示的嵌入表示，卷积后提取的特征输入到 RNN层，RNN 保持了序列中的长时依赖信息。接下来先用 fc1 把 RNN 的输出映射成分数，然后用 fc2 预测三个具体位置，经过 Sigmoid 输出 [0, 1] 的相对位置，再与宽度相乘得到真实位置。具体的流程如下图所示：

在这里插入图片描述

4 结果

在图片长度为1080、低噪声环境时，对比实验的结果如下：

实验	loss	完全准确的点
GRU	129.6641	1762.0/9000 (20%)
LSTM	249.2053	1267.0/9000 (14%)
CNN+GRU	1419.5781	601.0/9000 (7%)
CNN+LSTM	1166.4599	762.0/9000 (8%)

1080长度下图片抽样预测的效果如下：

在这里插入图片描述

在简单图片中的效果跟其他方法差距不大——基本都能准确定位红线，但是还是没办法做到像素级别的精确

在这里插入图片描述

可能是我的打开方式不对，但是CNN+RNN的效果并不如意。

从训练过程来看存在过拟合：

在这里插入图片描述

5 代码

CNN+GRU结构：


class CNN_GRU(nn.Module):def __init__(self, config):super(CNN_GRU, self).__init__()self.input_size = config.input_sizeself.hidden_size = config.hidden_sizeself.num_layers = config.num_layersself.device = config.device# CNNself.conv1 = nn.Conv1d(in_channels=self.input_size, out_channels=64, kernel_size=3, padding=1)self.conv2 = nn.Conv1d(in_channels=64, out_channels=128, kernel_size=3, padding=1)self.conv3 = nn.Conv1d(in_channels=128, out_channels=self.input_size, kernel_size=3, padding=1)self.gru = nn.GRU(input_size=self.input_size, hidden_size=self.hidden_size, num_layers=self.num_layers,batch_first=True, bidirectional=True, dropout=0.6)self.fc1 = nn.Sequential(nn.Linear(self.hidden_size * 2, 1))self.fc2 = nn.Sequential(nn.Linear(config.width, 3),  # predict 3 pointsnn.Sigmoid(),)self.scale = config.widthself.device = config.devicedef forward(self, x):x = x.squeeze(2)x = F.relu(self.conv1(x))  # (batch_size, 64, width)x = F.relu(self.conv2(x))  # (batch_size, 128, width)x = F.relu(self.conv3(x))  # (batch_size, input_size, width)x = x.permute(0, 2, 1)h0 = torch.zeros(self.num_layers * 2, x.size(0), self.hidden_size).to(x.device)output, _ = self.gru(x0, h0)scores = self.fc1(output).squeeze(-1)  # shape: (batch_size, 1080)predicted_positions = self.fc2(scores)scaled_predicted_positions = predicted_positions * self.scalefinal_predicted_positions = torch.clamp(scaled_predicted_positions, min=0, max=self.scale - 1)return final_predicted_positions

CNN+LSTM结构：

class CNN_GRU(nn.Module):def __init__(self, config):super(CNN_GRU, self).__init__()self.input_size = config.input_sizeself.hidden_size = config.hidden_sizeself.num_layers = config.num_layersself.device = config.device# CNNself.conv1 = nn.Conv1d(in_channels=self.input_size, out_channels=64, kernel_size=3, padding=1)self.conv2 = nn.Conv1d(in_channels=64, out_channels=128, kernel_size=3, padding=1)self.conv3 = nn.Conv1d(in_channels=128, out_channels=self.input_size, kernel_size=3, padding=1)self.lstm = nn.LSTM(input_size=self.input_size, hidden_size=self.hidden_size, num_layers=self.num_layers,batch_first=True, bidirectional=True, dropout=0.6)self.fc1 = nn.Sequential(nn.Linear(self.hidden_size * 2, 1))self.fc2 = nn.Sequential(nn.Linear(config.width, 3),  # predict 3 pointsnn.Sigmoid(),)self.scale = config.widthself.device = config.devicedef forward(self, x):x = x.squeeze(2)x = F.relu(self.conv1(x))  # (batch_size, 64, width)x = F.relu(self.conv2(x))  # (batch_size, 128, width)x = F.relu(self.conv3(x))  # (batch_size, input_size, width)x = x.permute(0, 2, 1)h0 = torch.zeros(self.num_layers * 2, x.size(0), self.hidden_size).to(x.device)c0 = torch.zeros(self.num_layers * 2, x.size(0), self.hidden_size).to(x.device)output, _ = self.lstm(x, (h0, c0))scores = self.fc1(output).squeeze(-1)  # shape: (batch_size, 1080)predicted_positions = self.fc2(scores)scaled_predicted_positions = predicted_positions * self.scalefinal_predicted_positions = torch.clamp(scaled_predicted_positions, min=0, max=self.scale - 1)return final_predicted_positions

路过的大佬有什么建议 ball ball 在评论区打出来，我会去尝试~

基于CNN+RNNs（LSTM, GRU）的红点位置检测（pytorch）

1 项目背景需要在图片精确识别三跟红线所在的位置，并输出这三个像素的位置。其中，每跟红线占据不止一个像素，并且像素颜色也并不是饱和度和亮度极高的红黑配色，每个红线放大后可能是这样的。而我们的目标是精确输出每个红点的…...

编程日记 2025/7/27 19:54:37

【AI系统】GPU 架构回顾（从2018年-2024年）

Turing 架构 2018 年 Turing 图灵架构发布，采用 TSMC 12 nm 工艺，总共 18.6 亿个晶体管。在 PC 游戏、专业图形应用程序和深度学习推理方面，效率和性能都取得了重大进步。相比上一代 Volta 架构主要更新了 Tensor Core（专门为执行…...

编程日记 2025/7/26 15:14:37

Vue 内置组件 keep-alive 中 LRU 缓存淘汰策略和实现

LRU（Least Recently Used，最近最少使用）是通过记录缓存项的访问顺序来决定淘汰的策略：当缓存满时，移除最久未被使用的项。核心概念： 缓存存储：使用 Map 存储键值对，用于快速访问缓…...

编程日记 2025/7/27 22:37:11

联邦学习安全聚合算法综述（论文解析）以及如何确定自己研究方向的方法

自己写相关论文的方法： 可以重点看看综述类论文的未来研究方向和引言中前人已经做过的内容联邦学习安全聚合算法综述 auth:江萍 1 通讯作者李芯蕊 1 赵晓阳 2 杭永凯摘要摘要：随着深度学习技术的发展，人工智能在社会的各个方面有着重要…...

编程日记 2025/7/22 21:36:48

【JAVA 笔记】12 带有数据库文件的完整的JDBC访问例子，命令行界面

【JAVA 笔记】12 带有数据库文件的完整的JDBC访问例子，命令行界面代码结构解析 1. 导入必要的包 import java.sql.Connection; import java.sql.DriverManager; import java.sql.ResultSet; import java.sql.Statement; import java.sql.PreparedStatement; impo…...

编程日记 2025/7/27 16:54:08

基于java+SpringBoot+Vue的在线宠物用品交易网站设计与实现

项目运行环境配置： Jdk1.8 Tomcat7.0 Mysql HBuilderX（Webstorm也行） Eclispe（IntelliJ IDEA,Eclispe,MyEclispe,Sts都支持）。项目技术： Springboot mybatis Maven mysql5.7或8.0等等组成&#x…...

编程日记 2025/7/23 17:19:27

智慧社区管理系统平台提升物业运营效率与用户体验

内容概要智慧社区管理系统平台是一个集成了多项功能的综合性解决方案，旨在通过先进的技术手段提升物业管理的效率和居民的生活质量。该平台不仅关注物业运营的各个方面，还强调用户体验的重要性。随着科技的发展，社区管理方式正发生着翻天覆…...

编程日记 2025/7/27 12:19:27

el-table-column自动生成序号在序号前插入图标

实现效果： 代码如下： 在el-table里加入这个就可以了，需要拿到值可以用scope.$index <el-table-column type"index" label"序号" show-overflow-tooltip"true" min-width"40">…...

编程日记 2025/7/27 22:40:59

深度学习之目标检测的常用标注工具

1 LabelImg LabelImg 是一款开源的图像标注工具，标签可用于分类和目标检测，它是用 Python 编写的，并使用Qt作为其图形界面，简单好用。注释以 PASCAL VOC 格式保存为 XML 文件，这是 ImageNet 使用的格式。此外&…...

编程日记 2025/7/27 22:34:16

「Mac玩转仓颉内测版21」基础篇1 - 仓颉程序的基本组成

本篇将系统介绍Cangjie编程语言中程序的基本组成部分，涵盖 main 函数的定义、包与模块的使用、变量类型、作用域和代码结构原则，帮助开发者理解Cangjie程序的整体结构。关键词程序入口点main函数包与模块变量类型与作用域值类型与引用类型代码结构与规…...

编程日记 2025/7/27 22:37:59

【计算机网络】解决bind error

服务器有时可以立即重启，有时候无法立即重启 — bind error 首先要知道：四次挥手动作完成之后，主动断开连接的一方要维持一段时间的TIME_WAIT bind error原因：因为是服务器主动断开的，所以服务器要去维持TIME_WAIT状…...

编程日记 2025/7/10 12:18:43

【SVN和GIT】版本控制系统详细下载使用教程

文章目录 ** 参考文章一、什么是SVN和GIT二、软件使用介绍1 SVN安装1.1 服务端SVN下载地址1.2 客户端SVN下载地址2 SVN使用2.1 服务端SVN基础使用2.1.1 创建存储库和用户成员2.1.2 为存储库添加访问人员2.2 客户端SVN基础使用2.2.1 在本地下载库中的内容2.2.2 版本文件操作--更…...

编程日记 2025/7/27 22:38:00

初识 Pynecone：构建现代化 Web 应用的 Python 框架

初识 Pynecone：构建现代化 Web 应用的 Python 框架引言在 Web 开发的世界里，Python 是后端开发的常客，但如果想用 Python 直接构建现代化的前端应用会怎样？这正是 Pynecone 框架的用武之地！Pynecone 是一个全栈 Pyt…...

编程日记 2025/7/27 22:35:43

Go-RPC关键指标分析与企业实践

1.稳定性-保障策略熔断：保护调用方限流：保护被调用方超时控制：避免浪费 2.稳定性-请求成功率（用重复发送负载均衡） 3.稳定性-长尾请求（用备份请求） 4.稳定性-注册中间件易用性&#xff1a…...

编程日记 2025/7/27 22:29:45

社交电商专业赋能高校教育与产业协同发展：定制开发AI智能名片及2+1链动商城小程序的创新驱动

摘要：本文围绕社交电商有望成为高校常态专业这一趋势展开深入探讨，剖析国家政策认可下其学科发展前景，着重阐述在专业建设进程中面临的师资短缺及实践教学难题。通过引入定制开发AI智能名片与21链动商城小程序，探究如何借助这些新…...

编程日记 2025/7/23 10:50:54

Ubuntu下安装Qt

1.如图1所示，在Index of /archive上下载安装包； 图1 2.将图1安装包下载好之后，通过共享文件夹的方式拷贝到ubutntu，如图2所示； 图2 3.如图3所示，执行chmod x qt-creator-opensource-linux-x86_64-10.0.2.…...

编程日记 2025/7/23 10:39:27

《FreeRTOS任务删除篇》

任务删除函数源码1. 进入临界区1.1 第一步1.2 第二步1.3 第三步1.4 第四步 2. 获取待删除任务的任务控制块TCB3. 从就绪/延迟列表中删除任务4. 从事件列表中删除任务5. 如果待删除任务是当前运行的任务6. 如果待删除任务是其它任务7. 退出临界区7.1 第一步7.2 第二步7.3 第三步…...

编程日记 2025/7/26 19:39:33

取电快充协议芯片，支持全协议、内部集成LDO支持从UART串口读取电压电流消息

H004D 是一款支持全协议的受电端诱骗取电协议芯片，支持宽电压输入 3.3V~30V，芯片内部集成LDO，可输出 3.3V电压, 支持通过UART 串口读取电压电流，支持定制功能，芯片采用QFN_20封装，线路简单，芯片…...

编程日记 2025/7/24 2:21:45

Linux：自定义Shell

本文旨在通过自己完成一个简单的Shell来帮助理解命令行Shell这个程序。目录一、输出“提示” 二、获取输入三、切割字符串四、执行指令 1.子进程替换 2.内建指令一、输出“提示” 这个项目基于虚拟机Ubuntu22.04.5实现。打开终端界面如图所示。其中。之前&#x…...

编程日记 2025/7/26 11:51:30

git 基础之 merge 和 rebase 的比较

在团队软件开发过程中，代码合并是一个基本且频繁执行的任务。 Git 提供了多种合并代码的策略，其中最常用的是 merge 和 rebase。尽管二者的终极目标是相同的——整合代码变更——它们的方法和推荐的使用场景却有所区别。本文将详细介绍和比较这两种策…...

编程日记 2025/7/26 19:28:03

pve 磁盘选错位置修改

选中磁盘选择磁盘操作，移动存储改到你要迁移的位置，迁移后原来的文件如果没选择删除源不会删除，需要确认数据没问题后选择相应的文件，如果有快照，快照可能也需要提前删除，删除前请做好备份。...

编程日记 2025/7/1 13:45:55

C语言第十二周课——有趣的小程序

目录 1.我是猪关机程序 1.1dos命令（强制关机） 1.2思路 1.3源码 2.猜数字 2.1介绍 2.2思路 2.3源码 1.我是猪关机程序效果:运行程序后电脑在60s后关机，如果输入“我是猪”则取消关机；如果输入“你是猪”则立即关机&…...

编程日记 2025/7/24 21:51:03

【Linux学习】【Ubuntu入门】1-7 ubuntu下磁盘管理

1.准备一个U盘或者SD卡（插上读卡器），将U盘插入主机电脑，右键点击属性，查看U盘的文件系统确保是FAT32格式 2.右键单击ubuntu右下角图标，将U盘与虚拟机连接参考链接 3. Ubuntu磁盘文件：/dev/s…...

编程日记 2025/7/23 22:43:46

解决Windows + Chrome 使用Blob下载大文件时，部分情况下报错net:ERR_FAILED 200 (OK)的问题

背景： 部分线上用户反馈，下载文件会报错，但重启电脑又好了。测试无法复现。遂远程客户，发现在下载超过一定阈值大小的文件时，会报错。但直接点击下载链接，可以正常下载查阅代码，以前的写法是…...

编程日记 2025/7/22 2:20:38

SpringBoot多文件上传

多文件上传是在单文件上传的基础上修改而来，不了解单文件上传可以参考上一篇。以下在将修改部分展示如下： 一、修改upload.html文件： <!DOCTYPE html> <html> <head> <meta charset"UTF-8"> <title&g…...

编程日记 2025/7/23 18:04:03

Jenkins修改LOGO

重启看的LOGO和登录页面左上角的LOGO 进入LOGO存在的目录 [roottest-server01 svgs]# pwd /opt/jenkins_data/war/images/svgs [roottest-server01 svgs]# ll logo.svg -rw-r--r-- 1 jenkins jenkins 29819 Oct 21 10:58 logo.svg #jenkins_data目录是我挂载到了/opt目录&…...

编程日记 2025/7/17 23:38:28

幼儿园管理系统｜Java｜SSM｜Vue｜前后端分离

【重要①】前后端源码万字文档部署文档【重要②】正版源码有问题包售后【包含内容】【一】项目提供非常完整的源码注释【二】相关技术栈文档【三】源码讲解视频【其它服务】【一】可以提供远程部署安装，包扩环境【…...

编程日记 2025/7/26 17:13:19

Unity 实现界面拖拽功能的脚本，通过IDragHandler 实现

using System; using System.Collections.Generic; using UnityEngine; using UnityEngine.EventSystems;namespace Assets.Scripts._1024 {class EVENTdome : MonoBehaviour, IPointerDownHandler, IBeginDragHandler, IDragHandler{//Unity 事件处理的几种方式//1 通过编辑…...

编程日记 2025/7/27 5:04:46

【042A】基于51单片机门禁系统【Proteus仿真+Keil程序+报告+原理图】

☆、设计硬件组成：51单片机最小系统RFID读卡器继电器蜂鸣器LED灯。 1、设计采用STC89C51/52、AT89C51/52、AT89S51/52作为主控芯片； 2、通过RC522读卡器读取IC卡信息，信息匹配继电器吸合门锁打开； 3、可通过上位机对IC卡进行注…...

编程日记 2025/7/26 10:38:53

数据库中的增删改查操作、聚合函数、内置函数、分组查询

数据库中的增删改查操作、聚合函数、内置函数、分组查询 CRUD简介Create 新增语法示例单⾏数据全列插⼊单⾏数据指定列插⼊多⾏数据指定列插⼊ Retrieve 检索语法⽰例构造数据 Select全列查询指定列查询查询字段为表达式为查询结果指定别名语法⽰例结果去重查询 Order by 排序…...

编程日记 2025/7/22 23:41:58

递归------深度优先搜索

深度优先搜索（Depth-First Search，简称DFS）是一种用于遍历或搜索树或图的算法。它从一个顶点开始，尽可能深地搜索树的分支。深度优先搜索沿着一条路径深入，直到无法继续为止，然后回溯并尝试其他路径。这种搜…...

编程日记 2025/7/22 19:48:16

三十一、构建完善微服务——API 网关

一、API 网关基础系统拆分为微服务后，内部的微服务之间是互联互通的，相互之间的访问都是点对点的。如果外部系统想调用系统的某个功能，也采取点对点的方式，则外部系统会非常“头大”。因为在外部系统看来，它不需要也没…...

编程日记 2025/7/26 6:48:18

【大语言模型】ACL2024论文-20 SCIMON：面向新颖性的科学启示机器优化

【大语言模型】ACL2024论文-20 SCIMON：面向新颖性的科学启示机器优化目录文章目录【大语言模型】ACL2024论文-20 SCIMON：面向新颖性的科学启示机器优化目录摘要研究背景问题与挑战如何解决创新点算法模型实验效果推荐阅读指数：★★★★☆ …...

编程日记 2025/7/26 16:50:41

GRU (门控循环单元 - 基于RNN - 简化LSTM又快又好 - 体现注意力的思想) + 代码实现 —— 笔记3.5《动手学深度学习》

目录 0. 前言 1. 门控隐状态 1.1 重置门和更新门 1.2 候选隐状态 1.3 隐状态 2. 从零开始实现 2.1 初始化模型参数 2.2 定义模型 2.3 训练与预测 3 简洁实现 4. 小结 0. 前言课程全部代码（pytorch版）已上传到附件看懂上一篇RNN的所有细节&am…...

编程日记 2025/7/9 1:25:59

C++头文件大全（要是还有请帮忙）

以下是 C 中常见的各类头文件分类列举（但实际远不止这些，随着标准库扩充及第三方库使用会有更多）： 输入 / 输出流相关头文件 <iostream>：用于标准输入输出，定义了 cin、cout 等对象。<fstream>…...

编程日记 2025/7/18 14:19:02

免费好用的静态网页托管平台全面对比介绍

5个免费好用的静态网页托管平台全面对比前言作为一名前端开发者，经常会遇到需要部署静态网页的场景。无论是个人项目展示、简单的游戏demo还是作品集网站，选择一个合适的托管平台都很重要。本文将详细介绍5个免费的静态网页托管平台，帮助…...

编程日记 2025/7/23 1:15:54

【电路笔记 TMS320F28335DSP】开发环境 CCSTUDIO IDE配置+工程配置

下载 CCSTUDIO IDE 安装 CCSTUDIO IDE 直接点击下一步即可 controlSUITE™（可选） controlSUITE™ 软件套件：C2000™ 微控制器的必备软件和开发工具CCS 的 controlSUITE™ 是 Texas Instruments (TI) 提供的一个综合软件平台&…...

编程日记 2025/7/26 23:36:11

org.apache.log4j的日志记录级别和基础使用Demo

org.apache.log4j的日志记录级别和基础使用Demo，本次案例展示，使用是的maven项目，搭建的一个简单的爬虫案例。里面采用了大家熟悉的日志记录插件，log4j。来自apache公司的开源插件。 package com.qian.test;import org.apache.log…...

编程日记 2025/7/27 17:17:24

设计LRU缓存

LRU缓存 LRU缓存的实现思路LRU缓存的操作C11 STL实现LRU缓存自行设计双向链表哈希表 LRU（Least Recently Used，最近最少使用）缓存是一种常见的缓存淘汰算法，其基本思想是：当缓存空间已满时，移除最近最少使…...

编程日记 2025/7/27 18:06:50

shell(7)forwhile

for循环： for i in seq 1 100 do echo $i donefor i in seq 1 100 do 部分： for 是 bash 中的循环关键字，用于开启一个循环结构。 i 是定义的循环变量，在每次循环过程中，它会被赋予不同的值。 seq 1 100 这部分&a…...

编程日记 2025/7/26 23:41:34

VSCode打开c#项目报错：DotnetAcquisitionTimeoutError

VSCode打开c#项目，会自动下载.NET环境，下载不了报超时，详情如下： ms-dotnettools.csharp tried to install .NET 8.0.11~x64 but that install had already been requested. No downloads or changes were made. ms-dotnettools.…...

编程日记 2025/7/27 6:05:20

《生成式 AI》课程作业6 大语言模型（LLM）的训练微调 Fine Tuning -- part1

资料来自李宏毅老师《生成式 AI》课程，如有侵权请通知下线 Introduction to Generative AI 2024 Spring 该文档主要介绍了国立台湾大学（NTU）2024 年春季 “生成式人工智能（GenAI）” 课程的作业 5（GenAI HW…...

编程日记 2025/7/25 14:45:44

SQLynx让数据库变得简单！

SQLynx让数据库管理和开发变得更简单，SQLynx是一款旨在简化飞客使用体验的创新型工具，它为数据库管理者、数据库分析师和开发人员提供了一个直观、易用、高效的平台，首先，SQLynx拥有直观友好的用户界面。无论您是新建还是导表&…...

编程日记 2025/7/23 9:04:18

#Uniapp篇：变量v-if 和 v-show 区别.sync 修饰符宽屏适配指南Pinia内置了

let that this 如果在某些methods中this被指向了其他内容，则需要提前把this赋值给另一个变量，比如let that this。 <script>export default {data() {return {connectedWifi:""}},methods: {buttonClick: function () {const that …...

编程日记 2025/7/27 4:47:46

EMD-KPCA-Transformer多变量回归预测！分解+降维+预测！多重创新！直接写核心！

EMD-KPCA-Transformer多变量回归预测！分解降维预测！多重创新！直接写核心！ 目录 EMD-KPCA-Transformer多变量回归预测！分解降维预测！多重创新！直接写核心！效果一览基本介绍程序设计参…...

编程日记 2025/7/27 7:55:45

【数据结构】二叉树（2）

目录 1. 二叉树的遍历前序遍历中序遍历后序遍历 2. 计算二叉树中的节点个数 3. 计算二叉树中叶子节点个数 4. 计算二叉树的深度 5. 计算二叉树第k层节点个数 6. 二叉树基础练习 7. 二叉树的创建 8. 二叉树的销毁 9. 层序遍历 10. 判断二叉树是否为完全二叉树 1…...

编程日记 2025/7/24 8:52:32

常用服务器运维软件之 WGCLOUD（国产）介绍

WGCLOUD是一款免费开源的运维监控软件，轻量高效，部署方便，上手简单，界面简单流畅 WGCLOUD是国产运维软件，可以适配大部分的信创环境，比如麒麟、统信等操作系统 WGCLOUD具体支持监控的操作系统如下&#x…...

编程日记 2025/7/26 10:26:31

shell

第四章 shell中的变量 4.1 系统变量 1.常用系统变量 $HOME ,$PWD,$SHELL ,$USER 4.2 自定义变量 1.变量值（等号两边没有空格） 2.撤销变量：unset变量 3.声明静态变量：readonly 变量，注意：不能unset 4.变…...

编程日记 2025/7/25 8:10:16

Target-absent Human Attention

Abstract 预测人类注视行为对于构建能够预测用户注意力的人机交互系统非常重要。已经开发出计算机视觉模型来预测人们在搜索目标物体时的注视点。但当目标不存在于图像中时，又该如何处理呢？同样重要的是要了解当人们找不到目标时，他们如何进行搜索，以及何时停止搜索。在本文…...

编程日记 2025/7/23 12:09:11

Objective-C 1.0和2.0有什么区别？

Objective-C ObjC比较小众，在1980年左右由Stepstone公司的Brad Cox和Tom Love发明。后来NeXT公司获得ObjC语言使用权，再后来到1996年NeXT被苹果公司收购也变成苹果公司使用，Mac市场占有率本身就不高，ObjC没有太多程序员。在移动互…...

编程日记 2025/7/27 13:26:13

1 项目背景

2 数据集

3 思路

4 结果

5 代码

相关文章：