BXW

博哥的blog

博哥的技术博客

0%

发表于 更新于 分类于

读取excel中问题,配置默认返回值,数据存储为mongo
Apdater类型：
logic_adapters：机器人应答逻辑
Closest Match Adapter ：字符串模糊匹配(编辑距离)
Closest Meaning Adapter  ：借助nltk的WordNet，近义词评估
Time Logic Adapter ：处理涉及时间的提问
Mathematical Evaluation Adapter： 涉及数学运算

阅读全文 »

发表于 更新于 分类于

磁盘别名

1
2
3
4
5
6
7
8
# DEVICE NAME CONVERSIONS 
#
#  Linux           Grub
# -------------------------
#  /dev/fd0        (fd0)
#  /dev/sda        (hd0)
#  /dev/sdb2       (hd1,1)
#  /dev/sda3       (hd0,2)

本机 grub启动 引导

1
2
3
linux (hd0,msdos2)/boot/vmlinuz-linux root=/dev/sda2
initrd (hd0,msdos2)/boot/initramfs-linux.img
boot

发表于 更新于 分类于
  1. 原理
    Face Recognition 库主要封装了dlib这一 C++ 图形库，通过 Python 语言将它封装为一个非常简单就可以实现人脸识别的 API 库，屏蔽了人脸识别的算法细节，大大降低了人脸识别功能的开发难度。Face Recognition 库进行人脸识别主要经过如下步骤：

人脸检测：找出所有的面孔
检测面部特征点： 使用特征点矫正姿态，将侧脸转为正脸
给脸部编码：根据面部特征点计算这个面孔的特征值（特征向量）
编码-计算特征值
从编码中找出人的名字：与已知面孔进行特征值比对，寻找匹配的面孔，得到人名

发表于 更新于 分类于 ，

本文介绍了基于OpenCV 和 Python 、Flask的web人脸检测项目。

  • 1):人脸图片收集
  • 2):人脸数据训练
  • 3):人脸识别
  • 4):集成到Flask 提供web接口

人脸识别的最基础任务是「人脸检测」。你必须首先「捕捉」人脸（第 1 阶段）才能在未来与捕捉到的新人脸对比时（第 3 阶段）识别它。

最常见的人脸检测方式是使用「Haar 级联分类器」。使用基于 Haar 特征的级联分类器的目标检测是 Paul Viola 和 Michael Jones 2001 年在论文《Rapid Object Detection using a Boosted Cascade of Simple Features》中提出的一种高效目标检测方法。这种机器学习方法基于大量正面、负面图像训练级联函数，然后用于检测其他图像中的对象。这里，我们将用它进行人脸识别。最初，该算法需要大量正类图像（人脸图像）和负类图像（不带人脸的图像）来训练分类器。然后我们需要从中提取特征。好消息是 OpenCV 具备训练器和检测器。

阅读全文 »

发表于 更新于 分类于

scrapy
抓取gbk网页搜索的时候直接用汉字作为关键字,搜索显示无结果,原因为scrapy为utf-8使用汉字搜索，汉字转换会urlencode,但是gbk页面搜索识别的是gbk编码的汉字,所以在抓取gbk页面的时候，汉字需要

1
"关键字".decode("utf-8").encode("gbk")

发表于 更新于 分类于

用scrapy爬取的数据是无序的,如果要保存有序列的内容，需要根据自增id保存到字典里，然后在spider里使用closed方法进行保存

阅读全文 »