作者文章归档:course

目标检测-


目标检测是计算机视觉领域中的一项重要任务,旨在从图像或视频中识别出特定目标的位置和类别,以下是详细介绍:

任务定义

  • 输入一幅图像或一段视频,目标检测系统需要在其中找出感兴趣的目标物体,确定它们的位置和类别。位置通常用边界框(Bounding box)表示,类别可以是各种预定义的物体类别,如人、车、动物、物体等。

主要技术

  • 传统目标检测方法:主要基于手工特征和机器学习算法,如Haar特征与Adaboost分类器结合的Viola-Jones算法,以及HOG特征与SVM分类器结合的方法。这些方法先通过手工设计的特征提取器提取图像特征,再使用分类器进行目标分类和定位。
  • 基于深度学习的目标检...

Read more

自动化运维模块-RoadMap-ONEY


健康检查功能

自检功能

自动修复/故障自愈功能

自动化部署功能

  • 自动部署系统
  • setups
  • 一键能够拉起系统

自动测试系统

监控系统

存活监控

性能监控

调用链监控

todolist

  • 申请免费的一年期的免费证书
  • 在one.aicda.fun上 拉取最新代码然后 docker-compose up 完成部署
  • 修改数据库连接地址 与集合 CanTradeStock *

Read more

预测模块-RoadMap-ONEY


预测模块

  • 问题:预测股票价格功能 3000只股票-需要时间大概6个小时
  • 剥离数据采集功能 单独执行
  • 预测价格功能 多进程方案重写
  • 入库功能-待定-可以采用redis实现异步写功能

2025-04-23

Todo

默认预测取得数据是365 天, 如果股票的真实数据小于365 天会报错

Read more

数据分析模块-RoadMap-ONEY


统计功能

  • 历史预测价格追踪
  • 集合竞价9:15-9:30 价格变化可视化-折线图

数据分析

预测准确率

mongodb数据库连接为192.168.3.3, 文档predictPrice 存放预测的股票价格数据 文档内各字段含义 predict_date: 预测日期字段 change_percentage 涨跌幅百分比, latest_price: 昨天价格, predicted_price 预测今天的价格, price_change: 价格变动数额, generate_date: 生成日期字段 使用 akshare.stock_zh_a_...

Read more

后端接口-RoadMap-ONEY


任务列表

Todo

接口数据请求 并发处理,加入消息队列,进行并行请求

使用多个机器进行并发请求

后端接口

StockAPI

todo * 更新canTradeStockSet 的API 接口

  • 数据采集接口
  • 预测收盘价格接口

  • 预测股票接口

修改后段接口增加参数 生成日期 写个函数 实现功能 给所有文档增加一个字段 生成日期 值为‘2024-11-20’

根据添加股票页面, 设计一个addStock 的fastapi 生成到main.py 中, 数mongodb 连接地址为192.168.3.3 据库为stock_database, 文档为 stocksBought

Read more

前端模块-RoadMap-ONEY


前端模块

AICDA智能投顾体的前端模块作为用户交互的页面,具有至关重要的作用。 它主要提供直观清晰的用户界面,以简洁明了的方式展示各类投资产品信息、市场动态等内容,方便用户快速了解投资概况。 同时,具备便捷的操作功能,如账户注册登录、投资组合创建与调整、交易下单等,使用户能轻松进行操作。 而且,前端模块注重用户体验,界面设计美观大方,响应迅速,还能根据用户行为和偏好进行个性化推荐,为用户提供高效、舒适的智能投顾服务体验。

功能

已有功能

  • 登陆
  • 添加股票
  • 自动盯盘
  • 预测价格日历

Todo功能

  • 编辑已买股票
  • 一键删除已买股票功能

前端页面

登陆功能

登陆界面

  • 客户级别
  • 钻石级别 ...

Read more

非极大值抑制-DL


非极大值抑制(Non-Maximum Suppression,NMS)是目标检测中用于去除冗余检测框的一种重要算法,以下是关于它的详细介绍:

算法原理

  • 在目标检测任务中,模型会对每个目标生成多个检测框,这些检测框可能有不同的置信度得分,并且会存在大量重叠的情况。NMS的目的就是在这些检测框中筛选出最具代表性的、置信度最高的检测框,同时抑制那些与它重叠度较高的冗余检测框。
  • 算法首先根据检测框的置信度得分进行排序,选择得分最高的检测框作为基准框,然后计算其他检测框与该基准框的交并比(IoU)。如果某个检测框与基准框的IoU大于预先设定的阈值,则认为该检测框是冗余的,将其抑制(即从检测结果中...

Read more

交并比-DL


交并比(Intersection over Union,IoU)是目标检测和图像分割领域中用于衡量两个区域重叠程度的重要指标,以下是关于它的详细介绍:

定义

IoU是指两个区域(通常是预测的目标框与真实的目标框)的交集面积与并集面积的比值。其计算公式为:$IoU=\frac{A\cap B}{A\cup B}$,其中$A$和$B$分别表示两个区域,$A\cap B$表示它们的交集,$A\cup B$表示它们的并集。

取值范围及意义

  • 取值范围:IoU的取值范围在0到1之间。
  • 具体意义:当IoU为0时,表示两个区域没有任何重叠;当IoU为1时,表示两个区域完全重合;IoU的值越接近1,说明...

Read more