基于Face++网络爬虫+人脸融合算法智能发型推荐程序——深度学习算法应用(含Python及打包exe工程源码)+爬虫数据集

目录

  • 前言
  • 总体设计
    • 系统整体结构图
    • 系统流程图
  • 运行环境
    • Python环境
    • Pycharm 环境
  • 模块实现
    • 1. Face++.APl调用
      • 1)Face++.APl介绍
      • 2)调用API
    • 2. 数据爬取
      • 1)网络数据爬取步骤
      • 2)爬虫实现
    • 3. 模型构建
    • 4. 用户界面设计
      • 1)需要调用的库文件
      • 2)读取用户人脸图片位置
      • 3)判断用户人脸图片是否能成功识别函数
      • 4)最终效果图展示函数
      • 5)模块拼接
      • 6)应用打包
  • 系统测试
    • 1. 测试效果
      • 1)控制台效果
      • 2)融合效果
    • 2. 用户界面
  • 工程源代码下载
  • 其它资料下载


在这里插入图片描述

前言

这个项目利用了网络开源平台Face++ API,并结合了Python网络爬虫技术,以实现自动化的流程,来帮助用户找到最适合他们的发型。具体步骤如下:

首先,项目利用Face++ API来分析用户的脸型特征。Face++是一项强大的人脸识别和分析工具,能够识别脸部轮廓、五官特征以及脸部的形状。通过这个API,项目可以准确地获取用户的脸型信息。

接着,项目结合了Python网络爬虫技术,自动爬取了匹配用户脸型的发型模板,这涉及到从互联网上的发型图片库中获取各种不同风格和长度的发型图片。

一旦项目获得了这些发型图片,它可以分析每个发型的特点,包括发型的长度、卷度、颜色等。然后,它将用户的脸型特征与这些发型特点进行比对,找到与用户脸型最匹配的发型模板。

最后,项目会将这些匹配的发型模板呈现给用户,作为造型参考。这些发型模板可以包括图片、描述和建议,以帮助用户更好地选择适合他们脸型和个人风格的发型。

总的来说,这个项目结合了人脸分析和网络爬虫技术,为用户提供了一个个性化的发型推荐系统。用户可以根据他们的脸型和偏好来寻找最适合的发型,从而更好地满足他们的美容需求。这种项目在美容和时尚领域具有广泛的应用潜力。

总体设计

本部分包括系统整体结构图和系统流程图。

系统整体结构图

系统整体结构如图所示。

在这里插入图片描述

系统流程图

系统流程如图所示。

在这里插入图片描述

用户流程如图所示。

在这里插入图片描述

运行环境

本部分包括 Python 环境和Pycharm环境。

Python环境

需要Python 3.6及以上配置,在Windows环境下推荐下载Anaconda完成Python所需环境的配置,下载地址为https://www.anaconda.com/,也可下载虚拟机在Linux环境下运行代码。

鼠标右击“我的电脑”,单击“属性”,选择高级系统设置。单击“环境变量”,找到系统变量中的Path,单击“编辑”然后新建,将Python解释器所在路径粘贴并确定。

Pycharm 环境

PyCharm下载地址为http://www.jetbrains.com/pycharm/download/#section=windows,进入网站后单击Comminity版本下的DOWNLOAD下载安装包,下载完成后安装。单击Create New Project创建新的项目文件,Location为存放工程的路径,单击project附近的三角符号,可以看到PyCharm已经自动获取Python 3.6,单击create完成。

模块实现

本项目包括4个模块: Face++ . API调用、数据爬取、模型构建、用户界面设计,下面分别给出各模块的功能介绍及相关代码。

1. Face++.APl调用

本部分包括Face++ . API介绍和调用API具体实现。

1)Face++.APl介绍

Face++ . API可检测并定位图片中的人脸,返回高精度的人脸框坐标。只要注册便可获取试用版的API Key,方便调用。

  • Detect API

调用URL https://api-cn.faceplusplus.com/facepp/v3/detect,检测图片内的所有人脸,对于每张检测出的人脸,给出其唯一标识face_token, 可用于后续分析、比对等操作。

该API支持对检测到的人脸直接分析,获得关键点和各类属性信息。对于试用API Key,只对人脸框面积最大的5个人脸进行分析,其他可以使用Face Analyze API进行。

本文使用API Key为试用版Key,对于正式的API Key,支持指定图片的某一区域进行检测并分析所有检测到的人脸。

此接口用于识别人脸106个关键点信息,判断用户性别,如图所示。

在这里插入图片描述

  • 面部特征分析

调用URL https://api-cn.faceplusplus.com/facepp/v1/facialfeatures,根据单张正面人脸图片,分析面部特征。此接口用于判断脸型,为用户推荐发型,如图所示。

在这里插入图片描述

  • 人脸融合

调用URL https://api-cn.faceplusplus.com/imagepp/v1/mergeface,使用API,可以对模板图和图中的人脸进行融合操作。融合后的图片中包含人脸特征、模板图中的其他外貌特征与内容。返回值是一段JSON, 包含融合完成后图片的Base64编码。

2)调用API

相关步骤如下:

  • 原理

Face++人工智能开放平台API是HTTP API。使用者向Face++服务器发起请求,并加上合适参数,服务器会对请求进行处理,得到结果返回给使用者。

  • 鉴权

账号下每创建一个应用就会生成一组对应的api keyapi secret, 用以识别用户是否有权调用API,所有的API调用必须提供对应的api keyapi secret参数。

  • 需要调用的库文件

相关代码如下:

#导入相应库文件
import requests
from json import JSONDecoder
import urllib.error
import base64
import os
import time
  • 性别检测函数

相关代码如下:

#用户性别,参数为图片路径
def detect_gender(filepath):
#URLhttp_url1 = 'https://api-cn.faceplusplus.com/facepp/v3/detect'
#账号密码key = "CNsZZXKA4M2qzlz8lKw5ML0BRSitwHfW"secret = "c8udJa_mDz_KIRAhrvxV9w5PbrrVtTM0"
#数据提交data1= {'api_key': key, 'api_secret': secret, 'return_attributes': "gender"}files1 = {"image_file": open(filepath, "rb")}
#数据获取response1 = requests.post(http_url1, data=data1, files=files1)
#数据进行utf-8编译后解码处理req_con1 = response1.content.decode('utf-8')req_dict1 = JSONDecoder().decode(req_con1)
#网络状态
#判断获取到的数据是否为正确数据if response1.status_code == requests.codes.ok:
#提取正确数据的性别相关内容sex = req_dict1["faces"][0]['attributes']['gender']['value']print(req_dict1["faces"][0]['attributes']['gender']['value'])return sexelse:
#数据错误则打印性别识别失败,返回空值print('faile to detect_gender')return None
  • 脸型检测函数

相关代码如下:

#用户脸型
def detect_face_type(filepath):http_url2 = 'https://api-cn.faceplusplus.com/facepp/v1/facialfeatures'key = "CNsZZXKA4M2qzlz8lKw5ML0BRSitwHfW"secret = "c8udJa_mDz_KIRAhrvxV9w5PbrrVtTM0"data2 = {'api_key': key, 'api_secret': secret}files2 = {"image_file": open(filepath, "rb")}response2 = requests.post(http_url2, data=data2, files=files2)req_con2 = response2.content.decode('utf-8')req_dict2 = JSONDecoder().decode(req_con2)if response2.status_code == requests.codes.ok:
#提取正确数据的脸型相关内容face_type = req_dict2["result"]["face"]["face_type"]print(req_dict2["result"]["face"]["face_type"])return face_typeelse:
#数据错误则打印脸型识别失败,返回空值print('faile to detect_face_type')return None
  • 人脸融合主函数

相关代码如下:

#识别人脸关键点信息
def find_face(imgpath):http_url1 = 'https://api-cn.faceplusplus.com/facepp/v3/detect'key = "CNsZZXKA4M2qzlz8lKw5ML0BRSitwHfW"secret = "c8udJa_mDz_KIRAhrvxV9w5PbrrVtTM0"
#"return_landmark": 2表示获取106个人脸关键点信息data1 = {'api_key': key, 'api_secret': secret, "return_landmark": 2}
#判断路径图片是否存在if os.path.isfile(imgpath)==False:return Nonefiles = {"image_file": open(imgpath, "rb")}response1 = requests.post(http_url1, data=data1, files=files)req_con1 = response1.content.decode('utf-8')req_dict1 = JSONDecoder().decode(req_con1)if response1.status_code == requests.codes.ok:
#获取人脸关键点信息face_rectangle = req_dict1["faces"][0]['face_rectangle']return face_rectangleelse:print('faile to find_face')#number表示换脸的相似度#将上述关键点信息调用,实现人脸融合
#参数为用户人像路径、模型发型路径、生成效果图路径
#number表示人脸融合相似度范围为0~100
def merge_face(image_url_1, image_url_2, image_url, number):ff1 = find_face(image_url_1)ff2 = find_face(image_url_2)if ff1 and ff2:rectangle1 = str(str(ff1['top']) + "," + str(ff1['left']) + "," + str(ff1['width']) + "," + str(ff1['height']))rectangle2 = str(ff2['top']) + "," + str(ff2['left']) + "," + str(ff2['width']) + "," + str(ff2['height'])url_add = "https://api-cn.faceplusplus.com/imagepp/v1/mergeface"f1 = open(image_url_1, 'rb')f1_64 = base64.b64encode(f1.read())f1.close()f2 = open(image_url_2, 'rb')f2_64 = base64.b64encode(f2.read())f2.close()data = {"api_key": "CNsZZXKA4M2qzlz8lKw5ML0BRSitwHfW", "api_secret": "c8udJa_mDz_KIRAhrvxV9w5PbrrVtTM0","template_base64": f1_64, "template_rectangle": rectangle1,"merge_base64": f2_64, "merge_rectangle": rectangle2, "merge_rate": number}response = requests.post(url_add, data=data)req_con = response.content.decode('utf-8')req_dict = JSONDecoder().decode(req_con)#判断网络状态if response.status_code == requests.codes.ok:result = req_dict['result']imgdata = base64.b64decode(result)file = open(image_url, 'wb')
#图片保存到相应路径file.write(imgdata)file.close()else:print('faile to merge_face')return None

2. 数据爬取

本部分包括网络数据爬取步骤和爬虫具体实现。

1)网络数据爬取步骤

下载地址为http://image.baidu.com/search/index?tn=baiduimage&ps=1&ct=201326592&lm=1&cl=2&nc=1&ie=utf-8&word=“男生发型”。

通过Selenium+Chrome无头浏览器形式自动滚动爬取网络图片。通过Face++性别识别与脸型检测筛选出用发型模板。图片自动存储指定位置并按性别、脸型序号形式命名。

2)爬虫实现

本部分包括引入库文件、爬虫初始化。

#引入库文件
from selenium import webdriver
import urllib.request
import re
import requests
from json import JSONDecoder
import urllib.error
import base64
import time
from selenium.webdriver.chrome.options import Options
#爬虫初始化,浏览器初始化并模拟滚动条向下滚动
word ="男生发型"
#创建一个参数对象,用来控制chrome以无界面模式打开
chrome_options = Options()
chrome_options.add_argument('--headless')
chrome_options.add_argument('--disable-gpu')
#驱动路径
path = r'C:\Users\ZBLi\Desktop\1801\day05\ziliao\chromedriver.exe'
#创建浏览器对象
browser = webdriver.Chrome(executable_path="C:\Program Files (x86)\Google\chromedriver.exe", chrome_options=chrome_options)
#参数添加
browser.maximize_window()  #最大化
#地址加入关键词实现网址获取
browser.get('http://image.baidu.com/search/index?tn=baiduimage&ps=1&ct=201326592&lm=-1&cl=2&nc=1&ie=utf-8&word='+word)
js = 'var action=document.documentElement.scrollTop=10001'
#设置滚动条距离顶部的位置为 10000, 超过10000就是最底部
for i in range(5):#共执行5次脚本 实现滑轮向下滚动5次browser.execute_script(js)  #执行脚本time.sleep(2)  #休眠2s
#读取源代码
data=browser.page_source
#爬虫
k = re.split(r'\s+',data)
s = []
sp = []
#进行正则表达式匹配
for i in k :if re.match(r'data-objurl=',i) :if re.match(r'.*?jpg"', i)or re.match(r'.*?png"', i):s.append(i)
for it in s :if (re.match(r'.*?png"',it) or re.match(r'.*?jpg"',it) ):sp.append(it)
#将匹配到的多余部分进行删减精准定位URL信息
for it in sp:m = re.search(r'data-objurl="(.*?)"',it)iturl =m.group(1)#urlprint(iturl)itdata = None
#避免出现数据读取过慢而导致超时问题
#如果规定时间内无法识别则跳过并睡眠0.1stry:itdata = urllib.request.urlopen(iturl,data=None,timeout=1).read()except:time.sleep(0.1)
#itdata为爬取图片的URLif itdata==None:continue

图片分类存储,采用Face++ 爬取图片的性别与脸型信息并存储(存储图片类型共分为14种:两种性别、七种脸型),以瓜子脸为例 ,相关代码如下:

#判断脸型是否存在并将其导入变量
if (detect_face_type(itdata) and detect_gender(itdata)):sex = detect_gender(itdata)face_type = detect_face_type(itdata)#瓜子脸
#判断脸型与性别,符合则存储至相应位置并重命名为Male_ pointed_faceNUM if sex == 'Male' and face_type == 'pointed_face':
#存储到指定区域并分类别命名f = open('E:\BeautifulPicture\\' + sex + '_' + face_type + str(Male_pointed_num) + '.jpg', "wb")
#序号逐渐增加代表每一种脸型的总数不断增加Male_pointed_num += 1f.write(itdata)f.close()if sex == 'Female' and face_type == 'pointed_face':f = open('E:\BeautifulPicture\\' + sex + '_' + face_type + str(Female_pointed_num) + '.jpg', "wb")Female_pointed_num += 1f.write(itdata)f.close()
#最后退出终止浏览器
browser.execute_script(js)
browser.quit()

3. 模型构建

本部分包括库函数调用、模拟用户面部图片并设定路径、人脸融合。

库函数调用,相关代码如下:

#调用相应库实现功能
#-*- coding: utf-8 -*-
import requests
from json import JSONDecoder
import urllib.error
import base64
import os
import time
#模拟用户面部图片并设定路径,后面GUI调试将变为可视化打开图片形式
filepath = r"E:/new/Female_oval_face9.jpg"
sex = detect_gender(filepath)
face_type = detect_face_type(filepath)
#人脸融合-核心函数core()
#以瓜子脸为例,假设模板最多25种发型推荐
number = 25
Male_pointed_num = 1
Female_pointed_num = 1
if sex == 'Male' and face_type == 'pointed_face':
#i从1~25进行循环for i in range(number):
#判断是否存在该图片路径,存在则进行人脸融合if os.path.isfile(r"E:\app\picture\Male_pointed_face" + str(Male_pointed_num) + ".jpg"):exm=r"E:\app\picture\Male_pointed_face" + str(Male_pointed_num)+".jpg"result = r"E:\app\picture1\\" + str(Male_pointed_num) + ".jpg"      
#人脸融合更加真实,设定相似度为90/100merge_face(exm, filepath, result, 90)
#成功则进行下一部分循环Male_pointed_num += 1print("人脸融合成功")
#女性瓜子脸效果同上
#Female_pointed_face(瓜子脸)
if sex == 'Female' and face_type == 'pointed_face':for i in range(number):
#每次循环计数加一判断发型模板是否存在,存在则进行人脸融合if os.path.isfile(r"E:\app\picture\Female_pointed_face" + str(Female_pointed_num) + ".jpg"):exm = r"E:\app\picture\Female_pointed_face" + str(Female_pointed_num) + ".jpg"result = r"E:\app\picture1\\" + str(Female_pointed_num) + ".jpg"merge_face(exm, filepath, result, 90)Female_pointed_num += 1print("人脸融合成功")

4. 用户界面设计

该设计采用Python自带的Tkinter作为用户操作GUI,同时引入PI便于图片操作。界面设计分三个阶段:

  • ①用户可视化选择文件所在目录,并确定;
  • ②判断是否可以找到合适的发型图片,如果可以则继续,否则退出;
  • ③找到合适的图片进行人脸融合,待所有融合成功后,展示用户脸型与推荐发型,多种效果图供用户选择。

相关代码如下:

1)需要调用的库文件

相关代码如下:

#-*- coding:utf-8 -*-
from tkinter import *
from PIL import Image,ImageTk
from tkinter.filedialog import askopenfilename
import requests
from json import JSONDecoder
import urllib.error
import base64
import os

2)读取用户人脸图片位置

相关代码如下:

#获取可视化打开的文件路径
def getpathfile():root = Tk()
#GUI界面图标设置
root.iconbitmap(r'e:\app\ling.ico')width = 500height = 500
#界面居中显示screenwidth = root.winfo_screenwidth()screenheight = root.winfo_screenheight()alignstr = '%dx%d+%d+%d' % (width, height, (screenwidth - width) / 2, (screenheight - height) / 2)root.geometry(alignstr)def choosepic():global filepathpath_ = askopenfilename()path.set(path_)img_open=Image.open(file_entry.get()).resize((350,400),Image.ANTIALIAS)img = ImageTk.PhotoImage(img_open)image_label.config(image=img)image_label.image = img   filepath = path_path = StringVar()Button(root, text='选择图片',font=('Arial', 15),bg="yellow",command=choosepic).pack()Button(root, text='ok',font=('Arial', 15), command=root.destroy).pack()file_entry = Entry(root, state='readonly', text=path)image_label = Label(root)image_label.pack()root.mainloop()

3)判断用户人脸图片是否能成功识别函数

相关代码如下:

#用户人脸图片识别成功显示GUI界面
def yes():root = Tk()
#GUI界面图标设置
root.iconbitmap(r'e:\app\ling.ico')width = 500height = 100
#界面居中显示screenwidth = root.winfo_screenwidth()screenheight = root.winfo_screenheight()alignstr = '%dx%d+%d+%d' % (width, height, (screenwidth - width) / 2, (screenheight - height) / 2)root.geometry(alignstr)root.title('识别成功')#text = StringVar()#text.set("已为您搜索"+str(num)+"种合适的发型。。。")Label(root, text='识别成功,请稍后', font=('Arial', 20)).pack()Button(root, text='继续', command=root.destroy).pack()#Label(root, textvariable=text, font=('Arial', 20)).pack()root.mainloop()
#用户人脸图片识别失败显示GUI界面
def no():root = Tk()
#GUI界面图标设置
root.iconbitmap(r'e:\app\ling.ico')width = 500height = 100screenwidth = root.winfo_screenwidth()screenheight = root.winfo_screenheight()alignstr = '%dx%d+%d+%d' % (width, height, (screenwidth - width) / 2, (screenheight - height) / 2)root.geometry(alignstr)root.title('识别失败')Label(root, text='识别失败,建议您重新选择合适图片!',font=('Arial', 20)).pack()Button(root, text='结束', command=root.destroy).pack()#Button(root, text='返回上一步', command=getpathfile).pack()frm = Frame(root).pack()root.mainloop()

4)最终效果图展示函数

相关代码如下:

def show(sex,face_type):root1 = Tk()
#GUI界面图标设置
root1.iconbitmap(r'e:\app\ling.ico')#设置窗口居中width = 500height = 500
#界面居中显示screenwidth = root1.winfo_screenwidth()screenheight = root1.winfo_screenheight()alignstr = '%dx%d+%d+%d' % (width, height, (screenwidth - width) / 2, (screenheight - height) / 2)root1.geometry(alignstr)root1.title('效果展示')
#实现动态参数替换 
#即每次改变图片,编号实时更新text = StringVar()image_label = Label(root1)#默认展示第一张图片pilImage_pre1 = Image.open(r"E:\app\picture1\\" + str(cou) + ".jpg")pilImage1 = pilImage_pre1.resize((350, 400), Image.ANTIALIAS)tkImage1 = ImageTk.PhotoImage(image=pilImage1)image_label.config(image=tkImage1)image_label.image = tkImage1  root1.update_idletasks()  #更新图片,必须update
text.set(str(cou) + "/" + str(num))#更新图片编号
#下一张功能实现def change_next():global cou
#cou为当前展示图片编号
#num为用户搜索到的所有图片数量if cou<num:cou = cou + 1pilImage_pre = Image.open(r"E:\app\picture1\\" + str(cou) + ".jpg")pilImage = pilImage_pre.resize((350, 400), Image.ANTIALIAS)tkImage = ImageTk.PhotoImage(image=pilImage)image_label.config(image=tkImage)image_label.image = tkImage  #保持参考点root1.update_idletasks()  #更新图片,必须updatetext.set(str(cou)+"/"+str(num)) #更新图片编号
else:
#达到下限print("error")
#上一张功能实现    
def change_prior():global couif cou > 1:cou = cou - 1pilImage_pre = Image.open(r"E:\app\picture1\\" + str(cou) + ".jpg")pilImage = pilImage_pre.resize((350, 400), Image.ANTIALIAS)tkImage = ImageTk.PhotoImage(image=pilImage)image_label.config(image=tkImage)image_label.image = tkImage  #保持参考点root1.update_idletasks()  #更新图片,必须updatetext.set(str(cou)+"/"+str(num)) #更新图片编号else:  #达到上限print("error")Button(root1, text='下一张', command=change_next).pack(side=RIGHT)Button(root1, text='上一张', command=change_prior).pack(side=LEFT)#Label(root1, text="您的脸型为"+face_type, font=('Arial', 20)).pack(side=TOP)if face_type=="long_face":Label(root1, text="您的脸型为长脸" , font=('Arial', 20)).pack(side=TOP)if sex == "Female":Label(root1, text="长脸的你适合俏皮花苞头、蝴蝶结的发箍配上梨花头", font=('Arial', 15)).pack(side=TOP)if sex == "Male":Label(root1, text="长脸的你适合中分刘海的顺直短发发型", font=('Arial', 15)).pack(side=TOP)
Label(root1, text="生产发型已为您自动保存到E\APP\picture1 文件夹", font=('Arial', 10)).pack(side=BOTTOM)Label(root1, textvariable=text, font=('Arial', 20)).pack(side=BOTTOM)Frame(root1).pack()image_label.pack()root1.mainloop()

5)模块拼接

将之前提到的用户体验模型(core ()函数)与所有函数界面连接。

def main():
#得到图片路径getpathfile()print(filepath)
#得到用户性别与脸型sex = detect_gender(filepath)print(sex)face_type = detect_face_type(filepath)print(face_type)
#判断是否可以进行发型推荐if (sex and face_type):
#继续yes()print("yes")else:
#失败提示no()print("no")
#传递脸型与性别进行人脸融合core(sex,face_type)
#num变量作为全局参数记录所有推荐发型总和 print("共" + str(num) + "张图片可供选择")
#推荐发型数量大于0则进行展示if num > 0:show(sex, face_type)else:print("查找失败")

6)应用打包

使用pyinstaller将程序打包成可执行的.exe文件,将.py文件转换应用命令pyinstaller -F 文件名.py (-w) 。-w代表不显示控制台,如下两图所示。

在这里插入图片描述

在这里插入图片描述

系统测试

本部分包括测试效果和用户界面。

1. 测试效果

本部分包括控制台效果和融合效果。

1)控制台效果

输出用户性别与脸型判断是否可以融合,如图所示。

在这里插入图片描述

2)融合效果

图1为换脸原图,换脸完成,选取如图2作为样例。有着较为理想的换脸效果,并给出了具有可行性的发型建议。

在这里插入图片描述

图1 换脸原图

在这里插入图片描述

图2 换脸效果

2. 用户界面

将压缩包直接解压,打开/dist文件夹,运行发型推荐.exe文件,如图所示。

在这里插入图片描述
单击ok按钮会显示如图所示,给出推荐发型样式以及保存图片。

在这里插入图片描述

工程源代码下载

详见本人博客资源下载页


其它资料下载

如果大家想继续了解人工智能相关学习路线和知识体系,欢迎大家翻阅我的另外一篇博客《重磅 | 完备的人工智能AI 学习——基础知识学习路线,所有资料免关注免套路直接网盘下载》
这篇博客参考了Github知名开源平台,AI技术平台以及相关领域专家:Datawhale,ApacheCN,AI有道和黄海广博士等约有近100G相关资料,希望能帮助到所有小伙伴们。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.rhkb.cn/news/138403.html

如若内容造成侵权/违法违规/事实不符,请联系长河编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

竞赛 基于深度学习的人脸表情识别

文章目录 0 前言1 技术介绍1.1 技术概括1.2 目前表情识别实现技术 2 实现效果3 深度学习表情识别实现过程3.1 网络架构3.2 数据3.3 实现流程3.4 部分实现代码 4 最后 0 前言 &#x1f525; 优质竞赛项目系列&#xff0c;今天要分享的是 基于深度学习的人脸表情识别 该项目较…

学习记忆——宫殿篇——记忆宫殿——记忆桩——单间+客厅+厨房+厕所+书房+院子

文章目录 单间客厅厨房厕所书房院子 单间 水壶 水龙头 香皂 果汁机 电视 门空间 花 红酒 葡萄 不锈钢 白毛沙发 彩色垫子 吉他 皮椅 挂画 风扇 糖抱枕 盒子 花土 水晶腿 衣柜 笔 三环相框 水壶 壁挂 台灯 被 网球拍 足球 抽屉 闹钟 蝴蝶 心 斑马 三轮车 音响 椅子 碗 玩偶 烟灰…

【记录】Python 之于 C/C++ 区别

记录本人在 Python 上经常写错的一些地方&#xff08;C/C 写多了&#xff0c;再写 Python 有点切换不过来&#xff09; 逻辑判断符号用 and、or、!可以直接 10 < num < 30 比较大小分支语句&#xff1a;if、elif、else使用 、-&#xff0c;Python 中不支持 、- - 这两个…

BOA服务器移植

BOA服务器移植 1、源码下载 http://www.boa.org/ News! (last updated 23 February 2005) Latest Released Version (0.94.13) here (signature here) --- 下载地址1.1 boa简介&#xff1a; 其可执行代码只有大约60KB左右&#xff0c;Boa是一个单任务的HTTP服务器&#xff…

MySQL 高级语句 Part1(进阶查询语句+MySQL数据库函数+连接查询)

高级语句 第一部分 一、MySQL进阶查询语句1.1 select ----显示表格中一个或数个字段的所有数据记录1.2 distinct ----不显示重复的数据记录1.3 where ----有条件查询1.4 and or ----且 或1.5 in----显示已知的值的数据记录1.6 between----显示两个值范围内的数据记录1.7 通配符…

spring boot +vue 博客系统,开源的资源网站

spring boot vue 博客系统&#xff0c;开源的资源网站&#xff08;Aurora前后端分离博客) 体验地址&#xff1a;http://blog.tlzcf.vip/ 相关技术 前端&#xff1a; 样式来自于&#xff1a;hexo的aurora主题基础框架&#xff1a;vue3(前台) vue2(后台)状态管理&#xff1a;…

高云FPGA系列教程(10):letter-shell移植

文章目录 letter-shell简介letter-shell源码获取letter-shell移植函数和变量应用示例 本文是高云FPGA系列教程的第10篇文章。 shell&#xff0c;中文是外壳的意思&#xff0c;就是操作系统的外壳。通过shell命令可以操作和控制操作系统&#xff0c;比如Linux中的Shell命令就包括…

C# 流Stream详解(3)——FileStream源码

【FileStream】 构造函数 如果创建一个FileStream&#xff0c;常见的参数例如路径Path、操作方式FileMode、权限FileAccess。 这里说下FileShare和SafeFileHandle。 我们知道在读取文件时&#xff0c;通常会有两个诉求&#xff1a;一是如何更快的读取文件内容&#xff1b;二…

安装社区版本OB

获取一键安装包 https://www.oceanbase.com/softwarecenter 离线安装 [admintest001 ~]$ tar -xzf oceanbase-all-in-one-*.tar.gz [admintest001 ~]$ cd oceanbase-all-in-one/bin/ [admintest001 bin]$ ./install.sh [admintest001 bin]$ source ~/.oceanbase-all-in-one/…

pytorch环境搭建到pycharm项目映射配置(成功后回顾性记录/自用)

利用Anaconda创建pytorch虚拟环境 前提&#xff1a;成功安装Anaconda&#xff0c;确保可以打开NVIDIA控制面板 开始-》搜索“Anaconda Prompt” 打开后输入&#xff1a;conda create -n 你的虚拟环境名 python3.9。输入y&#xff0c;继续安装&#xff0c;完成。 输入&#…

微调大型语言模型(一):为什么要微调(Why finetune)?

今天我们来学习Deeplearning的在线课程 微调大型语言模型(一)的第一课&#xff1a;为什么要微调(Why finetune)。 我们知道像GPT-3.5这样的大型语言模型(LLM)它所学到的知识截止到2021年9月&#xff0c;那么如果我们向ChatGPT询问2022年以后发生的事情&#xff0c;它可能会产生…

spring security教程(一)--认证

零.简介 【1】简介 【2】登录校验流程 【3】原理&#xff08;入门的时候先了解一下就好&#xff09; 一.思路分析 二.建表 确保你已经建立好一张用户表&#xff0c;并且引入springboot&#xff0c;mybatis&#xff0c;mp,slf4j等基础依赖。 即使你有多个角色你也可以将他们的…

Denoising Diffusion Autoencoders are Unified Self-supervised Learners

Denoising Diffusion Autoencoders are Unified Self-supervised Learners (Paper reading) Weilai Xiang, Beihang University, arXiv23, Code, Paper 1. 前言 受最近扩散模型进展的启发&#xff0c;这让人想起去噪自编码器&#xff0c;我们研究了它们是否可以通过生成预训…

wx.canvasToTempFilePath导出的图片不清晰

使用wx.canvasToTempFilePath接口&#xff0c;导出的canvas图片在手机上看不清晰 解决办法&#xff1a;本质上就是生成一个更大的图片&#xff0c;因为手机的屏幕设备的像素比现在一般都是超过2的。实际上我们只需要在使用wx.canvasToTempFilePath的时候&#xff0c;设置参数d…

STM32 CAN使用记录:FDCAN基础通讯

文章目录 目的基础说明关键配置与代码轮询方式中断方式收发测试 示例链接总结 目的 CAN是非常常用的一种数据总线&#xff0c;被广泛用在各种车辆系统中。这篇文章将对STM32中FDCAN的使用做个示例。 CAN的一些基础介绍与使用可以参考下面文章&#xff1a; 《CAN基础概念》htt…

Visual Studio 2017 安装

C自学精简实践教程 目录(必读) 这篇文章会保证你第一次安装VS2017就成功运行Hello World! 下载Visual Studio Installer Gitee 下载 VS2017/vs2017_Community.exe CalmReason/VisualStudio - 码云 - 开源中国 (gitee.com) 百度云下载 链接&#xff1a;https://pan.baidu…

华为HCIA(三)

链路本地地址接口标识64bit 当STP端口到了Forwarding状态后&#xff0c;会转发流量&#xff0c;也处理报文 在TCP/IP模型中&#xff0c;会话层&#xff0c;表示层和应用层&#xff0c;都规划成了应用层 路由表包含目的地址和掩码&#xff0c;优先级&#xff0c;cost,下一跳和…

c: Sorting Algorithms

SortAlgorithm.h /*****************************************************************//*** \file SortAlgorithm.h* \brief 业务操作方法* VSCODE c11 https://github.com/hustcc/JS-Sorting-Algorithm/blob/master/2.selectionSort.md* https://www.programiz.com/d…

PyTorch深度学习(七)【循环神经网络-提高】

数据集文末分享。 模型&#xff1a; 做完padding之后&#xff0c;就可以转换为张量了。 bidirectional是是否使用双向RNN: 输出隐层两个&#xff1a; 代码&#xff1a; import csvimport timeimport matplotlib.pyplot as pltimport numpy as npimport mathimport gzip # 用…

29.CSS边框动画特效

效果 源码 index.html <!DOCTYPE html> <html> <head> <title>Quick CSS Border Trick</title> <link rel="stylesheet" type="text/css" href="style.css"> </head> <body><div class=&q…