主要是根据检测结果展开的，如利用HTTP请求头User-Agent来判断、拦截爬虫请求，或对访问频率过高的IP地址进行封禁。被动防御存在部分缺陷:被动防御检测流程和机制单一，无法应对复杂多变的恶意爬虫，检测误判率高，容易造成误封、漏封。是主流的爬虫防御发展方向，通过对网页底层代码的持续动态变换，增加服务器行为的“不可预测性”，大幅提升攻击难度，从而实现了从客户端到服务器端的全方位“主动防护”。本文

此篇想总结一下关于nvidia jetson边缘盒子的一些使用过程，主要想就从连上盒子ssh环境到跑通yolox的过程进行一个记录，如果之后还有相关业务的话可以参考。本篇主要测试环境并不是在宿主机上，而是会选择nvidia针对jetson出的镜像，原因有很多，第一是环境隔离，宿主机因为并不是我一个人用，第二个是宿主机上遇到很多的bug，针对我想用的包，有太多环境需要修改，而宿主机预安装好的基于ar

引言本次实验来自实验楼，而实验楼代码的出处为如下GitHub链接，加上一些自己的理解与说明，总结成本文笔记。https://github.com/matthewearl/faceswap所需环境Dlib是一个高级的机器学习库，它是为解决复杂的现实世界问题而创建的。这个库是用C++编程语言创建的，它与C/C++、Python和java一起工作。本次因为有dlib库需要安装，个人更习惯于Linux系统

import cv2,randomdef plot_one_box(x, img, color=None, label=None, line_thickness=None):# Plots one bounding box on image imgtl = line_thickness or round(0.002 * (img.shape[0] + img.shape[1]) / 2) + 1#

引言本篇主要想总结一下依赖项安装首先我们需要CMake来配置安装，GCC进行编译，Python-devel和Numpy来构建Python绑定等。sudo apt-get install cmakesudo apt-get install gcc g++一般云服务器是没有cmake的，而本地服务器的cmake也可能会版本比较低，如果需要编译opencv4以上的版本，需要将cmake卸载，通过GitH

引言

本篇主要想关于openvino针对于yolov5的一些转换流程，以及会带有查阅资料了解到的openvino的相关demo与一些需要注意到的点进行总结。关于openvino，有人说是基于CPU上最快的模型加速套件，这当然是显而易见的，因为在我印象里除了Intel本尊，没有啥企业会做这种事情了，emmm。。。openvino相较于传统的cv pipeline，它具有的优势如下：不过这对比的对象就有点老

::info💡在一文中介绍了目前未开源的sora模型可能涉及到的技术点，包括介绍了Vision Transformer，作为transformer正式用于图像的一种范式，为本文中将提到的内容打下基础，同时一文对diffusion model的数学原理推导，也为后来模型的演化提供更加完整的认识。而本文将要介绍的是后来的ViViT与DiT两种模型架构，并对其进行了更进一步的源码分析。

数据结构非代码题总结

源码地址libx264 http://download.videolan.org/x264/snapshots/ 最新版yasm http://yasm.tortall.net/Download.html 版本为yasm-1.3.0(yasm是汇编编译器,因为ffmpeg中为了提高效率用到了汇编指令)ffmpeg http://www.ffmpeg.org/download.html 版本为ffm