本篇主要内容如下：
前言
项目中我们总是用 Kibana 界面来搜索测试或生产环境下的日志，来看下有没有异常信息。Kibana 就是 我们常说的 ELK 中的 K。
Kibana 界面如下图所示：
但这些日志检索原理是什么呢？这里就该我们的 Elasticsearch 搜索引擎登场了。
我会分为三篇来讲解 Elasticsearch（简称ES）的原理、实战及部署。
上篇： 讲解 ES 的
原创
2021-07-08 16:40:27
139阅读
项目中我们总是用 `Kibana` 界面来搜索测试或生产环境下的日志，来看下有没有异常信息。`Kibana` 就是 我们常说的 `ELK` 中的 `K`。但这些日志检索原理是什么呢？这里就该我们的 Elasticsearch 搜索引擎登场了。
原创
精选
2020-10-09 23:02:44
4235阅读
点赞
1评论
大部分需要导航功能的APP都采用的第三方的数据，百度地图的SDK就非常简单易用，但是如果APP要做到国际化，百度SDK的支持和mapKit相比就逊色许多。
原创
2021-10-21 15:21:37
1048阅读
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档 文章目录引言方法1方法2总结参考文献 引言语音的实际应用场景中，经常是给定一段包含多句句子的长语音，这就产生了语音端点检测的需求，从而实现对句子的分割。端点检测可以是只检测长语音的开始和结束，也可以细化到每一句句子的开始和结束，以下示例为句子级的端点检测。方法1使用短时能量和谱质心特征进行端点检测，在matlab上有封装好的函数，以
我们经常会在Excel表格中进行数据的核对修改，如果要在第一时间知道哪些数据被修改过，通过对修改过的数据做出标记是快速识别这类数据的好方法。利用Excel的有关组件，我们就可以实现被修改数据的标记功能。下面，我们以在Excel 2019中操作为例来说明。 1. 用好突出显示修订 修改数据轻松标记
iamlaosong文我们经常需要监督Excel工作表中单元格的值是否变化，例如我们客服有一个报表要通报，报表的内容来自很多地方，需要将这些数据复制到这个表中，由于数据较多，为了防止有遗漏，希望更新后的数据有个标志，这样没有更新的就一目了然了。为此，很自然就会想起利用Worksheet_Change事件完成。当工作表任何单元格发生变化时就会激活这个事件。另一个事件函数Worksheet_Selec
最近在学习显著性目标检测算法的时候发下HRNet和显著性检测具有很大的相似性，于是学习了下HRNet这个网络，写个笔记给小伙伴们参考参考。HRNet是2019年发表在CVPR上面的文章。 论文：https://arxiv.org/abs/1902.09212 代码：https://github.com/leoxiaobin/deep-high-resolution-net.pytorch
手机屏幕消费者使用手机时最先接触的一环，承载着画面显示和触控操作，手机屏幕的大小、亮度、刷新率、对比度等等都影响着消费者的使用体验。手机屏幕性能也成为各手机品牌之间差异化的体现和竞争的关键性因素。手机屏幕分为LCD屏幕和OLED屏幕两种，在制造完成后，都需要经过专业的性能测试，才能得以应用，为了避免劣质屏幕流入市场，在手机屏幕测试中，要选择专业的测试仪器和模组，例如大电流弹片微针模组。
1. 点检管理的特点实行全员管理按设备分工进行管理点检员是管理者是一套科学的管理工程变静态管理为动态管理建立成本管理意识 2. 点检设备概念是利用人感官和检测工具，按照预先制定的技术标准，定人、定点、定期 &n
目录原理讲解【1】为何选取角点作为特征？【2】角点的定义：【3】判
原创
2022-06-27 23:38:03
708阅读
点赞
CenterNet算法笔记1.核心思想2.网络结构2.1Backbone网络2.2neck网络2.3head网络2.3.12D检测2.3.1.1 keypoints heatmap2.3.1.2 local offset2.3.1.3 object size2.3.2 3D检测3.推理流程4.我对CenterNet的几个问题4.1 为什么CenterNet不需要NMS？4.1.1 原论文的解释4
一 理解描述： 离群点检测，是发现于大部分其他对象显著不同的对象。大部分分析都会把这些差异信息丢弃，然而在一些场景中，这些数据可能存在巨大的价值应用范围： 诈骗检测；贷款审批；电子商务；网络入侵；天气预报等领域二 离群点成因及类型成因： 数据取值来源不同；自然变异造成；数据测量不准；收集误差 离群点的类型：分类标准分类标准分类描述数据范围全局离群点和局部离群点离群特征是从局部和总体来看的，可用二维
在一组平行测定中，若有个别数据与平均值差别较大，则把此数据视为可疑值，也称离群值。 如果统计学上认为应该舍弃的数据留用了，势必会影响其平均值的可靠性。相反，本应该留用的数 据被舍弃，虽然精密度提高，但却夸大了平均值的可靠性。1 离群值检验方法简介设有一组正态样本的观测值，按其大小顺序排列为x1，x2，x3，……，xn。其中最小值x1或最大值xn为离群值(xout)。对于离群值的统计检验，大都是建立
转载
2023-08-02 23:26:55
406阅读
零之前言这一章的数学我真的有点看不懂，没有认真专研过，所以，这节内容的代码主要搞清楚参数怎么设置，然后参数怎么调会有怎样的结果就可以了。一.图像特征对于图像的特征提取，一个关键的特征就是角点。角点是比较好检测的一种东西。做过软件识图的都知道，如果没有角点的搜寻图，纯色搜寻很容易搜索到其他的东西，那为什么说角点能够作比较好的特征检测的东西呢？尝试移动一下这三个框，就很容易知道结果了。二.Harris
文章目录5.1 理解斑点检测5.1.1 分割5.1.2 Canny边缘检测5.1.3 轮廓分析 5.1 理解斑点检测斑点是我们可以根据颜色辨别的区域。也许斑点本身有独特的颜色，或者背景有。与“物体”一词不同，“斑点”一词不一定意味着有质量和体积的东西。例如，表面的变化，如污渍，可以是斑点，即使他们有微不足道的质量和体积。光学效果也可以是斑点。例如，镜头的光圈会产生散焦球或失焦高光，使得光线或闪亮
最近在学习进行车道线的端点检测，网上较多的为车道线检测，而缺少端点检测这一方面的内容，于是决定将自己的一些尝试的方法记录下来。使用图像 读取图片非常简单，只需要直接调用opencv读取图片的函数就可以，读取车道线图片后首先进行图片灰度化与边缘检测。 边缘检测Mat gray, b
+这一段时间我一直在忙我的检查清单系列博客，最终会变成一本书。这次检查列表关注的是你想要监控的SQL Server实例，确保他们能够正常工作。跟我之前的检查清单不同，这次的清单询问你是否监控了SQL Server实例的特定方面，如果你已经监控了，你是如何监控的，监控频率。我的目的不是建议你应该监控，应该如何监控或者多久监控，只是让你开始思考什么东西应该定期的监控。在清单的最后，我提供了一些常见的方
1.FAST基本算法用一句话来讲FASTN算法的原理就是：若一个像素周围有一定数量的像素与该点像素值不同，则认为其为角点。步骤如下：
1）在图像中任选一点p， 假定其像素（亮度）值为
Ip 2）以r为半径画圆，覆盖p点周围的M个像素，如下图所示: r=3， M=16 3）设定阈值t，如果这周围的16个像素中有连续的N个像素的像素值减去 Ip−t
或者有连
文章源码在 https://github.com/wangshub/python-vad引言语音端点检测最早应用于电话传输和检测系统当中,用于通信信道的时间分配,提高传输线路的利用效率.端点检测属于语音处理系统的前端操作,在语音检测领域意义重大. 但是目前的语音端点检测,尤其是检测 人声 开始和结束的端点始终是属于技术难点,各家公司始终处于 能判断,但是不敢保证 判别准确性 的阶段. 现在基于
特征点又称兴趣点、关键点，它是在图像中突出且具有代表意义的一些点，通过这些点我们可以用来识别图像、进行图像配准、进行3D重建等。本文主要介绍OpenCV中几种定位与表示关键点的函数。一、Harris角点角点是图像中最基本的一种关键点，它是由图像中一些几何结构的关节点构成，很多都是线条之间产生的交点。Harris角点是一类比较经典的角点类型，它的基本原理是计算图像中每点与周围点变化率的平均值。&nb
转载
2023-07-19 16:43:44
98阅读
