Python计算机视觉第九章 图像分割
图像分割
- 1 图割(Graph Cut)
- 1.1 从图像创建图
- 1.2 用户交互式分割
- 2 利用聚类进行分割
- 3 变分法
图像分割是将一幅图像分割成有意义区域的过程。区域可以是图像的前景与背景或图像中一些单独的对象。这些区域可以利用一些诸如颜色、边界或近邻相似性等特征进行构建。本章中,我们将看到一些不同的分割技术。
1 图割(Graph Cut)
图论中的图(graph)是由若干节点(有时也称为顶点)和连接节点的边构成的集合。下图给出了一个示例。边可以是有向的或无向的,并且这些可能有与它们相关联的权重。
图割是将一个有向图分隔成两个互不相交的集合,可以用来解决很多计算机视觉方面的问题,诸如立体深度重建、图像拼接和图像分割等计算机视觉方面的不同问题。从图像像素和像素的近邻创建一个图并引入一个能量或代价函数,我们有可能利用图割方法将图像分割成两个或多个区域。图割的基本思想是,相似且彼此相近的像素应该划分到同一区域。
图割C(C是图中所有边的集合)的代价函数定义为所有割边的权重求和相加:wij是图中节点i到节点j的边(i,j)的权重,并且是对割C所以的边进行求和。
图割图像分割的思想是用图来表示图像,并对图进行划分以使得代价Ecut最小。在用图表示图像时,增加两个额外的节点,即源点和汇点;并仅考虑那些将源点和汇点分开的割。
寻找最小割(minimum cut)等同于在源点和汇点间寻找最大流(maximum flow)。此外,很多高效的算法都可以解决这些最大流、最小割的问题。
这里给出一个用python-graph工具包计算一幅较小的图的最大流、最小割的简单例子(上面的图例):
from pygraph.classes.digraph import digraph
from pygraph.algorithms.minmax import maximum_flowgr = digraph()
gr.add_nodes([0,1,2,3])gr.add_edge((0,1), wt=4)
gr.add_edge((1,2), wt=3)
gr.add_edge((2,3), wt=5)
gr.add_edge((0,2), wt=3)
gr.add_edge((1,3), wt=4)
flows,cuts = maximum_flow(gr, 0, 3)
print ('flow is:' , flows)
print ('cut is:' , cuts)
首先创建有4个节点的有向图,4个节点的索引分别0…3,然后用add_edge()增添边并为每条边指定特定的权重。边的权重用来衡量边的最大流容量。以节点0为源点,3为汇点,计算最大流。上面两个python字典包含了流穿过每条边和每个节点的标记:0是包含源点的部分,1是与汇点相连的节点。你可以手工验证这个割确实是最小的。
1.1 从图像创建图
给定一个邻域结构,我们可以利用图像像素作为节点定义一个图。这里我们将集中讨论最简单的像素四邻域和两个图像区域(前景和背景)情况。一个四邻域(4-neighborhood)指一个像素与其正上方、正下方、左边、右边的像素直接相连。
除了像素节点外,我们还需要两个特定的节点——源点和汇点,来分别代表图像的前景和背景。我们将利用一个简单的模型将所有像素与源点、汇点连接起来。
下面给出创建这样一个图的步骤:
1.每个像素节点都有一个从源点的传入边;
2.每个像素节点都有一个到汇点的传出边;
3.每个像素节点都有一条传入边和传出边连接到它的近邻。
为确定边的权重,需要一个能够确定这些像素点之间,像素点与源点、汇点之间边的权重(表示那条边的最大流)的分割模型。与前面一样,像素i与像素j之间的边的权重记为wij,源点到像素i的权重记为wsi,像素i到汇点的权重记为wit。
让我们先回顾一下上一章中在像素颜色值上用朴素贝叶斯分类器进行分类的知识。假定我们已经在前景和背景像素(从同一图像或从其他的图像)上训练出了一个贝叶斯分类器,我们就可以为前景和背景计算概率pF(Ii)和pB(Ii)。这里,Ii是像素i的颜色向量。
现在我们可以为边的权重建立如下模型: 利用该模型,可以将每个像素和前景及背景(源点和汇点)连接起来,权重等于上面归一化后的概率。wij描述了近邻间像素的相似性,相似像素权重趋近与k,不相似的趋近于0。参数σ表征了随着不相似性的增加,指数次幂衰减到0的快慢。
下面创建一个名为 graphcut.py 的文件,从一幅图像中创建图的函数:
from pygraph.classes.digraph import digraph
from pygraph.algorithms.minmax import maximum_flow
import bayesdef build_bayes_graph(im,labels,sigma=1e2,kappa=2):"""从像素四邻域建立一个图,前景和背景(前景用1标记,背景用-1标记,其他的用0标记)由labels决定,并用朴素贝叶斯分类器建模"""m,n = im.shape[:2]#每行是一个像素的RGB向量vim = im.reshape((-1,3))#前景和背景(RGB)foreground = im[labels==1].reshape((-1,3))background = im[labels==-1].reshape((-1,3))train_data = [foreground,background]#训练朴素贝叶斯分类器bc = bayes.BayesClassifier()bc.train(train_data)#获取所有像素的概率bc_labels,prob = bc.classify(vim)prob_fg = prob[0]prob_bg = prob[1]#用m*n+2个节点创建图gr = digraph()gr.add_node(range(m*n+2))source = m*n #倒数第二个是源点sink = m*n+1 #最后一个节点是汇点#归一化for i in range(vim.shape[0]):vim[i] = vim[i]/linalg.norm(vim[i])#遍历所有的节点,并添加边for i in range(m*n):#从源点添加边gr.add_edge((source,i),wt=(prob_fg[i]/(prob_fg[i]+prob_bg[i])))#向汇点添加边gr.add_edge((i,sink),wt=(prob_bg[i]/(prob_fg[i]+prob_bg[i])))#向相邻节点添加边if i%n !=0 : #左边存在edge_wt = kappa*exp(-1.0*sum((vim[i]-vim[i-1])**2)/sigma)gr.add_edge((i,i-1),wt=edge_wt)if (i+1)%n !=0 : #右边存在edge_wt = kappa*exp(-1.0*sum((vim[i]-vim[i+1])**2)/sigma)gr.add_edge((i,i+1),wt=edge_wt)if i//n !=0 : #上边存在edge_wt = kappa*exp(-1.0*sum((vim[i]-vim[i-n])**2)/sigma)gr.add_edge((i,i-n),wt=edge_wt)if i//n !=m-1 : #下左边存在edge_wt = kappa*exp(-1.0*sum((vim[i]-vim[i+n])**2)/sigma)gr.add_edge((i,i+n),wt=edge_wt)return gr
在这个函数中,用1标记前景训练数据、用-1标记背景训练数据的一幅标记图像。基于这种标记,在RGB值上可以训练出一个朴素贝叶斯分类器,然后计算每一像素的分类概率,这些计算出的分类概率便是从源点出来和到汇点去的边的权重,由此可以创建一个节点为n*m+2的图。注意源点和汇点的索引,为了简化像素的索引,将最后的两个索引作为源点和汇点的索引。
为了在图像上可视化覆盖的标记区域,可以利用contourf()函数填充图像(这里指带标记图像)等高线间的区域,参数alpha用于设置透明度。图建立起来后便需要在最优位置对图进行分割,cut_graph() 函数可以计算最小割并将输出结果重新格式化为一个带像素标记的二值图像。 添加下面的内容到 graphcut.py 中:
def show_labeling(im, labels):"""显示图像的前景和背景区域。前景labels=1,背景labels=-1,其他labels=0"""imshow(im)contour(labels, [-0.5, 0.5])contourf(labels, [-1, -0.5], colors='b', alpha=0.25)contourf(labels, [0.5, 1], colors='r', alpha=0.25)axis('off')def cut_graph(gr, imsize):"""用最大流对图gr进行分割,并返回分割结果的二值标记"""m, n = imsizesource = m * n # 倒数第二个节点是源点sink = m * n + 1 # 倒数第一个是汇点# 对图进行分割flows, cuts = maximum_flow(gr, source, sink)# 将图转为带有标记的图像res = zeros(m * n)for pos, label in cuts.items()[:-2]: # 不要添加源点/汇点res[pos] = labelreturn res.reshape((m, n))
需要再次注意源点和汇点的索引,需要将图像的尺寸作为输入去计算这些索引,在返回分割结果之前要对输出结果进行reshape()操作。割以字典返回,需要将它复制到分割标记图像中,这通过返回列表(键,值)的.iten() 方法完成。
编写实验代码:读取一幅图像,从图像的两个矩形区域估算出类概率,然后创建一个图:
from scipy.misc import imresize
from PCV.tools import graphcut
from PIL import Image
from numpy import *
from pylab import *im = array(Image.open("empire.jpg"))
im = imresize(im, 0.07, interp='bilinear')
size = im.shape[:2]
# add two rectangular training regions
labels = zeros(size)
labels[3:18, 3:18] = -1
labels[-18:-3, -18:-3] = 1
# create graph
g = graphcut.build_bayes_graph(im, labels, kappa=2) # k决定领进像素间的相对权重# cut the graph
res = graphcut.cut_graph(g, size)
figure()
graphcut.show_labeling(im, labels)
figure()
imshow(res)
gray()
axis('off')
show()
变量kappa(方程中的K)决定了近邻像素间边的相对权重。上图k值为1,改变K值分割的效果如下所示,分别是k=2和k=5的情况;随着K值增大,分割边界将变得更平滑,并且细节部分也逐步丢失。你可以选择根据自己应用的需要及想要获得的结果类型来选择合适的K值。
1.2 用户交互式分割
利用一些方法可以将图割分割与用户交互结合起来,形成用户交互式分割。例如,用户可以在一幅图像上为前景和背景提供一些标记。另一种方法就是利用边界框或“lasso”工具选择一个包含前景的区域。
下面给出一个完整的例子。实验会载入一幅图像及对应的标注信息,然后将其传递到我们的图割路径中:
from scipy.misc import imresize
from PCV.tools import graphcut
from PIL import Image
from numpy import *
from pylab import *def create_msr_labels(m, lasso=False):""" Create label matrix for training fromuser annotations. """labels = zeros(im.shape[:2])# backgroundlabels[m == 0] = -1labels[m == 64] = -1# foregroundif lasso:labels[m == 255] = 1else:labels[m == 128] = 1return labels# load image and annotation map
im = array(Image.open('empire.jpg'))
m = array(Image.open('empire.bmp'))
# resize
scale = 0.1
im = imresize(im, scale, interp='bilinear')
m = imresize(m, scale, interp='nearest')
# create training labels
labels = create_msr_labels(m, False)
# build graph using annotations
g = graphcut.build_bayes_graph(im, labels, kappa=2)# cut graph
res = graphcut.cut_graph(g, im.shape[:2])
# remove parts in background
res[m == 0] = 1
res[m == 64] = 1# plot the result
figure()
imshow(res)
gray()
xticks([])
yticks([])
savefig('labelplot.pdf')
从上面结果可知,前景和背景容易分开色彩反差较大的图像中,图像分割得比较好,但是在颜色复杂的图像中,分割效果并没有那么好。
2 利用聚类进行分割
上一节的图割问题通过在图像的图上利用最大流、最小割找到了一种离散解决方案。在本节,我们将看到另一种分割图像图的方法,即基于谱图理论的归一化分割算法,它将像素相似和空间近似结合起来对图像进行分割。
该方法来自定义一个分割损失函数,该损失函数不仅考虑了组的大小而且还用划分的大小对该损失函数进行“归一化”。该归一化后的分割公式将上一节方程中分割损失函数修改为:A 和 B 表示两个割集,并在图中分别对A 和 B 中所有其他节点(函数进行“归一化”这里指图像像素)的权重求和相加,相加求和项称为 association。对于那些像素与其他像素具有相同连接数的图像,它是对划分大小的一种粗糙度量方式。
定义w为边的权重矩阵,矩阵中的元素wij为连接像素i和像素j边的权重。D为对w每行元素求和后构成的对角矩阵,即。归一化分割可以通过最小化下面的优化问题而求得:向量y包含的是离散标记,这些离散标记满足对于b为常熟(即y只可以取这两个值)的约束,yTD求和为0.由于这些约束条件,该问题不太容易求解。
通过松弛约束条件并让y yy取任意实数,该问题可以变为一个容易求解的特征分解问题。这样求解的缺点是你需要对输出设定阈值或进行聚类,使它重新成为一个离散分割。
松弛该问题后,该问题便成为求解拉普拉斯矩阵特征向量问题:正如谱聚类情形一样,现在的难点是如何定义像素间边的权重wij。利用原始归一化割中的边的权重,通过下式给出连接像素i和像素j的边的权重:式中第一部分度量像素Ii和Ij之间的像素相似性,I_i(I_j)定义为RGB向量或灰度值;第二部分度量图像中xi和xj的接近程度,xi(xj)定义了每个像素的坐标矢量,缩放因子σ g和σd决定了相对尺度和每一部件趋近0的快慢。
# -*- coding: utf-8 -*-from pygraph.classes.digraph import digraph
from pygraph.algorithms.minmax import maximum_flow
import bayes
import numpy
import scipydef ncut_graph_matrix(im,sigma_d=1e2,sigma_g=1e-2):"""创建用于归一化割的矩阵,其中sigma_d和sigma_g是像素距离和像素相似性的权重参数"""m,n = im.shape[:2]N = m*n#归一化,并创建RGB或灰度特征向量if len(im.shape)==3:for i in range(3):im[:,:,i] = im[:,:,i] / im[:,:,i].max()vim = im.reshape((-1,3))else:im = im / im.max()vim = im.flatten()#x,y坐标用于距离计算xx,yy = meshgrid(range(n),range(m))x,y = xx.flatten(),yy.flatten()#创建边线权重矩阵W = zeros((N,N),'f')for i in range(N):for j in range(i,N):d = (x[i]-x[j])**2+(y[i]-y[j])**2W[i,j] = W[j,i] = exp(-1.0*sum((vim[i]-vim[j])**2)/sigma_g)*exp(-d/sigma_d)return W
这个函数获取图像数组,并利用输入的彩色图像RGB值或灰度图像的灰度值创建一个特征向量。由于边的权重包含了距离部件,对于每个像素的特征向量,利用meshgrid()函数来获取x和y的值,然后该函数会在N个像素数上循环,并在N×N归一化割矩阵W中填充值。
可以顺序分割每个特征向量或获取一些特征向量对它们进行聚类来计算分割结果。这里选择第二种方法,它不需要修改任意分割数也能正常工作。将拉普拉斯矩阵进行特征分解后的前ndim个特征向量合并在一起构成矩阵W,并对这些像素进行聚类。下面函数实现了这种聚类过程:
def cluster(S,k,ndim):""" 从相似性矩阵进行谱聚类 """# 检查对称性if sum(abs(S-S.T)) > 1e-10:print 'not symmetric'# 创建拉普拉斯矩阵rowsum = sum(abs(S),axis=0)D = diag(1 / sqrt(rowsum + 1e-6))L = dot(D,dot(S,D))# 计算 L 的特征向量U,sigma,V = linalg.svd(L,full_matrices=False)# 从前 ndim 个特征向量创建特征向量# 堆叠特征向量作为矩阵的列features = array(V[:ndim]).T# k-meansfeatures = whiten(features)centroids,distortion = kmeans(features,k)code,distance = vq(features,centroids)return code,V
# -*- coding: utf-8 -*-
from numpy import *
from PIL import Image
from PCV.tools import graphcut
import ncut
from scipy.misc import imresize
from pylab import *im = array(Image.open("C-uniform01.ppm"))
m,n = im.shape[:2]#调整图像的尺寸大小为(wid,wid)
wid = 50
rim = imresize(im,(wid,wid),interp='bilinear')
rim = array(rim,'f')#创建归一化割矩阵
A = ncut.ncut_graph_matrix(rim,sigma_d=1,sigma_g=1e-2)#聚类
code,V = ncut.cluster(A,k=3,ndim=3)#变换到原来的图像大小
codeim = imresize(code.reshape(wid,wid),(m,n),interp='nearest')#绘制分割结果
figure()
subplot(121)
imshow(im)
title('分割前图像')
subplot(122)
imshow(codeim)
title('分割后图像')
gray()
show()
上面实验利用归一化分割算法分割图像,用到了静态手势“C”、“拳头”和小人图像,聚类数k均设置为3,都会显示三部分信息,把上面的图像都分成三部分。在上面的结果中,保持所有参数都一致,只修改了图像的内容,对图像进行阈值处理不会给出相同的结果,对RGB值或灰度值进行聚类也一样,其中原因是它们没有考虑像素的近邻。
3 变分法
诸如 ROF 降噪、K-means 和 SVM 的例子,这些都是优化问题。当优化的对象是函数时,该问题称为变分问题,解决这类问题的算法称为变分法。 我们看一个简单而有效的变分模型。
下面看一个简单而有效的变分模型。Chan-Vese 分割模型对于待分割图像区域假定一个分片常数图像模型。这里我们集中关注两个区域的情形,比如前景和背景,不过这个模型也可以拓展到多区域。
如果我们用一组曲线Γ将图像分离成两个区域Ω1和Ω2,分割是通过最小化 Chan-Vese 模型能量函数给出的:该能量函数用来度量与内部平均灰度常数 c1 和外部平均灰度常数 c2 的偏差。这里这两个积分是对各自区域的积分,分离曲线 Γ 的长度用以选择更平滑的方案。
from PIL import Image
from PCV.tools import graphcut
from PCV.tools import rof
from scipy.misc import imresize
from pylab import *im = array(Image.open("boy_on_hill.jpg").convert('L'))
U,T = rof.denoise(im,im,tolerance=0.01)
t = 0.4 #阈值
title('Original Image')
imshow(im)
import scipy.misc
scipy.misc.imsave('result.pdf',U<t*U.max())
为确保得到足够的迭代次数,调低ROF迭代终止时的容忍阈值。利用ROF降噪最小化CV模型,得到如上面的分割结果。可以看出,图像灰度级越复杂,ROF迭代次数越多,降噪过程越久。
如若内容造成侵权/违法违规/事实不符,请联系编程学习网邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
相关文章
- web3js环境搭建
一、第一个web3程序创建一个目录执行npm init -y生成初始的json文件下载web3组件到当前项目目录执行npm install web3 --save (如果后续需要做网页需要执行npm install express -save)建立一个app.js文件在该文件里写响应的功能js代码var Web3 = require(web3); var express …...
2024/5/6 0:33:27 - Mac安装mongodb及mongodb compass
下载数据库服务器:https://www.mongodb.com/try/download/community下载客户端工具(图形用户界面)https://www.mongodb.com/try/download/tools解压服务器,复制到“应用”打开,找到mongodb,打开,手动建立文件夹,将来存放数据文件。打开终端工具进入bin目录cd /Applicat…...
2024/3/21 11:23:56 - springboot中接收json数据,用集合存储数据
前端通过JSON.stringify(" ");将数据转化为json传给后台,后台通过在方法体中声明@RequestBody JSONObject josn参数接收数据, 通过List<String> list=Arrays.asList(josn.get("ids").toString().split(","));将接收数据用集合存储,&qu…...
2024/4/30 1:44:11 - solidity实现成绩单合约
学习了solidity语法之后简单地写了一个合约,该合约可以实现对学生成绩单的增删改查,后续会更新web3js的处理,记录操作者的日志信息 pragma solidity >0.4.24;contract Report{//定义一个合约,该合约具有合约地址,地址映射到学生的成绩单address Saddress;mapping(addre…...
2024/3/21 21:50:36 - 启动hive出现 ls: 无法访问/opt/module/spark/lib/spark-assembly-*.jar: 没有那个文件或目录
启动hive的时候出现如下错误 [root@Bigdata01 bin]# hive ls: 无法访问/opt/module/spark/lib/spark-assembly-*.jar: 没有那个文件或目录 20/09/03 20:29:03 WARN conf.HiveConf: HiveConf of name hive.metastore.local does not existLogging initialized using configurati…...
2024/3/24 12:34:22 - CMMI 第一章软件工程基础的内容梳理
** CMMI 第一章软件工程基础的内容梳理 ** 基于质量管理、项目管理与CMMI的理解 软件工程基本原理 #七条基本原则: 1,按照软件生命周期的阶段划分制定计划,严格依据计划进行管理 2,坚持进行阶段评审 3,实行严格的产品控制 4,采用现代程序设计技术 5,结果应能清楚地审查 …...
2024/4/24 8:45:25 - 棋盘覆盖
棋盘覆盖 1、问题描述 在棋盘覆盖问题中,要用图示的4种不同形态的L型骨牌覆盖给定的特殊棋盘上除特殊方格以外的所有方格,且任何2个L型骨牌不得重叠覆盖。在一个2k2k 个方格组成的棋盘中,恰有一个方格与其它方格不同,称该方格为一特殊方格,且称该棋盘为一特殊棋盘。2、分析…...
2024/4/4 20:09:55 - Graph Embedding:word2vec更进一步?
word2vec和由其衍生出的item2vec是embedding技术的基础性方法,但二者都是建立在“序列”样本(比如句子、推荐列表)的基础上的。而在互联网场景下,数据对象之间更多呈现的是图结构。 参考材料,详细解读见链接。 深度学习中不得不学的Graph Embedding方法 1.经典的Graph Emb…...
2024/4/30 13:14:50 - QEMU Device Tree ——基础规范
文章目录DTS规范节点名节点路径属性通用属性compatiblephandle#address-cells,#size-cellsreg设备属性DTBFormatHeaderMemory Reservation BlockStructure BlockStrings Block嵌入式设备的引导过程中,通常使用设备树来传递无法被自动探测的板级硬件信息,其作用和PC的ACPI类似…...
2024/3/22 0:54:39 - 图解进程线程、互斥锁与信号量-看完不懂你来打我
在上学的时候,老师讲到进程与线程的时候可能是这样讲的: 进程是一个具有一定独立功能的程序在一个数据集上的一次动态执行的过程,是操作系统进行资源分配和调度的一个独立单元,是应用程序运行的载体。 线程是程序执行中一个单一的顺序控制流程,是程序执行流的最小单元,是…...
2024/4/27 19:57:05 - 【python】glob标准库使用,提取满足条件的目录或文件
glob 文件名模式匹配,不用遍历整个目录判断每个文件是不是符合。 例子: 文件结构如下,使用glob读取files下vgg开头且后面为单个数字的文件代码如下,?表示匹配单个字符 from glob import glob for name in glob(files/vgg?.txt):print(name)输出files\vgg1.txt files\vgg2…...
2024/4/29 20:08:48 - 学习笔记(一):Win10下用UEFI安装Ubuntu双系统
一,Win10下用UEFI安装Ubuntu双系统 二,安装Ubuntu时,提示“没有根文件系统 ” 三,win10与ubuntu16.04双系统下修改默认系统启动项...
2024/4/27 6:43:29 - SpringMVC的请求-获得请求参数-请求参数类型
客户端请求参数的格式是:name=value&name=value……服务器端要获得请求的参数,有时还需要进行数据的封装,SpringMVC可以接收如下类型的参数基本类型参数POJO类型参数数组类型参数集合类型参数...
2024/4/23 23:27:01 - 计算机网络常见面试问题 —— HTTP状态码以及常见的请求字段
HTTP状态码以及常见的请求字段HTTP状态码以及常见的请求字段1、HTTP 概述和特征1、HTTP状态码2、HTTP常见的请求字段参考 HTTP状态码以及常见的请求字段 1、HTTP 概述和特征 HTTP 概述HTTP协议是Hyper Text Transfer Protocol(超文本传输协议)的缩写,是用于从万维网(WWW:Wor…...
2024/3/30 22:55:50 - 03 Mybatis入门程序
1. 配置SqlMapConfig配置数据库连接相关信息 <?xml version="1.0" encoding="UTF-8"?> <!DOCTYPE configuration PUBLIC "-//mybatis.org//DTD Config 3.0//EN" "http://mybatis.org/dtd/mybatis-3-config.dtd"> <c…...
2024/3/23 21:35:53 - web开发学习资源整理总结
点击链接获取网盘提取码 腾讯大牛整理的web前后端漏洞分析防御 https://pan.baidu.com/s/1W-CkkTc3IysKn2Sab8hVBQ 从四个维度带你了解前端webpack3.0工程化开发 https://pan.baidu.com/s/1WalzWdoUSLL1SBVQIecHMw Web自动化测试selenium到企业级应用 https://pan.baidu.com/s/…...
2024/4/28 13:25:05 - Android-gradle plugin
agp大家常说的agp其实就是Android-Gradle-Plugin的缩写,在项目中的配置就是在根目录下的build.gradle文件中的dependencies中配置的classpath “com.android.tools.build:gradle:xxx”,在根目录build.gradle的dependencies中配置好agp后就能在任意module的build.gradle文件中…...
2024/5/3 11:31:49 - ORAN专题系列-16:5G O-RAN FrontHaul前传接口的网络配置管理协议netconf
前言前传接口(FrontHual)是传统的BBU与RU之间的接口,在O-RAN之前,前传接口虽然定义了物理连接的CPRI接口规范标准,但CPRI之上承载的M plane的配置管理数据格式,却是设备厂家私有的。有基于TCP的、有基于UDP的,有基于http协议的,自定义格式的,总之,不同的厂家,没有统…...
2024/5/2 8:35:49 - Spring开发学习整理总结
点击链接获取网盘提取码 Spring团购案例 https://pan.baidu.com/s/1vUzZe2KdVt3LxikXSGpV4g Springboot微信点餐系统 https://pan.baidu.com/s/1aXBlgDnUEy27X6PQv-V0QA Springboot技术栈企业博客前后端 https://pan.baidu.com/s/1I1KoJZidqo_3UsMgaPGIIA Spring团购 https://p…...
2024/4/24 2:57:30 - python用list中的数据画数据分布直方图
from matplotlib import pyplot as plt# 参数依次为list,抬头,X轴标签,Y轴标签,XY轴的范围 def draw_hist(myList,Title,Xlabel,Ylabel,Xmin,Xmax,Ymin,Ymax):plt.hist(myList,100)plt.xlabel(Xlabel)plt.xlim(Xmin,Xmax)plt.ylabel(Ylabel)plt.ylim(Ymin,Ymax)plt.title(Title…...
2024/4/23 20:06:27
最新文章
- 体育老师工资高吗,奖金有吗
教师的薪资水平与多种因素相关,包括教育经验、工作地点、学校类型以及个人的教学成果等。在讨论体育教师的工资问题时,不能仅仅关注数字,更应了解教育价值和个人发展。 初中体育教师的工资水平受多种因素影响。根据网络统计的数据,…...
2024/5/6 20:27:38 - 梯度消失和梯度爆炸的一些处理方法
在这里是记录一下梯度消失或梯度爆炸的一些处理技巧。全当学习总结了如有错误还请留言,在此感激不尽。 权重和梯度的更新公式如下: w w − η ⋅ ∇ w w w - \eta \cdot \nabla w ww−η⋅∇w 个人通俗的理解梯度消失就是网络模型在反向求导的时候出…...
2024/5/6 9:38:23 - JRT高效率开发
得益于前期的基础投入,借助代码生成的加持,本来计划用一周实现质控物维护界面,实际用来四小时左右完成质控物维护主体,效率大大超过预期。 JRT从设计之初就是为了证明Spring打包模式不适合软件服务模式,觉得Spring打包…...
2024/5/5 21:03:09 - ASP.NET Core 标识(Identity)框架系列(一):如何使用 ASP.NET Core 标识(Identity)框架创建用户和角色?
前言 ASP.NET Core 内置的标识(identity)框架,采用的是 RBAC(role-based access control,基于角色的访问控制)策略,是一个用于管理用户身份验证、授权和安全性的框架。 它提供了一套工具和库&…...
2024/5/5 15:45:29 - 416. 分割等和子集问题(动态规划)
题目 题解 class Solution:def canPartition(self, nums: List[int]) -> bool:# badcaseif not nums:return True# 不能被2整除if sum(nums) % 2 ! 0:return False# 状态定义:dp[i][j]表示当背包容量为j,用前i个物品是否正好可以将背包填满ÿ…...
2024/5/6 18:23:10 - 【Java】ExcelWriter自适应宽度工具类(支持中文)
工具类 import org.apache.poi.ss.usermodel.Cell; import org.apache.poi.ss.usermodel.CellType; import org.apache.poi.ss.usermodel.Row; import org.apache.poi.ss.usermodel.Sheet;/*** Excel工具类** author xiaoming* date 2023/11/17 10:40*/ public class ExcelUti…...
2024/5/6 18:40:38 - Spring cloud负载均衡@LoadBalanced LoadBalancerClient
LoadBalance vs Ribbon 由于Spring cloud2020之后移除了Ribbon,直接使用Spring Cloud LoadBalancer作为客户端负载均衡组件,我们讨论Spring负载均衡以Spring Cloud2020之后版本为主,学习Spring Cloud LoadBalance,暂不讨论Ribbon…...
2024/5/5 19:59:54 - TSINGSEE青犀AI智能分析+视频监控工业园区周界安全防范方案
一、背景需求分析 在工业产业园、化工园或生产制造园区中,周界防范意义重大,对园区的安全起到重要的作用。常规的安防方式是采用人员巡查,人力投入成本大而且效率低。周界一旦被破坏或入侵,会影响园区人员和资产安全,…...
2024/5/6 7:24:07 - VB.net WebBrowser网页元素抓取分析方法
在用WebBrowser编程实现网页操作自动化时,常要分析网页Html,例如网页在加载数据时,常会显示“系统处理中,请稍候..”,我们需要在数据加载完成后才能继续下一步操作,如何抓取这个信息的网页html元素变化&…...
2024/5/5 15:25:47 - 【Objective-C】Objective-C汇总
方法定义 参考:https://www.yiibai.com/objective_c/objective_c_functions.html Objective-C编程语言中方法定义的一般形式如下 - (return_type) method_name:( argumentType1 )argumentName1 joiningArgument2:( argumentType2 )argumentName2 ... joiningArgu…...
2024/5/6 6:01:13 - 【洛谷算法题】P5713-洛谷团队系统【入门2分支结构】
👨💻博客主页:花无缺 欢迎 点赞👍 收藏⭐ 留言📝 加关注✅! 本文由 花无缺 原创 收录于专栏 【洛谷算法题】 文章目录 【洛谷算法题】P5713-洛谷团队系统【入门2分支结构】🌏题目描述🌏输入格…...
2024/5/6 7:24:06 - 【ES6.0】- 扩展运算符(...)
【ES6.0】- 扩展运算符... 文章目录 【ES6.0】- 扩展运算符...一、概述二、拷贝数组对象三、合并操作四、参数传递五、数组去重六、字符串转字符数组七、NodeList转数组八、解构变量九、打印日志十、总结 一、概述 **扩展运算符(...)**允许一个表达式在期望多个参数࿰…...
2024/5/6 1:08:53 - 摩根看好的前智能硬件头部品牌双11交易数据极度异常!——是模式创新还是饮鸩止渴?
文 | 螳螂观察 作者 | 李燃 双11狂欢已落下帷幕,各大品牌纷纷晒出优异的成绩单,摩根士丹利投资的智能硬件头部品牌凯迪仕也不例外。然而有爆料称,在自媒体平台发布霸榜各大榜单喜讯的凯迪仕智能锁,多个平台数据都表现出极度异常…...
2024/5/6 20:04:22 - Go语言常用命令详解(二)
文章目录 前言常用命令go bug示例参数说明 go doc示例参数说明 go env示例 go fix示例 go fmt示例 go generate示例 总结写在最后 前言 接着上一篇继续介绍Go语言的常用命令 常用命令 以下是一些常用的Go命令,这些命令可以帮助您在Go开发中进行编译、测试、运行和…...
2024/5/6 0:27:44 - 用欧拉路径判断图同构推出reverse合法性:1116T4
http://cplusoj.com/d/senior/p/SS231116D 假设我们要把 a a a 变成 b b b,我们在 a i a_i ai 和 a i 1 a_{i1} ai1 之间连边, b b b 同理,则 a a a 能变成 b b b 的充要条件是两图 A , B A,B A,B 同构。 必要性显然࿰…...
2024/5/6 7:24:04 - 【NGINX--1】基础知识
1、在 Debian/Ubuntu 上安装 NGINX 在 Debian 或 Ubuntu 机器上安装 NGINX 开源版。 更新已配置源的软件包信息,并安装一些有助于配置官方 NGINX 软件包仓库的软件包: apt-get update apt install -y curl gnupg2 ca-certificates lsb-release debian-…...
2024/5/6 7:24:04 - Hive默认分割符、存储格式与数据压缩
目录 1、Hive默认分割符2、Hive存储格式3、Hive数据压缩 1、Hive默认分割符 Hive创建表时指定的行受限(ROW FORMAT)配置标准HQL为: ... ROW FORMAT DELIMITED FIELDS TERMINATED BY \u0001 COLLECTION ITEMS TERMINATED BY , MAP KEYS TERMI…...
2024/5/6 19:38:16 - 【论文阅读】MAG:一种用于航天器遥测数据中有效异常检测的新方法
文章目录 摘要1 引言2 问题描述3 拟议框架4 所提出方法的细节A.数据预处理B.变量相关分析C.MAG模型D.异常分数 5 实验A.数据集和性能指标B.实验设置与平台C.结果和比较 6 结论 摘要 异常检测是保证航天器稳定性的关键。在航天器运行过程中,传感器和控制器产生大量周…...
2024/5/6 7:24:03 - --max-old-space-size=8192报错
vue项目运行时,如果经常运行慢,崩溃停止服务,报如下错误 FATAL ERROR: CALL_AND_RETRY_LAST Allocation failed - JavaScript heap out of memory 因为在 Node 中,通过JavaScript使用内存时只能使用部分内存(64位系统&…...
2024/5/5 17:03:52 - 基于深度学习的恶意软件检测
恶意软件是指恶意软件犯罪者用来感染个人计算机或整个组织的网络的软件。 它利用目标系统漏洞,例如可以被劫持的合法软件(例如浏览器或 Web 应用程序插件)中的错误。 恶意软件渗透可能会造成灾难性的后果,包括数据被盗、勒索或网…...
2024/5/5 21:10:50 - JS原型对象prototype
让我简单的为大家介绍一下原型对象prototype吧! 使用原型实现方法共享 1.构造函数通过原型分配的函数是所有对象所 共享的。 2.JavaScript 规定,每一个构造函数都有一个 prototype 属性,指向另一个对象,所以我们也称为原型对象…...
2024/5/6 7:24:02 - C++中只能有一个实例的单例类
C中只能有一个实例的单例类 前面讨论的 President 类很不错,但存在一个缺陷:无法禁止通过实例化多个对象来创建多名总统: President One, Two, Three; 由于复制构造函数是私有的,其中每个对象都是不可复制的,但您的目…...
2024/5/6 7:24:01 - python django 小程序图书借阅源码
开发工具: PyCharm,mysql5.7,微信开发者工具 技术说明: python django html 小程序 功能介绍: 用户端: 登录注册(含授权登录) 首页显示搜索图书,轮播图࿰…...
2024/5/5 17:03:21 - 电子学会C/C++编程等级考试2022年03月(一级)真题解析
C/C++等级考试(1~8级)全部真题・点这里 第1题:双精度浮点数的输入输出 输入一个双精度浮点数,保留8位小数,输出这个浮点数。 时间限制:1000 内存限制:65536输入 只有一行,一个双精度浮点数。输出 一行,保留8位小数的浮点数。样例输入 3.1415926535798932样例输出 3.1…...
2024/5/6 16:50:57 - 配置失败还原请勿关闭计算机,电脑开机屏幕上面显示,配置失败还原更改 请勿关闭计算机 开不了机 这个问题怎么办...
解析如下:1、长按电脑电源键直至关机,然后再按一次电源健重启电脑,按F8健进入安全模式2、安全模式下进入Windows系统桌面后,按住“winR”打开运行窗口,输入“services.msc”打开服务设置3、在服务界面,选中…...
2022/11/19 21:17:18 - 错误使用 reshape要执行 RESHAPE,请勿更改元素数目。
%读入6幅图像(每一幅图像的大小是564*564) f1 imread(WashingtonDC_Band1_564.tif); subplot(3,2,1),imshow(f1); f2 imread(WashingtonDC_Band2_564.tif); subplot(3,2,2),imshow(f2); f3 imread(WashingtonDC_Band3_564.tif); subplot(3,2,3),imsho…...
2022/11/19 21:17:16 - 配置 已完成 请勿关闭计算机,win7系统关机提示“配置Windows Update已完成30%请勿关闭计算机...
win7系统关机提示“配置Windows Update已完成30%请勿关闭计算机”问题的解决方法在win7系统关机时如果有升级系统的或者其他需要会直接进入一个 等待界面,在等待界面中我们需要等待操作结束才能关机,虽然这比较麻烦,但是对系统进行配置和升级…...
2022/11/19 21:17:15 - 台式电脑显示配置100%请勿关闭计算机,“准备配置windows 请勿关闭计算机”的解决方法...
有不少用户在重装Win7系统或更新系统后会遇到“准备配置windows,请勿关闭计算机”的提示,要过很久才能进入系统,有的用户甚至几个小时也无法进入,下面就教大家这个问题的解决方法。第一种方法:我们首先在左下角的“开始…...
2022/11/19 21:17:14 - win7 正在配置 请勿关闭计算机,怎么办Win7开机显示正在配置Windows Update请勿关机...
置信有很多用户都跟小编一样遇到过这样的问题,电脑时发现开机屏幕显现“正在配置Windows Update,请勿关机”(如下图所示),而且还需求等大约5分钟才干进入系统。这是怎样回事呢?一切都是正常操作的,为什么开时机呈现“正…...
2022/11/19 21:17:13 - 准备配置windows 请勿关闭计算机 蓝屏,Win7开机总是出现提示“配置Windows请勿关机”...
Win7系统开机启动时总是出现“配置Windows请勿关机”的提示,没过几秒后电脑自动重启,每次开机都这样无法进入系统,此时碰到这种现象的用户就可以使用以下5种方法解决问题。方法一:开机按下F8,在出现的Windows高级启动选…...
2022/11/19 21:17:12 - 准备windows请勿关闭计算机要多久,windows10系统提示正在准备windows请勿关闭计算机怎么办...
有不少windows10系统用户反映说碰到这样一个情况,就是电脑提示正在准备windows请勿关闭计算机,碰到这样的问题该怎么解决呢,现在小编就给大家分享一下windows10系统提示正在准备windows请勿关闭计算机的具体第一种方法:1、2、依次…...
2022/11/19 21:17:11 - 配置 已完成 请勿关闭计算机,win7系统关机提示“配置Windows Update已完成30%请勿关闭计算机”的解决方法...
今天和大家分享一下win7系统重装了Win7旗舰版系统后,每次关机的时候桌面上都会显示一个“配置Windows Update的界面,提示请勿关闭计算机”,每次停留好几分钟才能正常关机,导致什么情况引起的呢?出现配置Windows Update…...
2022/11/19 21:17:10 - 电脑桌面一直是清理请关闭计算机,windows7一直卡在清理 请勿关闭计算机-win7清理请勿关机,win7配置更新35%不动...
只能是等着,别无他法。说是卡着如果你看硬盘灯应该在读写。如果从 Win 10 无法正常回滚,只能是考虑备份数据后重装系统了。解决来方案一:管理员运行cmd:net stop WuAuServcd %windir%ren SoftwareDistribution SDoldnet start WuA…...
2022/11/19 21:17:09 - 计算机配置更新不起,电脑提示“配置Windows Update请勿关闭计算机”怎么办?
原标题:电脑提示“配置Windows Update请勿关闭计算机”怎么办?win7系统中在开机与关闭的时候总是显示“配置windows update请勿关闭计算机”相信有不少朋友都曾遇到过一次两次还能忍但经常遇到就叫人感到心烦了遇到这种问题怎么办呢?一般的方…...
2022/11/19 21:17:08 - 计算机正在配置无法关机,关机提示 windows7 正在配置windows 请勿关闭计算机 ,然后等了一晚上也没有关掉。现在电脑无法正常关机...
关机提示 windows7 正在配置windows 请勿关闭计算机 ,然后等了一晚上也没有关掉。现在电脑无法正常关机以下文字资料是由(历史新知网www.lishixinzhi.com)小编为大家搜集整理后发布的内容,让我们赶快一起来看一下吧!关机提示 windows7 正在配…...
2022/11/19 21:17:05 - 钉钉提示请勿通过开发者调试模式_钉钉请勿通过开发者调试模式是真的吗好不好用...
钉钉请勿通过开发者调试模式是真的吗好不好用 更新时间:2020-04-20 22:24:19 浏览次数:729次 区域: 南阳 > 卧龙 列举网提醒您:为保障您的权益,请不要提前支付任何费用! 虚拟位置外设器!!轨迹模拟&虚拟位置外设神器 专业用于:钉钉,外勤365,红圈通,企业微信和…...
2022/11/19 21:17:05 - 配置失败还原请勿关闭计算机怎么办,win7系统出现“配置windows update失败 还原更改 请勿关闭计算机”,长时间没反应,无法进入系统的解决方案...
前几天班里有位学生电脑(windows 7系统)出问题了,具体表现是开机时一直停留在“配置windows update失败 还原更改 请勿关闭计算机”这个界面,长时间没反应,无法进入系统。这个问题原来帮其他同学也解决过,网上搜了不少资料&#x…...
2022/11/19 21:17:04 - 一个电脑无法关闭计算机你应该怎么办,电脑显示“清理请勿关闭计算机”怎么办?...
本文为你提供了3个有效解决电脑显示“清理请勿关闭计算机”问题的方法,并在最后教给你1种保护系统安全的好方法,一起来看看!电脑出现“清理请勿关闭计算机”在Windows 7(SP1)和Windows Server 2008 R2 SP1中,添加了1个新功能在“磁…...
2022/11/19 21:17:03 - 请勿关闭计算机还原更改要多久,电脑显示:配置windows更新失败,正在还原更改,请勿关闭计算机怎么办...
许多用户在长期不使用电脑的时候,开启电脑发现电脑显示:配置windows更新失败,正在还原更改,请勿关闭计算机。。.这要怎么办呢?下面小编就带着大家一起看看吧!如果能够正常进入系统,建议您暂时移…...
2022/11/19 21:17:02 - 还原更改请勿关闭计算机 要多久,配置windows update失败 还原更改 请勿关闭计算机,电脑开机后一直显示以...
配置windows update失败 还原更改 请勿关闭计算机,电脑开机后一直显示以以下文字资料是由(历史新知网www.lishixinzhi.com)小编为大家搜集整理后发布的内容,让我们赶快一起来看一下吧!配置windows update失败 还原更改 请勿关闭计算机&#x…...
2022/11/19 21:17:01 - 电脑配置中请勿关闭计算机怎么办,准备配置windows请勿关闭计算机一直显示怎么办【图解】...
不知道大家有没有遇到过这样的一个问题,就是我们的win7系统在关机的时候,总是喜欢显示“准备配置windows,请勿关机”这样的一个页面,没有什么大碍,但是如果一直等着的话就要两个小时甚至更久都关不了机,非常…...
2022/11/19 21:17:00 - 正在准备配置请勿关闭计算机,正在准备配置windows请勿关闭计算机时间长了解决教程...
当电脑出现正在准备配置windows请勿关闭计算机时,一般是您正对windows进行升级,但是这个要是长时间没有反应,我们不能再傻等下去了。可能是电脑出了别的问题了,来看看教程的说法。正在准备配置windows请勿关闭计算机时间长了方法一…...
2022/11/19 21:16:59 - 配置失败还原请勿关闭计算机,配置Windows Update失败,还原更改请勿关闭计算机...
我们使用电脑的过程中有时会遇到这种情况,当我们打开电脑之后,发现一直停留在一个界面:“配置Windows Update失败,还原更改请勿关闭计算机”,等了许久还是无法进入系统。如果我们遇到此类问题应该如何解决呢࿰…...
2022/11/19 21:16:58 - 如何在iPhone上关闭“请勿打扰”
Apple’s “Do Not Disturb While Driving” is a potentially lifesaving iPhone feature, but it doesn’t always turn on automatically at the appropriate time. For example, you might be a passenger in a moving car, but your iPhone may think you’re the one dri…...
2022/11/19 21:16:57