file-type

深入解析HTML技术:lichuang.github.io项目实践

ZIP文件

下载需积分: 5 | 43.39MB | 更新于2024-12-01 | 187 浏览量 | 0 下载量 举报 收藏
download 立即下载
1. 标题解释 标题中的"lichuang.github.io"指的是一个在GitHub上托管的个人网站或者项目页面。GitHub是一个著名的代码托管和版本控制平台,它允许开发者存储项目代码,并通过互联网与其他开发者共享和协作。GitHub Pages是GitHub提供的一个功能,允许用户直接从GitHub仓库托管静态网站。这意味着开发者可以创建一个网站,并通过GitHub Pages服务无需其他服务器或托管服务即可将其部署到互联网上。 2. 描述解释 描述中重复的"lichuang.github.io"表明这是一个指向特定GitHub仓库的链接,该仓库可能包含网站的源代码。通常,开发者会在这个仓库中存放HTML文件、CSS样式表、JavaScript文件以及其他资源,比如图片和视频,构成网站的全部内容。这个描述表明,该仓库或网站可能属于一个名为lichuang的用户,而用户可能是一个独立开发者或小团队。 3. 标签解释 标签"HTML"表示该网站或项目主要涉及到超文本标记语言(HyperText Markup Language)。HTML是创建网页和网络应用程序的标准标记语言。它定义了网页的结构和内容,包括文本、链接、图片和其他元素。标签"HTML"表明,lichuang.github.io网站的前端部分很可能使用HTML编写,用于构建网页的布局和框架。 4. 压缩包子文件的文件名称列表解释 文件名称"lichuang.github.io-master"暗示这是一个特定的文件或文件夹名称,通常表示这是GitHub仓库的主分支或主版本。在GitHub上,"master"分支通常是项目的默认分支,代表当前最新的稳定代码。文件名后缀".git"表示这个仓库文件是一个压缩包或备份文件,用于存储仓库的快照,可能用于版本控制、备份或分发。在没有实际解压和查看文件内容的情况下,我们不能确定这个文件确切包含的内容,但可以推测它可能包含了该GitHub仓库的所有代码和必要的配置文件,以便于开发者进行本地开发或部署。 综上所述,lichuang.github.io很可能是一个通过GitHub Pages服务部署的个人或团队项目,使用HTML作为其主要开发语言,其内容包括网站的源代码。这个项目托管在名为lichuang的GitHub用户的账户下,其中"master"表示这是项目的主要分支或版本。由于缺乏更详细的信息,我们无法确定项目的具体内容和功能,但可以推测它可能是一个展示个人技能、作品集或者提供某种服务的静态网站。

相关推荐

filetype

-- coding: gbk -- import cv2 import numpy as np import torch from segment_anything import sam_model_registry, SamPredictor import os 注册并加载 SAM 模型 sam_checkpoint = “/home/lichuang/project/Opencv-main/sam_yolo/yolov8_sam-weights/sam_vit_b_01ec64.pth” # 请根据实际路径修改 model_type = “vit_b” device = “cuda” if torch.cuda.is_available() else “cpu” sam = sam_model_registrymodel_type sam.to(device=device) predictor = SamPredictor(sam) 定义输入和输出文件夹路径 input_root_folder = “/home/lichuang/project/Opencv-main/sam_yolo/traditional3d-plan1/dataset/input_images/” # 包含子文件夹的总文件夹路径 output_folder = “/home/lichuang/project/Opencv-main/sam_yolo/traditional3d-plan1/dataset/mask1/” # 生成mask图片的输出文件夹路径 如果输出文件夹不存在,则创建它 if not os.path.exists(output_folder): os.makedirs(output_folder) 遍历总文件夹下的所有子文件夹 for subfolder in os.listdir(input_root_folder): subfolder_path = os.path.join(input_root_folder, subfolder) if os.path.isdir(subfolder_path): # 在输出文件夹下创建对应的子文件夹 output_subfolder = os.path.join(output_folder, subfolder) if not os.path.exists(output_subfolder): os.makedirs(output_subfolder) # 遍历子文件夹中的所有图片 for filename in os.listdir(subfolder_path): if filename.endswith(('.png', '.jpg', '.jpeg')): img_path = os.path.join(subfolder_path, filename) # 读取图片 image = cv2.imread(img_path) if image is None: print(f"Failed to read {img_path}") continue image_rgb = cv2.cvtColor(image, cv2.COLOR_BGR2RGB) # 设置图像到预测器 predictor.set_image(image_rgb) # 简单地使用图像中心作为提示点(可根据需求优化提示点策略) height, width = image.shape[:2] input_point = np.array([[width // 2, height // 2]]) input_label = np.array([1]) # 进行预测 masks, scores, logits = predictor.predict( point_coords=input_point, point_labels=input_label, multimask_output=True, ) # 选择得分最高的 mask best_mask = masks[np.argmax(scores)] # 对掩码进行形态学操作,去除小孔洞和噪点(可选步骤,可根据实际情况调整) kernel = np.ones((5, 5), np.uint8) best_mask = cv2.morphologyEx(best_mask.astype(np.uint8), cv2.MORPH_OPEN, kernel) best_mask = cv2.morphologyEx(best_mask, cv2.MORPH_CLOSE, kernel) # 保存生成的二值化mask图片 output_path = os.path.join(output_subfolder, filename) cv2.imwrite(output_path, best_mask * 255) print(“Mask图片生成完成!”)以上是实现生成掩码图代码,请修改掩码图的生成代码,尝试解决此问题。

filetype

# -*- coding: gbk -*- import cv2 import numpy as np import torch from segment_anything import sam_model_registry, SamPredictor import os # 注册并加载 SAM 模型 sam_checkpoint = "/home/lichuang/project/Opencv-main/sam_yolo/yolov8_sam-weights/sam_vit_b_01ec64.pth" # 请根据实际路径修改 model_type = "vit_b" device = "cuda" if torch.cuda.is_available() else "cpu" sam = sam_model_registry[model_type](checkpoint=sam_checkpoint) sam.to(device=device) predictor = SamPredictor(sam) # 定义输入和输出文件夹路径 input_root_folder = "/home/lichuang/project/Opencv-main/sam_yolo/traditional3d-plan1/dataset/input_images/" # 包含子文件夹的总文件夹路径 output_folder = "/home/lichuang/project/Opencv-main/sam_yolo/traditional3d-plan1/dataset/mask1/" # 生成mask图片的输出文件夹路径 # 如果输出文件夹不存在,则创建它 if not os.path.exists(output_folder): os.makedirs(output_folder) # 遍历总文件夹下的所有子文件夹 for subfolder in os.listdir(input_root_folder): subfolder_path = os.path.join(input_root_folder, subfolder) if os.path.isdir(subfolder_path): # 在输出文件夹下创建对应的子文件夹 output_subfolder = os.path.join(output_folder, subfolder) if not os.path.exists(output_subfolder): os.makedirs(output_subfolder) # 遍历子文件夹中的所有图片 for filename in os.listdir(subfolder_path): if filename.endswith(('.png', '.jpg', '.jpeg')): img_path = os.path.join(subfolder_path, filename) # 读取图片 image = cv2.imread(img_path) if image is None: print(f"Failed to read {img_path}") continue image_rgb = cv2.cvtColor(image, cv2.COLOR_BGR2RGB) # 设置图像到预测器 predictor.set_image(image_rgb) # 简单地使用图像中心作为提示点(可根据需求优化提示点策略) height, width = image.shape[:2] input_point = np.array([[width // 2, height // 2]]) input_label = np.array([1]) # 进行预测 masks, scores, logits = predictor.predict( point_coords=input_point, point_labels=input_label, multimask_output=True, ) # 选择得分最高的 mask best_mask = masks[np.argmax(scores)] # 对掩码进行形态学操作,去除小孔洞和噪点(可选步骤,可根据实际情况调整) kernel = np.ones((5, 5), np.uint8) best_mask = cv2.morphologyEx(best_mask.astype(np.uint8), cv2.MORPH_OPEN, kernel) best_mask = cv2.morphologyEx(best_mask, cv2.MORPH_CLOSE, kernel) # 保存生成的二值化mask图片 output_path = os.path.join(output_subfolder, filename) cv2.imwrite(output_path, best_mask * 255) print("Mask图片生成完成!")此为掩码图的生成代码,请修改代码,尝试解决此问题

filetype

以下是我的项目:首先我使用了cameractrl模型通过输入文字描述和摄像机轨迹得到了视频(2s),然后使用API函数将得到的视频切成4张关键帧图片,总共3个类(马、海豚、鹿),组成了一个自定义数据集;将获得的数据集使用YOLOV8+SAM模型进行检测和分割得到了分割图(将图片里面的动物分割出来),再利用分割图使用opencv的API得到掩码图,再使用分割图和掩码图得到深度图;将得到的原图(rgb图)、掩码图(mask图)、深度图(depth)使用Depth Mask 3D Diffusion模型重建动物的3d点云,能够得到任意视角的mask,且mask之间的loss最小是关键,多个视角能够起到约束mask多视角一致性,但是得到的实验结果如下:多视角 mask 的 Dice 损失: -254.0██████████████████████████████████████████████████████████████████████████████████████████████████████ | 3/4 [02:31<00:44, 44.07s/it] 处理 horse: 100%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 4/4 [03:34<00:00, 53.57s/it] 已合并 3 个点云,保存到 /home/lichuang/project/Opencv-main/sam_yolo/Depth Mask 3D Diffusion/3d_output/horse/horse_merged.ply█████████████████████████████████████████████████| 4/4 [03:34<00:00, 51.50s/it] 100%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 60/60 [00:06<00:00, 9.06it/s] 现在出现的问题可能是掩码图或深度图的特征不够明显,导致损失差距大

weixin_42097189
  • 粉丝: 39
上传资源 快速赚钱

资源目录

深入解析HTML技术:lichuang.github.io项目实践
(955个子文件)
sc1.graffle 143KB
entity_tick.graffle 130KB
etcd-flowchart.graffle 131KB
happen-before.graffle 171KB
disk-ds.graffle 130KB
context_switch_probe.graffle 147KB
commitTx.graffle 144KB
memorybarrier.graffle 165KB
cfs_rq.graffle 158KB
merge-leaf01a.gif 4KB
task_struct.graffle 154KB
sc3.graffle 138KB
sc4.graffle 140KB
apple-chancery-webfont.eot 25KB
etcd-server.graffle 162KB
scheduler-core.graffle 134KB
slide02b.gif 6KB
merge-internal01a.gif 6KB
segments.graffle 118KB
single.css 90B
buckets.graffle 147KB
content.css 2KB
etcd-store-put.graffle 138KB
softirq.graffle 137KB
main-minimal.css 211B
highlight.css 5KB
systemtap.gif 10KB
main.css 15KB
etcd-raft-flow.graffle 164KB
.DS_Store 6KB
jquery.fancybox-3.1.20.min.css 13KB
syntax.css 4KB
c++model.graffle 177KB
read-acquire.graffle 147KB
codeblock.css 133B
katex.min.css 21KB
slide01c.gif 5KB
.DS_Store 18KB
font-awesome.min.css 30KB
gitment-0.0.3.min.css 15KB
highlight.min.css 872B
.DS_Store 6KB
bootstrap.min.css 118KB
stop-and-wait.graffle 122KB
slide02g.gif 6KB
pick_next_task_fair.graffle 168KB
onoffcpu.graffle 170KB
etcd-revision.graffle 137KB
merge-internal01b.gif 3KB
LogEntry.graffle 122KB
transfer-leaf01.gif 4KB
5.7.graffle 145KB
merge-leaf02.gif 3KB
.gitignore 0B
etcd-snapshot.graffle 181KB
index.css 408B
CNAME 18B
script-level.graffle 131KB
repeatableRead.graffle 119KB
transfer-internal02.gif 6KB
slide01b.gif 6KB
sc-switch.graffle 124KB
clone_res.graffle 205KB
hotpot.graffle 165KB
redis.graffle 149KB
staticman.css 1KB
gitalk-1.2.2.min.css 19KB
update_curr.graffle 165KB
transfer-internal01.gif 5KB
even.min.css 32KB
dbfile-1.graffle 117KB
merge-leaf02a.gif 4KB
hugo-easy-gallery.css 4KB
copy_process.graffle 186KB
script.graffle 131KB
leader-to-f.graffle 122KB
map-var.graffle 140KB
cfs.graffle 166KB
kcp-recv.graffle 178KB
vector-var.graffle 134KB
mi_heap_malloc_small.graffle 150KB
fork.graffle 120KB
sc2.graffle 148KB
.DS_Store 6KB
transfer-leaf02.gif 4KB
leader-to-b.graffle 123KB
do_fork.graffle 177KB
.DS_Store 6KB
iconfont.eot 6KB
list.css 520B
segments.graffle 118KB
common.css 3KB
.DS_Store 6KB
glibc-syscall.graffle 123KB
leaf-page-layout.graffle 122KB
write-release.graffle 145KB
LogEntry.graffle 122KB
leader-to-c.graffle 120KB
slide02e.gif 8KB
5.8.graffle 151KB
共 955 条
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 10