工作玩手机识别监测系统

工作玩手机识别监测系统通过YOLOV5网络深度学习算法模型对画面中人员玩手机行为进行实时监测,当工作玩手机识别监测系统识别到有人在玩手机行为时,无需人为干预工作玩手机识别监测系统立即抓拍存档触发告警。YOLO算法- YOLO算法是一种基于回归的算法,它不是选择图像中有趣的部分,而是预测整个图像中的类和包围框运行一次算法。要理解YOLO算法,我们首先需要了解实际预测的是什么。最终,我们的目标是预测一类对象和指定对象位置的边界框。

我们使用YOLO(你只看一次)算法进行对象检测。YOLO是一个聪明的卷积神经网络(CNN),用于实时进行目标检测。该算法将单个神经网络应用于完整的图像,然后将图像划分为多个区域,并预测每个区域的边界框和概率。这些边界框是由预测的概率加权的。要理解YOLO,我们首先要分别理解这两个模型。

在YOLO系列算法中,针对不同的数据集,都需要设定特定长宽的锚点框。在网络训练阶段,模型在初始锚点框的基础上输出对应的预测框,计算其与GT框之间的差距,并执行反向更新操作,从而更新整个网络的参数,因此设定初始锚点框也是比较关键的一环。在YOLOv3和YOLOv4检测算法中,训练不同的数据集时,都是通过单独的程序运行来获得初始锚点框。YOLOv5中将此功能嵌入到代码中,每次训练时,根据数据集的名称自适应的计算出最佳的锚点框,用户可以根据自己的需求将功能关闭或者打开,具体的指令为parser.add_argument(’–noautoanchor’, action=‘store_ true’, help=‘disable autoanchor check’),如果需要打开,只需要在训练代码时增加–noautoanch or选项即可。

本文转载于网络 如有侵权请联系删除

相关文章

  • Spring-AOP @AspectJ进阶之绑定连接点方法入参

    文章目录概述实例概述我们前面的博文在讲解切点函数时说过args()、this()、target()、@args()、@within()、@target()和@annotation()这7个函数除了可以指定类名外,还可以指定参数名将目标对象连接点上的方法入参绑定到增强的方法中。其中args()用于绑定连接点方法的入参,@annotation()用于绑定连接点方法的注解对象,而@args()用于绑定连接点方法入参的注解实例来看一个args()绑定参数的实例代码已托管到Github—>https://github.com/yangshangwei/SpringMaster业务类packagecom.xgj.aop.spring.advisor.aspectJAdvance.bindJointParameter; importorg.springframework.stereotype.Component; /** * * *@ClassName:LogicBindService * *@Description:@Component标注的Bean * *@author:Mr.Yang

  • 从 AbstractPointcutAdvisor 开始: Spring AOP 之 Advisor、PointcutAdvisor 介绍

    从AbstractPointcutAdvisor开始:SpringAOP之Advisor、PointcutAdvisor介绍从AOP开始说起为了能够更好地将系统级别的代码抽离出来,去掉与对象的耦合,就产生了面向AOP(面向切面)。AOP全称Aspect-OrientedProgramming,即面向切面编程。OOP属于一种横向扩展,AOP是一种纵向扩展。AOP依托于OOP,进一步将系统级别的代码抽象出来,进行纵向排列,实现低耦合。几个概念的区别:AspectJ AspectJ是一个基于Java语言的AOP框架,它采用编译时增强,会将增强目标编译得到一个新的AOP代理类。SpringAOP Spring提供的AOP框架,使用了和AspectJ一样的注解,但是通过动态生成代理类的方式生成AOP代理类。JDKDynamicAOP SpringAOP中AOP代理的一种实现,使用原生JDK反射和动态代理生成AOP代理,需要代理类与目标实现相同的接口。CGLibAOP SpringAOP中AOP代理的另一种实现,使用CGLib动态生成AOP代理类,需要代理类为目标类的子类。AOP术语Aspect

  • 深度残差网络+自适应参数化ReLU激活函数(调参记录11)

    本文在调参记录10的基础上,将残差模块的数量从27个增加到60个,测试采用AdaptivelyParametricReLU(APReLU)激活函数的深度残差网络,在Cifar10图像集上的效果。自适应参数化ReLU激活函数Keras程序如下:#!/usr/bin/envpython3 #-*-coding:utf-8-*- """ CreatedonTueApr1404:17:452020 ImplementedusingTensorFlow1.0.1andKeras2.2.1 MinghangZhao,ShishengZhong,XuyunFu,BaopingTang,ShaojiangDong,MichaelPecht, DeepResidualNetworkswithAdaptivelyParametricRectifierLinearUnitsforFaultDiagnosis, IEEETransactionsonIndustrialElectronics,2020,DOI:10.1109/TIE.2020.2972458 @author:M

  • 病毒分析快速入门(二)--实战QuasarRAT

    概述小c忙活半天,总算把环境配好。前期准备完成,便可以着手进行样本分析了。样本可从app.any.run获取,使用邮箱免费注册后,便可以下载该沙箱的公开样本小c随便在该沙箱选择了一个样本,下载,准备开搞动态行为在样本分析的过程中,首先通过虚拟机,沙箱等运行样本,看样本执行什么样的行为,再根据其行为去分析样本中代码,这样的方式有助于加快分析速度。01本地虚拟机首先通过第一节搭建的分析环境运行样本(最好将虚拟机设置位断网状态),对于此类32位的样本,推荐使用SysTracer进行行为抓取。运行该程序,选择文件-》创建并跟踪信进程-》选择样本确定运行后效果如图可明显看到该样本在C:\Windows\System32\dllcheck目录下创建了一个dllcheck.exe再看看进程相关的行为样本共创建了三个新进程,其中一个是把释放的dllcheck.exe执行起来,其余两个进程均以schtasks开始,小c作为第一次分析样本的小白,不懂啥这是啥意思,便想起大佬说的,遇事不懂,先问度娘通过搜索引擎可知,该命令可将任何脚本、程序或文档设置在任何时间自动执行起来,恶意代码常通过此命令将自身设置到某

  • ​了解边缘计算

    非常小的预制数据中心开始与托管设施、云服务提供商甚至内部IT部署展开竞争。边缘计算既可以重新分配企业市场,也可以将其全部扰乱。1执行摘要数字网络是一种信息传输系统。在这个网络中,“边缘”由尽可能远的扩展的服务器组成,以减少为用户提供方便服务所需的时间。这里有两种可行的策略:●当服务器与用户之间以最少的中间路由点或“跃点”分开时,可以更快地接收数据流、音频和视频,停顿时间也更少(最好完全没有停顿)。Akamai和CloudFlare等内容分发网络(CDN)就是围绕这一策略构建的。●当应用程序的处理器靠近收集数据的位置时,可能会加快应用程序的速度。对于物流和大规模制造的应用程序,以及传感器或数据采集设备数量众多且高度分布的物联网(IoT),情况尤其如此。在边缘计算的背景下,边缘是处理器最方便地向客户提供功能的位置。根据应用程序的不同,当采用一种策略或另一种策略时,这些处理器可能最终位于网络的一端或另一端。由于互联网并不像旧的电话网络那样建立起来的,因此,在路由便利性方面,“更近”并不一定是在地理距离上更近。而且取决于您的组织与多少不同类型的服务提供商签订了合同-公共云应用提供商(SaaS)

  • 译 | 宣布ML.NET 1.2 及模型生成器更新(用于 .NET 的机器学习)

    原文:CesarDelaTorre翻译:EdiWang我们很高兴地宣布ML.NET1.2和模型生成器和CLI的更新。ML.NET是.NET开发人员的开源和跨平台机器学习框架。ML.NET还包括模型生成器(VisualStudio的简单UI工具)和ML.NETCLI(命令行界面),以便使用自动机器学习(AutoML)构建自定义机器学习(ML)模型变得超级简单。使用ML.NET,开发人员可以利用其现有工具和技能集,通过为情绪分析、价格预测、图像分类等常见方案创建自定义机器学习模型来开发和将自定义ML注入到应用程序中以及更多操作!以下是此更新中的一些主要亮点:ML.NET更新ML.NET1.2是一个向后兼容的版本,没有重大更改,因此请更新以获取最新的更改。用于预测和异常检测的TimeSeries支持的正式发布开发人员可以使用Microsoft.ML.TimeSeries包处理许多方案,例如:使用异常检测模型检测产品销售中的峰值和变化,或创建可能受季节性和其他时间相关上下文影响的销售预测。通过这些示例了解更多信息。https://github.com/dotnet/machinelearnin

  • django rest framework通用view

    官方文档:http://www.django-rest-framework.org/ drf为我们提供强大的通用view的功能,本博客对这些view进行简要的总结分析。 首先,我们看一下主要的几种view以及他们之间的关系。 这其中,还涉及了mixins,主要也分为5类: 下面我们以课程(course)作为一个例子,对view进行一个总结。1.djangoView  首先,我们使用django自带的view,获取一个课程的列表:#drf是通过json的格式进行数据交互的,所以这里也返回json数据 importjson fromdjango.views.generic.baseimportView fromdjango.coreimportserializers fromdjango.httpimportHttpResponse,JsonResponse from.modelsimportCourse classCourseListView(View): defget(self,request): """ 通过django的view实现课程列表页 &q

  • 数据科学的前6大语言

    2012年的《哈佛商业评论》(Harvardbusinessreview)正确地将数据科学列为“21世纪最性感的工作”。即使在这份报告发表6年后的今天,《商业评论》仍被证明是正确的。随着人工智能和机器学习的出现,“数据科学”一词在精通技术的人中间流行起来。用最简单的话说,数据科学是一种利用科学技术和算法从数据中挖掘知识的方法,无论是结构化的还是非结构化的。因此,要想成为数据科学编程的先驱,就必须至少掌握一种受支持的语言。无论您是数据科学领域的新手还是专业人士,您需要记住的一些基本内容包括分析数据、应用编程工具(如对数据进行序列和选择)以及执行简单的数据可视化。RR编程语言被数据挖掘人员和数据科学家广泛用于分析数据。简化工作在统计学家中也很流行。R提供了强大的面向对象编程工具,使其在其他计算语言中处于优势地位。静态图形使图形和其他数学符号的生成更加容易。使用R可以创建向量、矩阵、数组和数据帧。它可以替代SAS和Matlab。在过去的几年里,R已经成为谷歌和Facebook等公司的首选。PythonPython是一种简单、通用、多范式的编程语言。Python最大的优点是它拥有大量的库,这些

  • 大咖丨交通运输部科学研究院:交通运输大数据的基础环境正日益成熟-清数•思享会

    “交通行业是一个基础性产业,我们面对的是点多、线长、面广的现状。”交通运输部科学研究院交通信息中心副主任黄莉莉用这样一句话概括了交通行业特点。交通运输部科学研究院信息中心肩负着交通行业统计数据生产和交通运输部综合交通运输大数据应用中心的工作任务,多年来专门从事交通运输相关数据的采集、处理、分析应用等工作。这样一个部门,面对管理上条块结合的交通运输行业,如何才能协调各业务领域,从质量参差不齐的数据中挖掘价值?12月7日,清数大数据产业联盟与清华校友总会AI大数据专委会(筹)共同主办的交通大数据思享会上,黄莉莉分享了交通运输大数据的分析与应用的实践。我们对本次分享的精彩内容进行了整理,在不改变原意的前提下有删改:首先说一下交通运输行业大数据相关工作的一些背景。交通行业的业务领域覆盖面很广,今天介绍的重点是以公路和水路为主。随着十一五、十二五整个行业信息化的推进,交通运输行业管理部门和相关交通运输企业掌握的交通运输大数据正在日益形成。但与公安、国土、海关这些部门比,交通领域的大数据依然十分分散。行业信息化还在不断发展的过程中,交通运输大数据的基础环境正在日益成熟,这是一个大的发展背景和情况。

  • 详解|无人驾驶技术之魂——SLAM的现在与未来

    本文节选自图书《视觉SLAM十四讲:从理论到实践》,该书系统介绍了视觉SLAM(同时定位与地图构建)所需的基本知识与核心算法,既包括数学理论基础,又包括计算机视觉的算法实现。 此外,还提供了大量的实例代码供读者学习研究,从而更深入地掌握这些内容。本文转自人工智能头条。作者|高翔张涛刘毅颜沁睿当前的开源方案本文将主要介绍现有的SLAM方案,到底能做到怎样的程度,尤其会关注提供开源实现的方案。在SLAM研究领域,能见到开源方案是很不容易的。往往论文中介绍理论只占20%的内容,其他80%都写在代码中,是论文里没有提到的。正是这些研究者们的无私奉献,推动了整个SLAM行业的快速前进,使后续研究者有了更高的起点。在我们开始做SLAM之前,应该对相似的方案有深入的了解,然后再进行自己的研究,这样才会更有意义。 本讲的前半部分将带领读者参观一下当前的视觉SLAM方案,评述其历史地位和优缺点。表1列举了一些常见的开源SLAM方案,读者可以选择感兴趣的方案进行研究和实验。限于篇幅,我们只选了一部分有代表性的方案,这肯定是不全面的。在后半部分,我们将探讨未来可能的一些发展方向,并给出当前的一些研究成果

  • Css调整图片大小[将大图片压缩成小图片]

    <divstyle="width:设置宽px;height:设置高px; background-image:url('图片路径'); filter:progid:DXImageTransform.Microsoft.AlphaImageLoader(src='图片路径',sizingMethod='scale'); float:left;background-size:设置宽px设置高px;"> </div>复制 采用滤镜[filter]效果,实现大图片压缩成小图片。

  • duilib进阶教程 -- 图片和文字的位置调整 (5)

      已经有8个晚上没写教程啦,因为之后遇到了一些问题,主要是TreeView控件的问题,这个问题搞了几个晚上,然后还需要调试代码才能知道它的用法,虽然能够调试出来,但毕竟没什么含金量,只是重复劳动而已,相信很多前辈已经做过了。好吧,天朝的开源状况一向如此,重复造轮子的事情就由Alberl来终结吧,希望能给后面的小伙伴们节省时间,这里向那些提供Demo的大神们致敬,向duilib的作者致敬~O(∩_∩)O~   说说这8个晚上干了啥吧:   1、前两个晚上实现了Treeview的基本界面,因为Demo里只有一个Treeview的例子,但是和迅雷的播放列表相差甚远,【属性列表】里很多属性都是没用的,比如itemfont、itembkcolor等一系列属性,所以文字的大小和居中就没管了。   2、大家可以发现在隐藏播放列表的情况下,和迅雷一个像素都不差,包括在不同分辨率下(800*600到1440*900,再大一点试了1920*1080),嗯,这也花了两个晚上。于10.26晚上12点多发布了第一个版本~O(∩_∩)O~   3、这样就只剩下播放列表的问题啦,试了那些属性都无效之后,就只能调试

  • 学不会去当产品吧?Flink实战任务调优

    背景 在大数据领域我们都知道,开发是最简单,任务的合理调优、问题排查才是最重要的。 我们在之前的文章《Flink面试通关手册》中也讲解过,作者结合线上出现的一些问题,总结了一些任务调优需要注意的点。 一些简单的原则 我们在之前的文章《Flink面试通关手册》中提到过一个问题,Flink任务延迟高,想解决这个问题,你会如何入手? 当时我们给出的答案是: 在Flink的后台任务管理中,我们可以看到Flink的哪个算子和task出现了反压。最主要的手段是资源调优和算子调优。资源调优即是对作业中的Operator的并发数(parallelism)、CPU(core)、堆内存(heap_memory)等参数进行调优。作业参数调优包括:并行度的设置,State的设置,checkpoint的设置。 事实上,延迟最终的结果都是任务的最终失败,我们在调优线上问题时,有一个最简单的原则: 先看指标,定位问题?在看资源,是否足够?三看吞吐,是否反压?四看JVM,是否OOM? 轮着来,学不会转产品吧 先看指标,定位问题 Flink提供的Metrics可以在Flink内部收集一些指标,通过这些指标让开发人

  • 以Redis和JDBC(MySQL)为例介绍YCSB的使用

    环境 首先确保安装了jdk和maven,我个人使用的是openjdk11和maven3,由于本人非常建议使用python版本的ycsb,建议安装python。ubuntu18.04下可以使用apt安装: aptinstallopenjdk-11-jdk-headlessmavenpython 复制 时代问题 需要注意的是ycsb这个项目蛮老的,用的还是python2,用python3的话亲测有语法错误。 如果你需要在ycsb中使用mongodb,或者想全部编译,就需要注意这点,由于mongodb-async-driver已经废弃了,YCSB无法编译,如果不想费心思改代码的话,就需要把这个jar包找到安装到本地maven,jar包下载: 百度云下载位置 之后安装到本地 mvninstall:install-file"-Dfile=mongodb-async-driver-2.0.1.jar""-DgroupId=com.allanbank""-DartifactId=mongodb-async-driver""-Dversion=2.0.1""-Dpackaging=jar" 复制 不加

  • Sequence(ST表)(洛谷P2048)

    超级钢琴 知识储备 在做这道题前,我们先要了解一下ST表(一种离线求区间最值的方法) ST表使用DP实现的,其查询复杂度为O(1). 那么我们怎么用DP实现呢?? 首先,我们设立一个状态f[i][j],其中i代表起点(包括在内),而j则代表是2的几次方,那么这个状态的含义就是以i为起点,求i~i+2^j-1内的区间最大值 最开始,我们定义f[i][0]的值为其本身即a[i] 那么我们转移方程就是 f[i][j]=max(f[i][j-1],f[i+(1<<(j-1)][j-1]); //一层一层的推过来... 然后我们就知道在一定区间内的最大值了!! 查询也是一个需要特别注意的点,我们要知道查询的x位置和y位置之间max,就要知道y-x+1是y的几次方,其中这个要向下取整,防止越界,但是这样我们就会有一部分扫不到,由于我们向下取整的这个区间是大于等于这个区间的一半的,所以我们可以反过来,从y-(1<<k)到y,这样可以保证不会漏掉数据,并且重复的话也不会对答案产生影响 但是注意!!算k的式子要小心啊 别取错了,一个小BUG就会导致你WA掉...

  • 0长度数组的使用

    0长度的数组在ISOC和C++的规格说明书中是不允许的,但是GCC的C99支持的这种用法。GCC对0长度数组的文档参考:“ArraysofLengthZero” 如下代码片段,哪个更简洁更灵活,看一眼就知道了: #include<stdlib.h> #include<string.h> typedefstructtagArray { intlength; charcontents[];//这个成员必须是结构体的最后一个成员。 }ARRAY_S; typedefstructtagPointer { intlength; char*contents; }POINTER_S; intmain() { intarray_length=10; ARRAY_S*pArray=(ARRAY_S*)malloc(sizeof(ARRAY_S)+array_length); POINTER_S*pPointer=NULL; if(NULL==pArray) { return0; } pArray->length=array_length; memset(pArr

  • leetcode 218 天际线问题

    初次见到确实是比较困难的问题。解决问题的关键在于抽象出答案中水平线段的端点一定是某一建筑的左端点或者右端点,而如果是右端点作为端点,则该建筑的高度对于这个水平线段并不产生影响(最后一个建筑后的高度为0的天际线就是一个例子)。所以可以考虑遍历所有的端点,对某一个端点而言,考虑所有包含该端点的建筑,其中最高的自然就是以该端点为起始点的天际线的高度,这一部分的比较可以使用优先队列来完成。这里还会用到一个延迟删除的技巧,对于某一个端点,并不需要删除所有不满足要求的建筑,而是只要当前队列中的最大值的建筑包含该端点即可,若当前最大值并不包含该端点,则弹出该建筑,重复该过程知道当前top节点满足要求。而在建筑进入优先队列之后,判断是否需要弹出队列的依据只有该建筑的右端点与高度值,所以优先队列中只需要维护一个二元组即可。贴代码 1classSolution{ 2public: 3vector<vector<int>>getSkyline(vector<vector<int>>&buildings) 4{ 5autocmp=[](constpai

  • py爬取英文文档学习单词

      最近开始看一些整本整本的英文典籍,虽然能看个大概,但是作为四级都没过的我来说还是有些吃力,总还有一部分很关键的单词影响我对句子的理解,因为看的是纸质的,所以查询也很不方便,于是想来个突击,我想把程序单词收拢在一起学习一下,希望这样的更有针对性一些,因为你想,arbitrary(任意的,武断的)这样的单词不太可能会出现在技术文档上,学了这样的单词对理解英文技术文档没有太大帮助。所以今天花了几个小时研究了一下,发现是很可行的,实现也不算难。步骤主要是以下几点,第一:先搞定翻译接口。翻译的来源分为接口型和爬虫型,我看了看百度的那个翻译页面,不是很好爬,但是百度官方提供了翻译的接口,只要申请成为百度的开发者即可,然后利用百度给的appkey即可实现翻译,而且接口也很丰富,但是我还是觉得略微麻烦。另外一个就是谷歌了,我仔细看了看谷歌翻译页面的接口,发现竟然出奇的简单,只有一个set-cookie的接口,然后就是翻译的接口,你肯定猜到了,我用的就是爬取谷歌的翻译页面。第二:爬取你想分析的英文文档的单词。翻译嘛,总的有大批的单词啊,那么我这边也是通过爬虫获取的,给定一个页面,比如https://

  • 快递100API接口调用代码示例

    packagecom.util; importjava.io.IOException; importjava.io.InputStream; importjava.net.MalformedURLException; importjava.net.URL; importjava.net.URLConnection; publicclasskuaidi100 { privatestaticStringkey="29833628d495d7a5";//必填项,从官网申请的key publicstaticvoidmain(String[]agrs){ System.out.println(searchkuaiDiInfo("rufengda","516013113118353001")); try{ URLurl=newURL("http://api.kuaidi100.com/api?id=c1441d4e82940df1&com=rufengda&nu=516013113118353001&show=0&muti=1&a

  • OC 判断一个字符串是不是int、float、double

    //整形判断(整形返回yes,否则为no) -(BOOL)isPureInt:(NSString*)string{   NSScanner*scan=[NSScannerscannerWithString:string];   intval;   return[scanscanInt:&val]&&[scanisAtEnd]; }   //浮点形判断(整形/浮点型等数字均会返回YES,其他为no): -(BOOL)isPureFloat:(NSString*)string{   NSScanner*scan=[NSScannerscannerWithString:string];   floatval;   return[scanscanFloat:&val]&&[scanisAtEnd]; }   //浮点形判断(整形/浮点型等数字均会返回YES,其他为no): -(BOOL)isPureDoubl

  • SQL 数据过度-事务模板

    1--一、什么是数据过渡? 2--在系统上线时,有时候需要对历史已有的数据做过渡处理 3 4--二、数据过渡几个需要注意的点: 5--1、尽量套个事务,执行失败之后回滚事务 6--2、尽量做到该数据过渡可以重复执行,而不会有“后遗症” 7--3、在执行UPDATE、DELETE等之类的语句时,如果对预期影响的行数明确的话,尽量在语句执行后加个"IF@@ROWCOUNT<>预期影响行数"之类的判断 8--4、在数据过渡关键节点的地方输出日志 9--5、不要把错误信息吞了 10 11--三、示例: 12USEagent_config 13GO 14 15--①在外围套个TRYCATCH以及事务 16BEGINTRY 17BEGINTRAN; 18 19--②该过渡执行多次不会产生副作用 20UPDATEagent_config.dbo.mt_post_tbl 21SETpositionName='过度数据' 22WHEREpositionName='过度条件'; 23 24--③因为明确目标预期更新的记录行只有1行,所以这里加个“IF@@ROWCOUNT<>1”的判

相关推荐

推荐阅读