logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

STM32F103ZET6开发板上DHT11温湿度采集+TFTLCD实时显示完整工程(含FSMC驱动与Keil项目)

基于战舰STM32F103开发板V3(主控STM32F103ZET6),实现DHT11传感器温湿度数据稳定读取与TFTLCD屏幕实时刷新显示。DHT11挂载在PG11引脚,采用单总线协议,每100ms自动更新一次数据;LCD支持ALIENTEK 2.8/3.5/4.3/7英寸型号,通过FSMC接口连接(片选FSMC_NE4,RS接A10),驱动已适配。系统启动时自动检测DHT11是否存在,失败则报

纯Python手写BP神经网络做股票收盘价单步预测(带数据+可直接运行)

用基础Python从零实现BP神经网络,不依赖TensorFlow或PyTorch等深度学习框架,专用于股票收盘价的单步时间序列预测。整个流程涵盖Excel股价数据(data.xlsx)读取、Min-Max标准化处理、滑动窗口构造输入特征与标签、前向传播与反向误差更新、训练过程监控及预测结果可视化(.png)。核心逻辑封装在BPNN.py类中,主程序stock_predict.py调用简洁清晰;配

C++ OpenCV机器学习实战包:含人脸检测级联分类器、多语言教程与构建脚本

面向C++开发者的一站式OpenCV机器学习实践资源,开箱即用。内置Haar、LBP和CUDA加速版级联分类器(haarcascades、lbpcascades、haarcascades_cuda),支持人脸检测、物体识别等实时视觉任务;提供vec_files样本生成支持,方便自定义训练。包含多个CMakeLists.txt配置文件,适配不同项目结构,快速完成环境搭建与编译。配套工具脚本(tuto

本地跑得动的语音转文字小工具:Python + faster-whisper tiny模型,麦克风直输实时出字

一套免编译、即装即用的本地语音识别方案,基于faster-whisper推理框架,内置已预编译的tiny模型(含model.bin、config.、tokenizer.、vocabulary.txt),适配CPU和GPU环境。提供两个开箱脚本:faster_whisper_test.py用于快速验证模型加载与离线转录能力;faster_whisper_demo支持实时音频流捕获(通过PyAudio

Windows下可直接运行的C++拼图游戏源码:带EasyX界面、音效和自动保解机制

一套开箱即用的C++拼图游戏工程,基于EasyX图形库开发,适配Windows平台,编译后生成独立可执行文件。游戏核心由GameFrame和Picture两个类协同完成:前者负责窗口创建、基础绘图与鼠标/键盘事件响应;后者专注图片加载切割、随机打乱(从终局反向移动生成)、坐标映射及胜利判定。点击逻辑经过优化,能精准识别任意拼图块区域,避免误触。所有初始布局均通过合法移动序列生成,天然可解,无需额外

Java版智慧养老中心管理系统(含可运行源码+环境配置指南+调试文档)

一套真实落地的Java智慧养老管理平台源码,已通过高校毕设评审并获98分高分,适用于计算机、电子信息、数学等专业学生做毕业设计或课程实践。项目基于标准Maven结构组织,包含完整的src/main/java业务代码、src/main/resources配置文件、test单元测试目录及target编译输出,支持直接导入IntelliJ IDEA或Eclipse一键运行。配套提供《必读推荐.docx》

Python版PatchMatch图像补丁匹配工具包:含双向匹配代码、迭代过程GIF与多组示例图

一套开箱即用的PatchMatch图像补丁匹配实现,包含基础单向匹配(PatchMatch.py)和增强双向匹配(PatchMatch_Bidirectional.py)两个核心脚本。输入任意两张RGB图像(如cup_a.jpg和cup_b.jpg),自动运行多轮迭代,生成逐帧匹配结果图(0.jpg至7.jpg)及动态演示GIF(1_itr.gif、2_itr.gif等共6个迭代动图)。配套提供风

基于骨骼关节的深度学习动作识别

本文提出一种基于骨骼关节运动的人体动作识别系统,利用深度传感器获取的骨骼信息,结合彩色骨骼运动历史图像和相对关节图像,通过三维深度卷积神经网络实现高精度识别。该方法计算成本低,适用于嵌入式实时应用,在两个公开数据集上均优于现有方法。

#深度学习
Vue+Java双端可部署的智慧农业管理源码,含数据库与完整前后端工程

一套开箱即用的智慧农业管理系统源码,前端用Vue.js开发,集成vue-router路由、screenfull全屏控制、clean-css样式处理,支持响应式布局和主流浏览器;后端基于Java构建,结构规范,覆盖农业物联网典型场景——传感器数据采集、设备状态监控、环境参数告警、基础农事记录等功能;配套提供farm_front-master前端项目和farm_back-1.0后端模块,包含db_fa

C语言写的SCPI指令解析工具包,带TCP通信、SRQ响应和交互式调试示例

一套开箱即用的SCPI协议解析方案,纯标准C实现,不绑定操作系统或硬件平台,适合嵌入式设备和上位机共用。核心库libscpi负责命令语法识别、参数分割、状态字读取、错误码映射和SRQ事件触发处理。examples目录提供5类实操场景:基于socket的TCP服务端测试、模拟仪器端SRQ中断响应、命令行交互式调试器(支持历史命令和自动补全)、LwIP协议栈下的网络集成、以及CVI环境调用接口示例。t

    共 16 条
  • 1
  • 2
  • 请选择