目录一 算法原理二 读取音频采样生成灰度图三读取音频采样生成RGB彩色图一 算法原理1 确定展示 音频采样在 X 轴一个点代表的 采样 周期，如 20ms2 在 采样周期内确定一个最大值 和最小值3 在坐标轴上 x 位置画一条直线， 从最小值 连到最大值二 读取音频采样生成灰度图#include <string.h>#include <stdlib.h>#include &

jetson nano 下来尝一下github 近3.7w星的代码 .https://github.com/ageitgey/face_recognition一 通过demo分析一下人脸比对的算法流程.a 输入几个要比对的人脸样本, 定位人脸 face_location, 对人脸区域编码 face_encodingsb 在待检测的图像里,先进行人脸定位 face_location, 定位出的人脸区

需要图像增强的原因:1 图像噪点过大，影响感观、影响计算机对图像特征的提取2 图像因为光线环境等造成整体对比度不足或局部过暗、过曝。细节损失3 图像白平衡系数未校准造成图像偏色4 图像因采集时镜头失焦等问题造成的模糊5 图像由于运动速度过快 (采集一帧时间内发生了剧烈运动)，形成运动模糊6 图像因为 sensor 感光等问题造成 色彩饱和度不足7 图像分辨率太低，放大后的细节缺失下面逐一介绍一 噪

目标是在某款 RV1106 低算力小板下跑通OCR文字识别算法，做个简单的应用，RK 官方模型库有PP-OCR 的例子，但在 rv1106 上尚未支持。于是便打算折腾一吧。参考国外某大佬的比较：对比了几种方案， paddleOCR 在性能和精度上 应该算得上最优， 工程部署上的事情应该不是大问题。hugging-face 的在线比较 ： (PaddleOCR + EasyOcr + kerasOC

目录一 jetbot 介绍二 初衷三 目标四 准备工作五 系统安装5.1 下载10月份最新镜像5.2 烧写 sd卡5.3 加电启动和基本系统 设置5.4 创建交换分区六 软件源设置与系统更新6.1 apt 源6.2 安装 python3-pip 并对pip 源进行设置6.3 安装 numpy scipy 等七 jupyter notebook7.1 安装7.2 初始化配置和生成密码7.3 打开远程

一直陷在物体检测的坑里出不来了。谁让这坑如此之深 ！ 继续加点深度 ！ 自己训练一个 object detect 模型 再跑跑 tensorRT 加速吧。技术主题：yolov5s 训练人手检测模型并使用 tensortRT 加速。一 准备数据集1.1 下载https://www.robots.ox.ac.uk/~vgg/data/hands/1.2 转换 yolo 需要的格式参考：https://

RAISR(Rapid and Accurate Super Image Resolution)这个算法看了一些介绍 大概理解 了，觉得比较有意思 ，在此记录一下：思想是先通过双线性插值 放大2倍， 放大2倍的图像里 每个点 根据矩形 周围 [-5, 5] 范围内的梯度特征 作文章， 梯度特征可以版角度 angle, 强度 strength , 相关性coherence三个参数，训练阶段 不同角度

伸手党一枚，传奇算法撸起。。一 系统环境:主机：Intel(R) Core(TM) i7-8700 CPU @ 3.20GHz ， 虚拟机环境 分配 6 cpu cores内存: 16G系统：Ubuntu 20.04.1 LTS (virtual box ）虚拟机二 本篇目标：搭建 yolov5 训练环境 (cpu 版本）后续计划：训练 人手识别模型部署到 jetson nano 环境三 yolo

转自: http://manpages.ubuntu.com/manpages/utopic/man7/drm-kms.7.html根据自己的理解来转述一下：摘要:DRM 是linux 下的图形渲染架构(Direct Render Manager) , 　具体的说是显卡驱动的一种架构（驱动如何玩？　把功能封装成 open/close/ioctl 等标准接口，应用程序

jetbot玩脑筋急转弯２语音转文字用的百度api, 文字转语音用的 硬件 xfs5152 .题目是文本格式每个题一行， 格式如下:问题1-正确答案-匹配正确关键词1|匹配正确关键词2 ...问题2-正确答案-匹配正确关键词1|匹配正确关键词2 ...下面是部分实现:import timeimport Speechfrom voice_capture import VoiceCaptureimpo