From d7f574153d0603c0e893ea318da7ce19e090fdcf Mon Sep 17 00:00:00 2001 From: Awin Huang Date: Sat, 17 Feb 2024 23:11:20 +0800 Subject: [PATCH] vault backup: 2024-02-17 23:11:19 --- 00. Inbox/Linux/Docker.md | 29 ++- {05. 資料收集 => 00. Inbox/雜}/HEIF.md | 0 {05. 資料收集 => 00. Inbox/雜}/名言佳句.md | 0 {05. 資料收集 => 00. Inbox/雜}/固定型心態.md | 0 .../雜}/布萊茲‧帕斯卡（Blaise Pascal）.md | 0 {05. 資料收集 => 00. Inbox/雜}/成長型心態.md | 0 .../雜}/時間不一致性.md | 0 {05. 資料收集 => 00. Inbox/雜}/皮質醇.md | 0 {05. 資料收集 => 00. Inbox/雜}/知識管理.md | 0 {05. 資料收集 => 00. Inbox/雜}/稼動率.md | 0 05. 資料收集/AI.md | 5 - ...at use categorical_crossentropy and softmax.md | 31 --- 05. 資料收集/Capture One.md | 33 --- 05. 資料收集/Color Format.md | 8 - .../COM/20210726 - COM Interface.md | 0 .../{04. Programming => Programming}/DB/MySQL.md | 0 .../{04. Programming => Programming}/DB/sqlite.md | 0 .../Design Pattern.md | 0 .../FFMPEG/00. Introduction.md | 0 .../FFMPEG/01. Setup.md | 0 .../FFMPEG/AV_CODEC_FLAG_GLOBAL_HEADER.md | 0 .../FFMPEG/FFMpeg.md | 0 .../FFMPEG/Profiles & levels.md | 0 .../FFMPEG/Structure.md | 0 .../FFMPEG/Use av_opt_set to setup profile.md | 0 .../FFMPEG/av_opt_set.md | 0 .../FFMPEG/ffmpeg command.md | 0 .../{04. Programming => Programming}/Flask.md | 0 .../Keras.tensorflow - Dataset.md | 0 .../Keras.tensorflow - shuffle.md | 0 .../Kotlin/AtomicBoolean.md | 0 .../Kotlin/class.md | 0 .../Kotlin/run, let, with, also 和 apply.md | 0 .../Machine Learning.md | 0 .../20210604 - Windows media foundation.md | 0 .../{04. Programming => Programming}/OpenCL.md | 0 .../OpenCV API.md | 0 .../{04. Programming => Programming}/OpenCV.md | 0 .../{04. Programming => Programming}/OpenGL.md | 0 .../Python/Poetry.md | 0 .../Python/argparse.ArgumentParser.md | 0 .../Python/choices().md | 0 .../Python/decorator.md | 0 .../Python/log.md | 0 .../Python/logging.md | 0 .../Python/matplotlib.md | 0 .../Python/opencv.md | 0 .../Python/sample().md | 0 .../Python/subprocess.md | 0 .../Python/threading.md | 0 .../Python/tkinter.md | 0 .../Python/檢測工具.md | 0 .../QT/Application Icon.md | 0 .../QT/Dropdown button.md | 0 .../QT/QTableWidget.md | 0 .../QT/QVariant.md | 0 .../{04. Programming => Programming}/QT/Qt.md | 0 .../{04. Programming => Programming}/QT/timer.md | 0 .../QT/界面外觀.md | 0 .../{04. Programming => Programming}/UML.md | 0 .../categorical_crossentropy.md | 0 05. 資料收集/{ => Programming}/libsndfile.md | 0 .../numpy - 同樣順序打亂多個array.md | 0 .../Programming}/numpy axis 運算.md | 0 .../万字避坑指南！C++ 的缺陷与思考（上）.md | 0 .../{04. Programming => Programming}/演算法.md | 0 05. 資料收集/仰臥起坐.md | 27 --- .../十字型四像素自動對焦 Quad Pixel AF.md | 4 - 05. 資料收集/台灣味的日本名字.md | 19 -- 05. 資料收集/向右曝光.md | 99 --------- 05. 資料收集/峰值對焦.md | 71 ------- 05. 資料收集/核心肌群訓練.md | 9 - 05. 資料收集/每週外食.md | 12 -- 05. 資料收集/科技/802.11.md | 41 ---- 05. 資料收集/科技/HDR Sensor.md | 197 ------------------ 05. 資料收集/科技/量子電腦.md | 2 - 05. 資料收集/科技/鋰電池.md | 4 - 05. 資料收集/軟體工具/docker.md | 25 --- 78 files changed, 28 insertions(+), 588 deletions(-) rename {05. 資料收集 => 00. Inbox/雜}/HEIF.md (100%) rename {05. 資料收集 => 00. Inbox/雜}/名言佳句.md (100%) rename {05. 資料收集 => 00. Inbox/雜}/固定型心態.md (100%) rename {05. 資料收集 => 00. Inbox/雜}/布萊茲‧帕斯卡（Blaise Pascal）.md (100%) rename {05. 資料收集 => 00. Inbox/雜}/成長型心態.md (100%) rename {05. 資料收集 => 00. Inbox/雜}/時間不一致性.md (100%) rename {05. 資料收集 => 00. Inbox/雜}/皮質醇.md (100%) rename {05. 資料收集 => 00. Inbox/雜}/知識管理.md (100%) rename {05. 資料收集 => 00. Inbox/雜}/稼動率.md (100%) delete mode 100644 05. 資料收集/AI.md delete mode 100644 05. 資料收集/An example that use categorical_crossentropy and softmax.md delete mode 100644 05. 資料收集/Capture One.md delete mode 100644 05. 資料收集/Color Format.md rename 05. 資料收集/{04. Programming => Programming}/COM/20210726 - COM Interface.md (100%) rename 05. 資料收集/{04. Programming => Programming}/DB/MySQL.md (100%) rename 05. 資料收集/{04. Programming => Programming}/DB/sqlite.md (100%) rename 05. 資料收集/{04. Programming => Programming}/Design Pattern.md (100%) rename 05. 資料收集/{04. Programming => Programming}/FFMPEG/00. Introduction.md (100%) rename 05. 資料收集/{04. Programming => Programming}/FFMPEG/01. Setup.md (100%) rename 05. 資料收集/{04. Programming => Programming}/FFMPEG/AV_CODEC_FLAG_GLOBAL_HEADER.md (100%) rename 05. 資料收集/{04. Programming => Programming}/FFMPEG/FFMpeg.md (100%) rename 05. 資料收集/{04. Programming => Programming}/FFMPEG/Profiles & levels.md (100%) rename 05. 資料收集/{04. Programming => Programming}/FFMPEG/Structure.md (100%) rename 05. 資料收集/{04. Programming => Programming}/FFMPEG/Use av_opt_set to setup profile.md (100%) rename 05. 資料收集/{04. Programming => Programming}/FFMPEG/av_opt_set.md (100%) rename 05. 資料收集/{04. Programming => Programming}/FFMPEG/ffmpeg command.md (100%) rename 05. 資料收集/{04. Programming => Programming}/Flask.md (100%) rename 05. 資料收集/{ => Programming}/Keras.tensorflow - Dataset.md (100%) rename 05. 資料收集/{ => Programming}/Keras.tensorflow - shuffle.md (100%) rename 05. 資料收集/{04. Programming => Programming}/Kotlin/AtomicBoolean.md (100%) rename 05. 資料收集/{04. Programming => Programming}/Kotlin/class.md (100%) rename 05. 資料收集/{04. Programming => Programming}/Kotlin/run, let, with, also 和 apply.md (100%) rename 05. 資料收集/{04. Programming => Programming}/Machine Learning.md (100%) rename 05. 資料收集/{04. Programming => Programming}/Media Foundation/20210604 - Windows media foundation.md (100%) rename 05. 資料收集/{04. Programming => Programming}/OpenCL.md (100%) rename 05. 資料收集/{04. Programming => Programming}/OpenCV API.md (100%) rename 05. 資料收集/{04. Programming => Programming}/OpenCV.md (100%) rename 05. 資料收集/{04. Programming => Programming}/OpenGL.md (100%) rename 05. 資料收集/{04. Programming => Programming}/Python/Poetry.md (100%) rename 05. 資料收集/{04. Programming => Programming}/Python/argparse.ArgumentParser.md (100%) rename 05. 資料收集/{04. Programming => Programming}/Python/choices().md (100%) rename 05. 資料收集/{04. Programming => Programming}/Python/decorator.md (100%) rename 05. 資料收集/{04. Programming => Programming}/Python/log.md (100%) rename 05. 資料收集/{04. Programming => Programming}/Python/logging.md (100%) rename 05. 資料收集/{04. Programming => Programming}/Python/matplotlib.md (100%) rename 05. 資料收集/{04. Programming => Programming}/Python/opencv.md (100%) rename 05. 資料收集/{04. Programming => Programming}/Python/sample().md (100%) rename 05. 資料收集/{04. Programming => Programming}/Python/subprocess.md (100%) rename 05. 資料收集/{04. Programming => Programming}/Python/threading.md (100%) rename 05. 資料收集/{04. Programming => Programming}/Python/tkinter.md (100%) rename 05. 資料收集/{04. Programming => Programming}/Python/檢測工具.md (100%) rename 05. 資料收集/{04. Programming => Programming}/QT/Application Icon.md (100%) rename 05. 資料收集/{04. Programming => Programming}/QT/Dropdown button.md (100%) rename 05. 資料收集/{04. Programming => Programming}/QT/QTableWidget.md (100%) rename 05. 資料收集/{04. Programming => Programming}/QT/QVariant.md (100%) rename 05. 資料收集/{04. Programming => Programming}/QT/Qt.md (100%) rename 05. 資料收集/{04. Programming => Programming}/QT/timer.md (100%) rename 05. 資料收集/{04. Programming => Programming}/QT/界面外觀.md (100%) rename 05. 資料收集/{04. Programming => Programming}/UML.md (100%) rename 05. 資料收集/{04. Programming => Programming}/categorical_crossentropy.md (100%) rename 05. 資料收集/{ => Programming}/libsndfile.md (100%) rename 05. 資料收集/{ => Programming}/numpy - 同樣順序打亂多個array.md (100%) rename {00. Inbox => 05. 資料收集/Programming}/numpy axis 運算.md (100%) rename 05. 資料收集/{04. Programming => Programming}/万字避坑指南！C++ 的缺陷与思考（上）.md (100%) rename 05. 資料收集/{04. Programming => Programming}/演算法.md (100%) delete mode 100644 05. 資料收集/仰臥起坐.md delete mode 100644 05. 資料收集/十字型四像素自動對焦 Quad Pixel AF.md delete mode 100644 05. 資料收集/台灣味的日本名字.md delete mode 100644 05. 資料收集/向右曝光.md delete mode 100644 05. 資料收集/峰值對焦.md delete mode 100644 05. 資料收集/核心肌群訓練.md delete mode 100644 05. 資料收集/每週外食.md delete mode 100644 05. 資料收集/科技/802.11.md delete mode 100644 05. 資料收集/科技/HDR Sensor.md delete mode 100644 05. 資料收集/科技/量子電腦.md delete mode 100644 05. 資料收集/科技/鋰電池.md delete mode 100644 05. 資料收集/軟體工具/docker.md diff --git a/00. Inbox/Linux/Docker.md b/00. Inbox/Linux/Docker.md index 09b9a76..f796144 100644 --- a/00. Inbox/Linux/Docker.md +++ b/00. Inbox/Linux/Docker.md @@ -1,6 +1,7 @@ -## 安裝 +# 安裝 根據[Install Docker Engine on Debian](https://docs.docker.com/engine/install/debian/)來安裝Docker engine。 +# 指令 ## 列出可用的版本 ```bash # List the available versions: @@ -9,4 +10,30 @@ apt-cache madison docker-ce | awk '{ print $3 }' 5:24.0.0-1~debian.11~bullseye 5:23.0.6-1~debian.11~bullseye ... +``` + +## Container 相關 +### 列出 container +`docker ps`會列出執行中的container（但是停止的不會） +```bash +sudo docker ps +``` + +如果也要列出已停止的container +```bash +sudo docker ps -a +``` + +### 刪除 container +Container必須是停止狀態才可以刪除 +```bash +sudo docker rm +``` + +## Image 相關 +### 列出 image +```bash +sudo docker image ls +or +sudo docker images ``` \ No newline at end of file diff --git a/05. 資料收集/HEIF.md b/00. Inbox/雜/HEIF.md similarity index 100% rename from 05. 資料收集/HEIF.md rename to 00. Inbox/雜/HEIF.md diff --git a/05. 資料收集/名言佳句.md b/00. Inbox/雜/名言佳句.md similarity index 100% rename from 05. 資料收集/名言佳句.md rename to 00. Inbox/雜/名言佳句.md diff --git a/05. 資料收集/固定型心態.md b/00. Inbox/雜/固定型心態.md similarity index 100% rename from 05. 資料收集/固定型心態.md rename to 00. Inbox/雜/固定型心態.md diff --git a/05. 資料收集/布萊茲‧帕斯卡（Blaise Pascal）.md b/00. Inbox/雜/布萊茲‧帕斯卡（Blaise Pascal）.md similarity index 100% rename from 05. 資料收集/布萊茲‧帕斯卡（Blaise Pascal）.md rename to 00. Inbox/雜/布萊茲‧帕斯卡（Blaise Pascal）.md diff --git a/05. 資料收集/成長型心態.md b/00. Inbox/雜/成長型心態.md similarity index 100% rename from 05. 資料收集/成長型心態.md rename to 00. Inbox/雜/成長型心態.md diff --git a/05. 資料收集/時間不一致性.md b/00. Inbox/雜/時間不一致性.md similarity index 100% rename from 05. 資料收集/時間不一致性.md rename to 00. Inbox/雜/時間不一致性.md diff --git a/05. 資料收集/皮質醇.md b/00. Inbox/雜/皮質醇.md similarity index 100% rename from 05. 資料收集/皮質醇.md rename to 00. Inbox/雜/皮質醇.md diff --git a/05. 資料收集/知識管理.md b/00. Inbox/雜/知識管理.md similarity index 100% rename from 05. 資料收集/知識管理.md rename to 00. Inbox/雜/知識管理.md diff --git a/05. 資料收集/稼動率.md b/00. Inbox/雜/稼動率.md similarity index 100% rename from 05. 資料收集/稼動率.md rename to 00. Inbox/雜/稼動率.md diff --git a/05. 資料收集/AI.md b/05. 資料收集/AI.md deleted file mode 100644 index 517e70b..0000000 --- a/05. 資料收集/AI.md +++ /dev/null @@ -1,5 +0,0 @@ -## 自架stable diffusion -- [筆記：自架AI Server用自己的電腦算圖｜方格子 vocus](https://vocus.cc/article/63ce7e0dfd89780001e1708f) -- [AI繪圖系列 | Stable Diffusion教學 | 打造自己夢想的正妹 - 打寶夥伴](https://1p2pstart.tw/%E7%A7%91%E6%8A%80%E6%87%89%E7%94%A8/ai%E7%B9%AA%E5%9C%96%E7%B3%BB%E5%88%97-stable-diffusion-%E6%89%93%E9%80%A0%E8%87%AA%E5%B7%B1%E5%A4%A2%E6%83%B3%E7%9A%84%E6%AD%A3%E5%A6%B9/) -- [如何在 M1 Macbook 上跑 Stable Diffusion？ - 叩頂窩客 | M2 | Apple Silicon](https://koding.work/how-to-run-stable-diffusion-on-m1-macbook/) -- [最詳細的 Stable diffusion WebUI 操作教學 - txt2img - 叩頂窩客](https://koding.work/stable-diffusion-webui-tutorial-txt2img/) \ No newline at end of file diff --git a/05. 資料收集/An example that use categorical_crossentropy and softmax.md b/05. 資料收集/An example that use categorical_crossentropy and softmax.md deleted file mode 100644 index ec3aacc..0000000 --- a/05. 資料收集/An example that use categorical_crossentropy and softmax.md +++ /dev/null @@ -1,31 +0,0 @@ -An example that use [[categorical_crossentropy]] and softmax - -```python -dropRatio = 0.1 - -model = Sequential() -model.add(Conv1D(filters=32, kernel_size=3, activation='relu', input_shape=(self.DATA_LEN, 1))) -model.add(Dropout(dropRatio)) -model.add(MaxPooling1D(pool_size=2)) -model.add(Conv1D(filters=64, kernel_size=3, activation='relu')) -model.add(Dropout(dropRatio)) -model.add(MaxPooling1D(pool_size=2)) -model.add(Conv1D(filters=64, kernel_size=3, activation='relu')) -model.add(Dropout(dropRatio)) -model.add(MaxPooling1D(pool_size=2)) -model.add(Conv1D(filters=128, kernel_size=3, activation='relu')) -model.add(MaxPooling1D(pool_size=2)) -model.add(Dropout(dropRatio)) -model.add(Conv1D(filters=256, kernel_size=3, activation='relu')) -model.add(MaxPooling1D(pool_size=2)) -model.add(Dropout(dropRatio)) -model.add(Flatten()) -model.add(Dropout(dropRatio)) -model.add(Dense(units=128, activation='relu')) -model.add(Dropout(dropRatio)) -model.add(Dense(units=64, activation='relu')) -model.add(Dropout(dropRatio)) -model.add(Dense(units=32, activation='relu')) -model.add(Dense(units=len(self.DEVICE_LABEL), activation='softmax')) -model.compile(loss='categorical_crossentropy', optimizer=Adam(learning_rate=0.01), metrics=['accuracy']) -``` \ No newline at end of file diff --git a/05. 資料收集/Capture One.md b/05. 資料收集/Capture One.md deleted file mode 100644 index 5f23543..0000000 --- a/05. 資料收集/Capture One.md +++ /dev/null @@ -1,33 +0,0 @@ - -# 基礎銳化 - - -# 風格銳化 -## 方法 -### 清晰度 -有四種方法： -1. 自然 -2. 衝擊力 -3. 中性 -4. 經典 - -#### 自然 -用於溫和的局部對比，可以避免使用清晰度之後的顏色失真。 - -#### 衝擊力 -比[自然]有更高的對比度。調整數值過高會導致高光裁切。適合風景。 - -#### 中性 -與衝擊力相同，但不會增加飽和度。更適合用於中度的局部的對比度。 - -#### 經典 -最溫和的局部對比度，不會增加飽和度。更好的保留高光細節。 - -## 清晰度 -可以調整較大範圍的對比度。 - -## 結構 -可以調整較小範圍的對比度。如紡織品、樹葉這些細節較多的表面。還可以減輕鏡頭衍射導致的模糊。 - -# 輸出銳化 -要考慮輸出的媒介，是螢幕還是紙張。近距離觀看的，銳化數值可以較小，相對的，銳化數值就要調高。 \ No newline at end of file diff --git a/05. 資料收集/Color Format.md b/05. 資料收集/Color Format.md deleted file mode 100644 index b2b8215..0000000 --- a/05. 資料收集/Color Format.md +++ /dev/null @@ -1,8 +0,0 @@ -## YUV444 - - -## YUV422 - - -## YUV 420 - diff --git a/05. 資料收集/04. Programming/COM/20210726 - COM Interface.md b/05. 資料收集/Programming/COM/20210726 - COM Interface.md similarity index 100% rename from 05. 資料收集/04. Programming/COM/20210726 - COM Interface.md rename to 05. 資料收集/Programming/COM/20210726 - COM Interface.md diff --git a/05. 資料收集/04. Programming/DB/MySQL.md b/05. 資料收集/Programming/DB/MySQL.md similarity index 100% rename from 05. 資料收集/04. Programming/DB/MySQL.md rename to 05. 資料收集/Programming/DB/MySQL.md diff --git a/05. 資料收集/04. Programming/DB/sqlite.md b/05. 資料收集/Programming/DB/sqlite.md similarity index 100% rename from 05. 資料收集/04. Programming/DB/sqlite.md rename to 05. 資料收集/Programming/DB/sqlite.md diff --git a/05. 資料收集/04. Programming/Design Pattern.md b/05. 資料收集/Programming/Design Pattern.md similarity index 100% rename from 05. 資料收集/04. Programming/Design Pattern.md rename to 05. 資料收集/Programming/Design Pattern.md diff --git a/05. 資料收集/04. Programming/FFMPEG/00. Introduction.md b/05. 資料收集/Programming/FFMPEG/00. Introduction.md similarity index 100% rename from 05. 資料收集/04. Programming/FFMPEG/00. Introduction.md rename to 05. 資料收集/Programming/FFMPEG/00. Introduction.md diff --git a/05. 資料收集/04. Programming/FFMPEG/01. Setup.md b/05. 資料收集/Programming/FFMPEG/01. Setup.md similarity index 100% rename from 05. 資料收集/04. Programming/FFMPEG/01. Setup.md rename to 05. 資料收集/Programming/FFMPEG/01. Setup.md diff --git a/05. 資料收集/04. Programming/FFMPEG/AV_CODEC_FLAG_GLOBAL_HEADER.md b/05. 資料收集/Programming/FFMPEG/AV_CODEC_FLAG_GLOBAL_HEADER.md similarity index 100% rename from 05. 資料收集/04. Programming/FFMPEG/AV_CODEC_FLAG_GLOBAL_HEADER.md rename to 05. 資料收集/Programming/FFMPEG/AV_CODEC_FLAG_GLOBAL_HEADER.md diff --git a/05. 資料收集/04. Programming/FFMPEG/FFMpeg.md b/05. 資料收集/Programming/FFMPEG/FFMpeg.md similarity index 100% rename from 05. 資料收集/04. Programming/FFMPEG/FFMpeg.md rename to 05. 資料收集/Programming/FFMPEG/FFMpeg.md diff --git a/05. 資料收集/04. Programming/FFMPEG/Profiles & levels.md b/05. 資料收集/Programming/FFMPEG/Profiles & levels.md similarity index 100% rename from 05. 資料收集/04. Programming/FFMPEG/Profiles & levels.md rename to 05. 資料收集/Programming/FFMPEG/Profiles & levels.md diff --git a/05. 資料收集/04. Programming/FFMPEG/Structure.md b/05. 資料收集/Programming/FFMPEG/Structure.md similarity index 100% rename from 05. 資料收集/04. Programming/FFMPEG/Structure.md rename to 05. 資料收集/Programming/FFMPEG/Structure.md diff --git a/05. 資料收集/04. Programming/FFMPEG/Use av_opt_set to setup profile.md b/05. 資料收集/Programming/FFMPEG/Use av_opt_set to setup profile.md similarity index 100% rename from 05. 資料收集/04. Programming/FFMPEG/Use av_opt_set to setup profile.md rename to 05. 資料收集/Programming/FFMPEG/Use av_opt_set to setup profile.md diff --git a/05. 資料收集/04. Programming/FFMPEG/av_opt_set.md b/05. 資料收集/Programming/FFMPEG/av_opt_set.md similarity index 100% rename from 05. 資料收集/04. Programming/FFMPEG/av_opt_set.md rename to 05. 資料收集/Programming/FFMPEG/av_opt_set.md diff --git a/05. 資料收集/04. Programming/FFMPEG/ffmpeg command.md b/05. 資料收集/Programming/FFMPEG/ffmpeg command.md similarity index 100% rename from 05. 資料收集/04. Programming/FFMPEG/ffmpeg command.md rename to 05. 資料收集/Programming/FFMPEG/ffmpeg command.md diff --git a/05. 資料收集/04. Programming/Flask.md b/05. 資料收集/Programming/Flask.md similarity index 100% rename from 05. 資料收集/04. Programming/Flask.md rename to 05. 資料收集/Programming/Flask.md diff --git a/05. 資料收集/Keras.tensorflow - Dataset.md b/05. 資料收集/Programming/Keras.tensorflow - Dataset.md similarity index 100% rename from 05. 資料收集/Keras.tensorflow - Dataset.md rename to 05. 資料收集/Programming/Keras.tensorflow - Dataset.md diff --git a/05. 資料收集/Keras.tensorflow - shuffle.md b/05. 資料收集/Programming/Keras.tensorflow - shuffle.md similarity index 100% rename from 05. 資料收集/Keras.tensorflow - shuffle.md rename to 05. 資料收集/Programming/Keras.tensorflow - shuffle.md diff --git a/05. 資料收集/04. Programming/Kotlin/AtomicBoolean.md b/05. 資料收集/Programming/Kotlin/AtomicBoolean.md similarity index 100% rename from 05. 資料收集/04. Programming/Kotlin/AtomicBoolean.md rename to 05. 資料收集/Programming/Kotlin/AtomicBoolean.md diff --git a/05. 資料收集/04. Programming/Kotlin/class.md b/05. 資料收集/Programming/Kotlin/class.md similarity index 100% rename from 05. 資料收集/04. Programming/Kotlin/class.md rename to 05. 資料收集/Programming/Kotlin/class.md diff --git a/05. 資料收集/04. Programming/Kotlin/run, let, with, also 和 apply.md b/05. 資料收集/Programming/Kotlin/run, let, with, also 和 apply.md similarity index 100% rename from 05. 資料收集/04. Programming/Kotlin/run, let, with, also 和 apply.md rename to 05. 資料收集/Programming/Kotlin/run, let, with, also 和 apply.md diff --git a/05. 資料收集/04. Programming/Machine Learning.md b/05. 資料收集/Programming/Machine Learning.md similarity index 100% rename from 05. 資料收集/04. Programming/Machine Learning.md rename to 05. 資料收集/Programming/Machine Learning.md diff --git a/05. 資料收集/04. Programming/Media Foundation/20210604 - Windows media foundation.md b/05. 資料收集/Programming/Media Foundation/20210604 - Windows media foundation.md similarity index 100% rename from 05. 資料收集/04. Programming/Media Foundation/20210604 - Windows media foundation.md rename to 05. 資料收集/Programming/Media Foundation/20210604 - Windows media foundation.md diff --git a/05. 資料收集/04. Programming/OpenCL.md b/05. 資料收集/Programming/OpenCL.md similarity index 100% rename from 05. 資料收集/04. Programming/OpenCL.md rename to 05. 資料收集/Programming/OpenCL.md diff --git a/05. 資料收集/04. Programming/OpenCV API.md b/05. 資料收集/Programming/OpenCV API.md similarity index 100% rename from 05. 資料收集/04. Programming/OpenCV API.md rename to 05. 資料收集/Programming/OpenCV API.md diff --git a/05. 資料收集/04. Programming/OpenCV.md b/05. 資料收集/Programming/OpenCV.md similarity index 100% rename from 05. 資料收集/04. Programming/OpenCV.md rename to 05. 資料收集/Programming/OpenCV.md diff --git a/05. 資料收集/04. Programming/OpenGL.md b/05. 資料收集/Programming/OpenGL.md similarity index 100% rename from 05. 資料收集/04. Programming/OpenGL.md rename to 05. 資料收集/Programming/OpenGL.md diff --git a/05. 資料收集/04. Programming/Python/Poetry.md b/05. 資料收集/Programming/Python/Poetry.md similarity index 100% rename from 05. 資料收集/04. Programming/Python/Poetry.md rename to 05. 資料收集/Programming/Python/Poetry.md diff --git a/05. 資料收集/04. Programming/Python/argparse.ArgumentParser.md b/05. 資料收集/Programming/Python/argparse.ArgumentParser.md similarity index 100% rename from 05. 資料收集/04. Programming/Python/argparse.ArgumentParser.md rename to 05. 資料收集/Programming/Python/argparse.ArgumentParser.md diff --git a/05. 資料收集/04. Programming/Python/choices().md b/05. 資料收集/Programming/Python/choices().md similarity index 100% rename from 05. 資料收集/04. Programming/Python/choices().md rename to 05. 資料收集/Programming/Python/choices().md diff --git a/05. 資料收集/04. Programming/Python/decorator.md b/05. 資料收集/Programming/Python/decorator.md similarity index 100% rename from 05. 資料收集/04. Programming/Python/decorator.md rename to 05. 資料收集/Programming/Python/decorator.md diff --git a/05. 資料收集/04. Programming/Python/log.md b/05. 資料收集/Programming/Python/log.md similarity index 100% rename from 05. 資料收集/04. Programming/Python/log.md rename to 05. 資料收集/Programming/Python/log.md diff --git a/05. 資料收集/04. Programming/Python/logging.md b/05. 資料收集/Programming/Python/logging.md similarity index 100% rename from 05. 資料收集/04. Programming/Python/logging.md rename to 05. 資料收集/Programming/Python/logging.md diff --git a/05. 資料收集/04. Programming/Python/matplotlib.md b/05. 資料收集/Programming/Python/matplotlib.md similarity index 100% rename from 05. 資料收集/04. Programming/Python/matplotlib.md rename to 05. 資料收集/Programming/Python/matplotlib.md diff --git a/05. 資料收集/04. Programming/Python/opencv.md b/05. 資料收集/Programming/Python/opencv.md similarity index 100% rename from 05. 資料收集/04. Programming/Python/opencv.md rename to 05. 資料收集/Programming/Python/opencv.md diff --git a/05. 資料收集/04. Programming/Python/sample().md b/05. 資料收集/Programming/Python/sample().md similarity index 100% rename from 05. 資料收集/04. Programming/Python/sample().md rename to 05. 資料收集/Programming/Python/sample().md diff --git a/05. 資料收集/04. Programming/Python/subprocess.md b/05. 資料收集/Programming/Python/subprocess.md similarity index 100% rename from 05. 資料收集/04. Programming/Python/subprocess.md rename to 05. 資料收集/Programming/Python/subprocess.md diff --git a/05. 資料收集/04. Programming/Python/threading.md b/05. 資料收集/Programming/Python/threading.md similarity index 100% rename from 05. 資料收集/04. Programming/Python/threading.md rename to 05. 資料收集/Programming/Python/threading.md diff --git a/05. 資料收集/04. Programming/Python/tkinter.md b/05. 資料收集/Programming/Python/tkinter.md similarity index 100% rename from 05. 資料收集/04. Programming/Python/tkinter.md rename to 05. 資料收集/Programming/Python/tkinter.md diff --git a/05. 資料收集/04. Programming/Python/檢測工具.md b/05. 資料收集/Programming/Python/檢測工具.md similarity index 100% rename from 05. 資料收集/04. Programming/Python/檢測工具.md rename to 05. 資料收集/Programming/Python/檢測工具.md diff --git a/05. 資料收集/04. Programming/QT/Application Icon.md b/05. 資料收集/Programming/QT/Application Icon.md similarity index 100% rename from 05. 資料收集/04. Programming/QT/Application Icon.md rename to 05. 資料收集/Programming/QT/Application Icon.md diff --git a/05. 資料收集/04. Programming/QT/Dropdown button.md b/05. 資料收集/Programming/QT/Dropdown button.md similarity index 100% rename from 05. 資料收集/04. Programming/QT/Dropdown button.md rename to 05. 資料收集/Programming/QT/Dropdown button.md diff --git a/05. 資料收集/04. Programming/QT/QTableWidget.md b/05. 資料收集/Programming/QT/QTableWidget.md similarity index 100% rename from 05. 資料收集/04. Programming/QT/QTableWidget.md rename to 05. 資料收集/Programming/QT/QTableWidget.md diff --git a/05. 資料收集/04. Programming/QT/QVariant.md b/05. 資料收集/Programming/QT/QVariant.md similarity index 100% rename from 05. 資料收集/04. Programming/QT/QVariant.md rename to 05. 資料收集/Programming/QT/QVariant.md diff --git a/05. 資料收集/04. Programming/QT/Qt.md b/05. 資料收集/Programming/QT/Qt.md similarity index 100% rename from 05. 資料收集/04. Programming/QT/Qt.md rename to 05. 資料收集/Programming/QT/Qt.md diff --git a/05. 資料收集/04. Programming/QT/timer.md b/05. 資料收集/Programming/QT/timer.md similarity index 100% rename from 05. 資料收集/04. Programming/QT/timer.md rename to 05. 資料收集/Programming/QT/timer.md diff --git a/05. 資料收集/04. Programming/QT/界面外觀.md b/05. 資料收集/Programming/QT/界面外觀.md similarity index 100% rename from 05. 資料收集/04. Programming/QT/界面外觀.md rename to 05. 資料收集/Programming/QT/界面外觀.md diff --git a/05. 資料收集/04. Programming/UML.md b/05. 資料收集/Programming/UML.md similarity index 100% rename from 05. 資料收集/04. Programming/UML.md rename to 05. 資料收集/Programming/UML.md diff --git a/05. 資料收集/04. Programming/categorical_crossentropy.md b/05. 資料收集/Programming/categorical_crossentropy.md similarity index 100% rename from 05. 資料收集/04. Programming/categorical_crossentropy.md rename to 05. 資料收集/Programming/categorical_crossentropy.md diff --git a/05. 資料收集/libsndfile.md b/05. 資料收集/Programming/libsndfile.md similarity index 100% rename from 05. 資料收集/libsndfile.md rename to 05. 資料收集/Programming/libsndfile.md diff --git a/05. 資料收集/numpy - 同樣順序打亂多個array.md b/05. 資料收集/Programming/numpy - 同樣順序打亂多個array.md similarity index 100% rename from 05. 資料收集/numpy - 同樣順序打亂多個array.md rename to 05. 資料收集/Programming/numpy - 同樣順序打亂多個array.md diff --git a/00. Inbox/numpy axis 運算.md b/05. 資料收集/Programming/numpy axis 運算.md similarity index 100% rename from 00. Inbox/numpy axis 運算.md rename to 05. 資料收集/Programming/numpy axis 運算.md diff --git a/05. 資料收集/04. Programming/万字避坑指南！C++ 的缺陷与思考（上）.md b/05. 資料收集/Programming/万字避坑指南！C++ 的缺陷与思考（上）.md similarity index 100% rename from 05. 資料收集/04. Programming/万字避坑指南！C++ 的缺陷与思考（上）.md rename to 05. 資料收集/Programming/万字避坑指南！C++ 的缺陷与思考（上）.md diff --git a/05. 資料收集/04. Programming/演算法.md b/05. 資料收集/Programming/演算法.md similarity index 100% rename from 05. 資料收集/04. Programming/演算法.md rename to 05. 資料收集/Programming/演算法.md diff --git a/05. 資料收集/仰臥起坐.md b/05. 資料收集/仰臥起坐.md deleted file mode 100644 index a8b3a6b..0000000 --- a/05. 資料收集/仰臥起坐.md +++ /dev/null @@ -1,27 +0,0 @@ ---- -tags: 運動傷害, 仰臥起坐, 骨盆前傾 -aliases: -date: 2023-04-18 -time: 11:12:34 -description: ---- - -## 缺點 -會讓髖屈肌（hip flexors）收縮，造成骨盆前傾。 - -````col -```col-md -![[Pasted image 20230418111423.png]] -``` - -```col-md -![[Pasted image 20230418111512.png]] -``` - -```col-md -![[Pasted image 20230418111538.png]] -``` -```` - -## 參考來源 -- [Train Like One Punch Man (Does It Really Work?) - YouTube](https://www.youtube.com/watch?v=Ga6Vr3Ec2Mc) \ No newline at end of file diff --git a/05. 資料收集/十字型四像素自動對焦 Quad Pixel AF.md b/05. 資料收集/十字型四像素自動對焦 Quad Pixel AF.md deleted file mode 100644 index 6412b56..0000000 --- a/05. 資料收集/十字型四像素自動對焦 Quad Pixel AF.md +++ /dev/null @@ -1,4 +0,0 @@ -感光元件上的光電二極管分割成四份，同時能針對垂直與水平方向偵測，也因此在對焦精細度與速度都大幅提昇。 -![[十字型四像素自動對焦.jpg]] -來源：[捕捉生命美好時刻，呼應攝影師的旗艦機身：om-system-om-1](https://www.yuanyu.tw/camera/blog/2022/03/23/%E6%8D%95%E6%8D%89%E7%94%9F%E5%91%BD%E7%BE%8E%E5%A5%BD%E6%99%82%E5%88%BB%EF%BC%8C%E5%91%BC%E6%87%89%E6%94%9D%E5%BD%B1%E5%B8%AB%E7%9A%84%E6%97%97%E8%89%A6%E6%A9%9F%E8%BA%AB%EF%BC%9Aom-system-om-1/) - diff --git a/05. 資料收集/台灣味的日本名字.md b/05. 資料收集/台灣味的日本名字.md deleted file mode 100644 index b61b340..0000000 --- a/05. 資料收集/台灣味的日本名字.md +++ /dev/null @@ -1,19 +0,0 @@ -- 五十嵐真貴 -- 五十嵐清心 -- 麻古大苑子 -- 大佑池久 -- 林島西郎 -- 代志大条 -- 粉穗幸谷哲 -- 梅山筱鹿雍 -- 梅川內庫 -- 苗栗小五郎 -- 森上梅友前 -- 森上梅代前 -- 綾北舞吉 -- 田中賀雅郎 -- 箱郎津桃 -- 甲賀稻相報 -- 里西太戈郎 -- 久住歹丸郎 -- \ No newline at end of file diff --git a/05. 資料收集/向右曝光.md b/05. 資料收集/向右曝光.md deleted file mode 100644 index 6cf09af..0000000 --- a/05. 資料收集/向右曝光.md +++ /dev/null @@ -1,99 +0,0 @@ - -所謂的 「**向右曝光**」指的是，在拍照時參考色階表、直方圖，讓整個色階往右邊靠攏一些，也就是照片「拍亮一點」，這就是向右曝光。 - -![向右曝光](https://hojenjen.com/wp-content/uploads/20220702170456_92.jpg "[教攝影120] 向右曝光 是什麼?向右曝光原則，保留更多照片細節") -###### 圖01 - -我們以這張野柳女王頭為例，所謂的「**向右曝光**」，是透光快門、光圈、感光度三者的組合出不同的亮度，讓色階表、直方圖「朝著右邊靠攏」，比如上圖 01，我分別使用了 F7.1，ISO 100，快門自 1/160，逐漸加快一倍 1/320、1/640、1/1250，拍出這四張照片。 - -![向右曝光](https://hojenjen.com/wp-content/uploads/20220702170502_17.jpg "[教攝影120] 向右曝光 是什麼?向右曝光原則，保留更多照片細節") -###### 圖02 - -我們可以發現，隨著快門每提昇一格，進光量也差相差一格，色階表也逐漸靠左，反之隨著快門每降一格，進光量也提昇一倍，色階表也逐漸靠右。 - -另一方面，我們也透過 LR 進行簡單的後製調整，四張照片皆將亮部、白色 -100 以獲得高光細節，而陰影的部分僅提高 +50。 - -另外再計算實際曝光量不同，給不同張照片在「曝光度」上，增加對應的 EV 值，以讓這四張照片，獲得較為一致的色階表現。 - -![向右曝光](https://hojenjen.com/wp-content/uploads/20220702170506_64.jpg "[教攝影120] 向右曝光 是什麼?向右曝光原則，保留更多照片細節") - -###### 圖03 - -而「向右曝光」的好處，是能獲得較佳的細節表現，所以我們就比較這四張照片逆光下女王頭紋路上的表現，看看透過 LR 調整過後細節如何。 - -![向右曝光](https://hojenjen.com/wp-content/uploads/20220702170511_19.jpg "[教攝影120] 向右曝光 是什麼?向右曝光原則，保留更多照片細節") - -###### 圖04 - -從上方細節照片比較，我們可以發現，逆光下透過「曝光調整」以及透過「陰影」提昇逆光下細節 – 向右曝光的照片 (也就是拍的較亮的照片)，獲得的細節最好；反之一開始拍的較暗的照片，在 LR 提昇感光度、陰影等動作，在相同的 ISO 100 下，細節表現最差。 - -這就是「向右曝光」所能獲得的好處，能獲得較好的細節表現。 - -## 觀注點的觀念 - -等一下，我們還沒講完，如果「向右曝光」這概念這麼容易就驗證了，就不會眾說紛芸，仍有些人堅持「寧可欠曝的拍，也不拍的稍亮」這種拍法，但這樣子的說法，又與我們前面的實驗又有些矛盾，於是我們要再進一步往下講一個觀點 – 觀注點的觀念 - -![向右曝光](https://hojenjen.com/wp-content/uploads/20220702170517_70.jpg "[教攝影120] 向右曝光 是什麼?向右曝光原則，保留更多照片細節") - -###### 圖05 - -眼尖的朋友會發現，上圖的部分，雖然已經透過 LR 處理，達到這四張照片曝光較為一致的照片，但是在「遠處太陽高光細節」部分，一開始拍的偏暗的照片，高光細節保存的比較好，但也因為高光細節保存的比較好，在逆光陰影下的細節保存的卻也是最差的。 - -重點就是在這裡 – 一開始拍偏暗的照片，高光細節保存較好，逆光陰影細節保存較差，一張照片，即使是採用 RAW 檔無壓縮來拍攝，動態範圍是無法無限的保存眼前每一吋亮部與暗部細節，你必需「有所取捨」，取你所要的，捨你無趣的。 - -> “向右曝光的精髓即是，選擇一張照片你最為觀注點，並且將它拍的稍亮一些，以保留較多的細節，以供後製上，能還原更多細節回來” - -![向右曝光](https://hojenjen.com/wp-content/uploads/20220702170521_97.jpg "[教攝影120] 向右曝光 是什麼?向右曝光原則，保留更多照片細節") - -###### 圖06 - -也就是說，拍一張照片，你心裡要有二個想法，**其一**是我們無法透過一張照片「兼顧亮部與暗部細節」，**其二**就是選擇你的「觀注點」，選擇你的觀注點，並且嚐試著將觀注點「拍亮一些」，而不去管其它的部分，這才是「向右曝光」的觀念。 - -我們再看另外一個例子，將照片選擇「向右曝光」「拍亮一點」，是對照片細節比較好的選擇。 - -![向右曝光](https://hojenjen.com/wp-content/uploads/20220710171824_31.jpg "[教攝影120] 向右曝光 是什麼?向右曝光原則，保留更多照片細節") - -###### 圖07 - -這組照片，左邊這張刻意的拍暗，也是常聽到的「寧欠勿曝」的拍法，右邊這張則是拍的偏亮一些，我們同樣的來比較裡頭的細節差別。 - -![向右曝光](https://hojenjen.com/wp-content/uploads/20220710171827_95.jpg "[教攝影120] 向右曝光 是什麼?向右曝光原則，保留更多照片細節") - -###### 圖08 - -接著我們將二張照片經由 LR 調整過後，並且計算二張 EV 值的差別，將二張照片調整為曝光一致。 - -![向右曝光](https://hojenjen.com/wp-content/uploads/20220710171829_87.jpg "[教攝影120] 向右曝光 是什麼?向右曝光原則，保留更多照片細節") - -###### 圖09 - -放大二張照片相同地方，分別比較「亮部」與「暗部」細節。 - -![向右曝光](https://hojenjen.com/wp-content/uploads/20220710171833_52.jpg "[教攝影120] 向右曝光 是什麼?向右曝光原則，保留更多照片細節") - -###### 圖10 - -首先是暗部細節，發現一開始「寧欠勿曝」觀念所拍出「欠曝」的照片，經由 LR 調整後，雜訊與細節明顯的被破壞許多。 - -![向右曝光](https://hojenjen.com/wp-content/uploads/20220710171834_62.jpg "[教攝影120] 向右曝光 是什麼?向右曝光原則，保留更多照片細節") - -###### 圖11 - -至於亮部細節，採用「向右曝光」拍出偏亮的照片，在高光的部分也沒有因此失去細節。 - -## 向右曝光 結論 - -![向右曝光](https://hojenjen.com/wp-content/uploads/20220702170526_63-scaled.jpg "[教攝影120] 向右曝光 是什麼?向右曝光原則，保留更多照片細節") - -###### 圖12 - -拍一張照片，我們總是希望能盡可能的滿足「高光、低光」細節，雖然 RAW 檔能幫我們保留住許多細節，不放大看的話，其實都還算讓人滿意，一但放大看細節，多少的細節流失，全都藏在細節裡，不被我們發現。 - -如果想要保留「最多的高、低光」細節，我們有很多方法來達成，比如說使用 HDR、GNF 漸層減光鏡、黑卡等相關設備與技巧，但如果不使用這些方法，僅以一張照片為主的話，那麼你就要採取「向右曝光」的觀念，選擇一張照片中，你最想保留最好細節的「觀注點」將其拍亮一些，以便在後製過程中，能保留最佳的細節。 - -當然，一但這麼做，在硬體的限制下，即有限的動能範圍下，勢必會失去部分其它「非觀注」部份細節，「向右曝光」這觀念，則是除了曝光的組合、構圖原則下，你該進一步思考的重點。 - ----------- - -## 來源參考 -- [向右曝光 是什麼?向右曝光原則，保留更多照片細節](https://hojenjen.com/exposure-to-the-right/) \ No newline at end of file diff --git a/05. 資料收集/峰值對焦.md b/05. 資料收集/峰值對焦.md deleted file mode 100644 index 0410877..0000000 --- a/05. 資料收集/峰值對焦.md +++ /dev/null @@ -1,71 +0,0 @@ -# 峰值對焦如何協助拍攝 - -無論您使用 DSLR 或無反射鏡相機，了解這種對焦模式如何使影像變得清晰以確保相片品質。 - -![[Pasted image 20230426213513.png]] - -## 什麼是峰值對焦? - -如果您沒有在新相機上嘗試傳統的鏡頭是因為沒有自動對焦，那麼峰值對焦 (也稱為輪廓強調) 就是解決方法。峰值對焦是即時對焦模式，利用相機的「即時檢視」對焦輔助，在觀景窗中以假色覆蓋來強調輪廓對比區。這樣可以協助您在拍攝前決定影像的哪個部分在焦點內。 - -峰值對焦起初是由錄影師使用，但是得利於現代技術的進展，已不再限用於攝影機，而是廣泛見於大多數的靜止數位相機。所有較新型的無反射鏡相機都具有此功能。如果您擁有的是 [DSLR 相機](https://www.adobe.com/tw/creativecloud/photography/discover/dslr-camera.html)，這個功能的名稱可能是「即時檢視的對焦輔助」。 - -由於此效果只能在光線抵達感應器後啟動，您也可以使用較舊的手動鏡頭來進行峰值對焦。「即使您使用的是沒有此功能的不同相機，它也完全不難做到，」攝影師 Patricia Davidson 表示。 - -![[Pasted image 20230426213534.png]] - -## 峰值對焦的運作方式 - -峰值對焦所根據的原則在於，一個影像最亮的區域會有高對比，在「即時檢視」顯示中物件的邊緣和紋理會呈現明亮的白色或彩色。一種演算法會即時分析影像，當一個物體進入對焦區時，鮮明的邊緣會在該圖片的特定區域產生密集曝光。 - -然後一個假色圖層會覆蓋在該區域。在大多數的相機中，您可以根據自己的喜好設定覆蓋顏色並變更偵測的敏感度。 - -![[Pasted image 20230426213547.png]] - -## 峰值對焦的用途 - -峰值對焦讓攝影師能以比典型即時檢視法更快的速度，將手動鏡頭對焦。它很適合用於很難迅速評估對焦區域的場景。在光線昏暗或很難用肉眼適當對焦的情況下進行拍攝時，這個功能可以派上用場。 - -如果您不想使用自動對焦來捕捉移動緩慢的物件，如在空中移動的雲，那麼峰值對焦會是適合採用的技術。您還可以用它來為鏡頭找到適當的景深，但要注意調整，包括您的 [ISO](https://www.adobe.com/tw/creativecloud/photography/discover/iso.html)。 - -「您通常會把它設得較高或較低，」攝影師 Jason Weingart 表示。「如果您在拍攝[淺景深](https://www.adobe.com/tw/creativecloud/photography/discover/shallow-depth-of-field.html)的鏡頭，如 1.4 f-stop，那麼最好將峰值對焦的敏感度設高一點。這樣不會有太多清晰的物體，效果較好。如果你在拍景深真的很深的鏡頭，那麼可以把敏感度設得低一點，使更多東西變得清晰。」 - -**選擇手動，而非自動 -**峰值對焦讓您可以運用許多手動鏡頭，這使得手動對焦變得更加輕鬆自如。「一般在使用手動對焦時比較常使用它，自動對焦較少用，因為在手動對焦時可以在轉動對焦環時看到不同區域突顯出來。在手動對焦時使用它的好處比自動對焦時多，但是無論是哪一種對焦當然都可以使用它，」Weingart 說。 - -````col -```col-md -![[Pasted image 20230426213611.png]] -``` - -```col-md -![[Pasted image 20230426213616.png]] -``` -```` - -## 對焦 - -在立即用數位相機測試之前，先了解峰值對焦的四個要素以使你的下一張相片精彩無比。 - -1. 峰值顏色： - 在相機的設定選單，自訂峰值以符合需要捕捉的場景。舉例來說，修改增強輪廓的顏色以便與影像形成對比，讓輪廓變得更加清晰可見。 -2. 峰值等級： - 除了顏色以外，還可變更下一張肖像照的峰值等級。一般而言，有兩到四個選項可供選擇，等級越高會產生越清晰的輪廓，而等級越低則越需判斷。 -3. 切分影像： - 如同測距器和舊裂焦螢幕，切分影像是一種「即時檢視」對焦輔助。進行切分影像時，對著影像旋轉對焦環，直到影像的不同部分對齊。 -4. 放大: - 要知道捕捉的影像是否清晰，唯一方法是在「即時檢視」模式透過光學觀景窗放大所有細節。使用峰焦對焦或切分影像並做到最好，然後放大影像以便修飾焦點位置。 - -![[Pasted image 20230426213640.png]] - -## 峰值與谷值 - -在某些情況下，並不建議使用峰值對焦。當相機鏡頭的景深特別淺時 (1.2，全片幅) ，最好不要使用。在這些情況下，所需捕捉的場景太淺，即使最好的演算法可能也無法精確顯示出最清晰的區域。 - -**著重正確的事物 -**“「峰值對焦是相機內可用的絕佳工具，可讓你在外拍攝時盡量取得最清晰的影像，」Davidson 說。「在後製處理期間，當我用 [Adobe Photoshop Lightroom](https://www.adobe.com/tw/products/photoshop-lightroom.html) 或 Photoshop 處理影像時，這只是讓我不必擔心清晰度而已。」 - -如果在野外沒有獲得想要的結果，您可以使用 Adobe 應用程式中的 Adobe Photoshop 建立圖層並調整影像清晰度。 在 Lightroom 中匯出和編輯這些影像，然後在工作時將它們來回順暢地移至 Photoshop。峰值對焦可以替您節省一個步驟，但有了 Adobe，您總是可以在後製期間進行更多必要的調整。 - -## 來源 -- [什麼是峰值對焦?| 入門指南 | Adobe](https://www.adobe.com/tw/creativecloud/photography/discover/focus-peaking.html) \ No newline at end of file diff --git a/05. 資料收集/核心肌群訓練.md b/05. 資料收集/核心肌群訓練.md deleted file mode 100644 index d64e61b..0000000 --- a/05. 資料收集/核心肌群訓練.md +++ /dev/null @@ -1,9 +0,0 @@ ---- -tags: 核心肌群 -aliases: -date: 2023-04-24 -time: 09:21:28 -description: ---- - -- [訓練核心肌群 錯誤動作超傷腰！ 復健科醫師 正確示範 橋式 死蟲式 狗鳥式 棒式 【 痠痛堡健室 】 侯鐘堡醫師 - YouTube](https://www.youtube.com/watch?v=KZ4mzxjgfmY) \ No newline at end of file diff --git a/05. 資料收集/每週外食.md b/05. 資料收集/每週外食.md deleted file mode 100644 index 119fe64..0000000 --- a/05. 資料收集/每週外食.md +++ /dev/null @@ -1,12 +0,0 @@ -##### 2020-11-16（一） - 披薩，謙謙 -##### 2020-11-23（一） - 汕頭火鍋，Jiachi -##### 2020-11-30（一） - 瓦城，Awin -##### 2020-12-07（一） - 福星，Jiachi -##### 2020-12-13（日） - 21世紀，睿睿 ^98f39d -##### 2020-12-21（一） - Coco，謙謙 ^a0b44c -##### 2020-12-28（一） - 翰林茶坊，Awin -##### 2021-01-04（一） - 一風堂（老婆、謙謙）、燒肉丼飯（Awin、睿睿） ^347d91 -##### 2021-01-14（四） - Coco，睿睿 -##### 2021-01-18（一） - 貝里尼披薩，謙謙 -##### 2021-02-22（一） - 三合院，Awin -##### 2021-03-02（二） - Coco，Jiachi \ No newline at end of file diff --git a/05. 資料收集/科技/802.11.md b/05. 資料收集/科技/802.11.md deleted file mode 100644 index 8c68d13..0000000 --- a/05. 資料收集/科技/802.11.md +++ /dev/null @@ -1,41 +0,0 @@ -### 802.11k - -802.11k協議的功能是**Radio Resource Measurment**，簡單說就是提供找到最好的AP的信息。 - -在WLAN中，終端設備總是傾向於連接信號最好的那個AP，而在實際應用中，這種邏輯可能會造成某個AP被過度使用，而信號稍弱的AP則沒有怎麼用到，從而導致網絡的整體利用效率下降。實現802.11k協議的無線網絡中，如果信號最好的AP已經滿載，則終端設備會連接到信號稍弱的那個AP。 - -協議步驟： - -1. AP決定要踢掉某個終端設備 -2. 通知終端設備變換到另一個AP -3. 終端設備請求周圍AP的列表 -4. AP給出site report -5. 終端設備根據site report連到某個AP - -[IEEE 802.11k-2008 - Wikipedia](https://en.wikipedia.org/wiki/IEEE_802.11k-2008) - -### 802.11v - -802.11v是802.11協議族的**WNM（Wireless Network Management）**標準，802.11v協議允許終端設備交換網絡拓撲的信息，包括射頻環境。 - -802.11v描述了WNM的增強，包括： - -- **Network assisted Power Savings**：**網絡輔助節能**，幫助終端設備睡眠更長時間，比如，手機等設備通過每隔一段時間跟AP通訊一次來確保跟AP沒有斷開 -- **Network assisted Roaming**：**網絡輔助漫遊**，允許WLAN發送信息給終端，來確保終端能連接更好的AP。這可以帶來兩點好處： - -1. 負載均衡 -2. 讓信號不好的終端設備更換AP - -[IEEE 802.11v-2011 - Wikipedia](https://en.wikipedia.org/wiki/IEEE_802.11v-2011) - -### 802.11r - -802.11r的功能是**快速BSS切換**（FT，**Fast Basic Service Set Transition**），也稱為**快速漫遊**（**fast roaming**），是802.11協議的補充。 - -在802.11協議中，AP的切換是由設備控制的（其邏輯是：在能連接到的信號中，挑選信號最好的那個連接，連接一直持續到信號低於一個閾值（通常非常弱）才會斷開，然後繼續反复）。 - -在802.11的初期，切換（handoff）這個操作是非常簡單的，一共只有4個握手信息需要傳遞，但是隨著發展，[802.11i](https://www.easyatm.com.tw/wiki/802.11i)，802.11X，802.11e等協議的加入，握手的信息越來越多，導致切換AP的時間越來越長。 - -802.11r通過重新簡化（越來越複雜的）安全握手協議，來實現FT。 - -[IEEE 802.11r-2008 - Wikipedia](https://en.wikipedia.org/wiki/IEEE_802.11r-2008) \ No newline at end of file diff --git a/05. 資料收集/科技/HDR Sensor.md b/05. 資料收集/科技/HDR Sensor.md deleted file mode 100644 index 6acec0f..0000000 --- a/05. 資料收集/科技/HDR Sensor.md +++ /dev/null @@ -1,197 +0,0 @@ -## HDR sensor 原理介紹 -### 1. 什麼是sensor的動態範圍（dynamic range） -sensor的動態範圍就是sensor在一幅圖像裡能夠同時體現高光和陰影部分內容的能力。 -用公式表達這種能力就是： - -$DR = 20log\frac{i_{max}}{i_{min}}$ // DB - -$i_{max}$是sensor的最大不飽和電流，也可以說是sensor剛剛飽和時候的電流 -$i_{min}$是sensor的底電流（blacklevel） - -### 2. 為什麼HDR在成像領域是個大問題： -在自然界的真實情況，有些場景的動態範圍要大於100dB。 -人眼的動態範圍可以達到100dB。 -Sensor 的動態範圍：高端的>78dB，消費級的60dB上下 -所以當sensor的動態範圍小於圖像場景動態範圍的時候就會出現HDR問題----不是暗處看不清，就是亮處看不清，有的甚至兩頭都看不清。 - ![](https://img2020.cnblogs.com/blog/1251718/202004/1251718-20200412095159571-173615205.png) - 上圖暗處看不清-前景處的廣告牌和樹影太暗看不清。 - - ![](https://img2020.cnblogs.com/blog/1251718/202004/1251718-20200412095219849-2036928694.png) - 上圖亮處看不清--遠處背景的白雲變成了一團白色，完全看不清細節。 - -### 3. 解決HDR問題的數學分析 - -根據前邊動態範圍公式 - -$DR = 20log\frac{i_{max}}{i_{min}}$ // DB - -所以從數學本質上說要提高DR，就是提高$i_{max}$，減小$i_{min}$ -對於10bit輸出的sensor,從數學上來說，$i_{max}=1023$，$i_{min}=1$ -動態範圍DR = 60 -對於12bit輸出的sensor，DR = 72 -所以從數學上來看，提高sensor 輸出的bit width就可以提高動態範圍，從而解決HDR問題。 -可是現實上卻沒有這麼簡單。 -提高sensor的bit width導致不僅sensor的成本提高，整個圖像處理器的帶寬都得相應提高，消耗的內存也都相應提高，這樣導致整個系統的成本會大幅提高。所以大家想出許多辦法，既能解決HDR問題，又可以不增加太多成本。 - -## HDR Imaging Digital Overlap - -Digital Overlap是目前比較流行的sensor HDR 技術，在監控與車載相機等領域的應用非常廣泛。Sony於2012年在監控相機市場首先推出基於DOL（digital overlap）HDR技術的圖像傳感器，之後OV與Onsemi也都推出了與DOL類似的HDR技術的圖像傳感器，而且應用領域不局限於監控這種傳統HDR imaging的市場，而且擴展到了Automotive camera市場。現在Sony已經推出了第二代支持虛擬通道DOL HDR技術的sensor。 - -### 1. 什麼是時域多幀HDR技術 - -相機在時間上連續輸出由欠曝到過曝的圖像，然後做圖像融合，得到HDR圖像。 -![](https://img2020.cnblogs.com/blog/1251718/202004/1251718-20200412095356429-1225500631.png) - 融合後HDR圖像 -![](https://img2020.cnblogs.com/blog/1251718/202004/1251718-20200412095500036-1147852374.png) - -比較典型的一種融合方法是根據luminance，contrast，motion等條件，對第K幀圖像的像素`[i，j]`給出權重。$W_{ij,k}$是第K幀，位置i，j像素的權重，$x_k(i,j)$是原始像素值，$x_f(i,j)$是融合後的像素值。公式如下： -![](https://img2020.cnblogs.com/blog/1251718/202004/1251718-20200412095726682-775383621.png) -對彩色圖像，權重的計算會考慮色彩的飽和度等因素。 - -### 2. 傳統時域多幀HDR技術存在的局限 - -由於傳統時域多幀是基於連續曝光的整幀圖像（Frame Based）進行融合，所以圖像之間的間隔時間就是一幀圖像的周期，由此會產生很多artefacts： - -1. 場景內物體增減 - ![](https://img2020.cnblogs.com/blog/1251718/202004/1251718-20200412095915848-294335122.png) - -2. 近距離物體快速移動形成拖影 - ![](https://img2020.cnblogs.com/blog/1251718/202004/1251718-20200412095948969-1372705839.png) - -3. Color artefact -![](https://img2020.cnblogs.com/blog/1251718/202004/1251718-20200412100054082-388198519.png) - -Frame based的多曝光HDR技術常用於still image 的capture，也有視頻HDR 採用這種技術，比如sensor以60fps的幀率交替輸出長短曝光，融合後輸出30fps的HDR圖像。 - -![](https://img2020.cnblogs.com/blog/1251718/202004/1251718-20200412100333302-468472209.png) - -![](https://img2020.cnblogs.com/blog/1251718/202004/1251718-20200412100418434-203196772.png) - -早期的HDR video有採用這種技術，自從DOL技術出現後，這種Frame based Video HDR技術就逐漸退出歷史舞台了。 - -### 3. 什麼是DOL HDR - -DOL HDR 也叫做 line interleaving HDR 技術。以兩曝光 DOL 為例，sensor每行會以長短曝光兩次先後輸出，從readout角度來看，就是長曝光幀與短曝光幀line interleaving 依次輸出，如下圖，第一行L輸出，第一行S輸出，第二行L輸出，第二行S輸出，以此類推。 - -![](https://img2020.cnblogs.com/blog/1251718/202004/1251718-20200412100529435-170192984.png) - -frame based HDR，長短曝光幀的間隔是一個幀週期，也就是必須一整幀（長）曝光結束，再開始一整幀（短）曝光，如下圖 - -![](https://img2020.cnblogs.com/blog/1251718/202004/1251718-20200412100546546-1096836968.png) - - 對於DOL HDR而言，由於line interleaving（行的交織），存在兩幀的overlap，等於一幀輸出沒結束，下一幀就來了，長短曝光幀的間隔大大縮小了。 - -從下圖可見，長曝光幀與短曝光幀overlap了一部分，所以這種技術叫digital overlap。 -![](https://img2020.cnblogs.com/blog/1251718/202004/1251718-20200412100703466-1912064866.png) - -### 4. DOL 長短曝光幀的時間間隔 - -前邊說過，Frame based HDR 的長短曝光幀的間隔是一幀的時間，那麼 DOL HDR 的長短曝光幀的時間間隔是多大呢？ - -如果先輸出長曝光的話 -![](https://img2020.cnblogs.com/blog/1251718/202004/1251718-20200412100717894-1595515136.png) - - 如果先輸出短曝光的話 -![](https://img2020.cnblogs.com/blog/1251718/202004/1251718-20200412100822480-184812752.png) - - T= long exposure 的時間 -所以當然是先輸出長曝光，這樣T（時間間隔）會更小。 - -### 5. DOL 長短曝光時間比與動態範圍擴展 - -以兩曝光DOL 為例 -$\text{Exposure ratio} = \frac{\text{Long exposure time}}{\text{short exposure time}}$ - -假設Exposure ratio = 16，假設在信號沒有飽和的條件下，相當於曝光最大值增大了16倍：$2^4$。也就是動態範圍擴大了4個bit。 -以此類推，每增加一個曝光幀，如果exposure ratio =16，動態範圍就可以擴大4bit。 -按照一般HDR sensor 單曝光為12bit來算的話，4曝光就可以讓sensor輸出的動態範圍擴大到24bit（12+4+4+4)。 -exposure ratio 也不是越大越好，exposure ratio會受到三方面的製約，圖像質量，sensor設計以及isp line delay buffer。 -從圖像質量上來說，短曝光時間越短，圖像噪聲越高，長曝光越長，motion的影響越大。Exposure Ratio越大，在圖像融合後的SNR drop也越大。 -從sensor設計上來說，長短曝光之比受到讀出電路的限制，sony的DOL第二代採用虛擬通道技術一定程度改善了這個限制。 -從ISP的角度來說line delay buffer 也限制了最大曝光時間。在短曝光行出來之前，第一個長曝光行應該還在delay buffer裡，這樣才能兩者對齊好給後面的frame stitch操作。而長短曝光比越大，需要的line delay buffer就越大。 - -![](https://img2020.cnblogs.com/blog/1251718/202004/1251718-20200412100950046-469714366.png) - - 對於sensor做hdr融合case而言，line delay buffer size就是固定的，所以ISP傾向於在isp這端做HDR融合，這樣可以更靈活的設計。（Maver注：對於車載而言，帶寬是個主要關注點，所以大部分用戶不會選擇在ISP側做HDR融合） - -### 6. DOL的局限 - -Sony在推出DOL的時候，宣傳DOL是**準同時**輸出長短曝光。既然是**準同時**，那就還不是同時，所以也會有一些典型時域多幀HDR的圖像質量問題，同時DOL也有一些特有的IQ問題。 - -1. HDR Transition Artefacts - 可以從下左圖看到composition noise造成的edge，這種edge有時候會誤導機器視覺。 - ![](https://img2020.cnblogs.com/blog/1251718/202004/1251718-20200412101147526-216923810.png) - - 從DOL hdr的noise profile可以看出來，如下圖，在HDR拼接處，可以看到SNR的顯著變化，叫做snr drop，當SNR drop大的時候，就會出現明顯的edge，如上圖所示。 - ![](https://img2020.cnblogs.com/blog/1251718/202004/1251718-20200412101213313-292299226.png) - 曝光比越小，SNR drop就越小, 可以想見，如果曝光比為1，也就沒有snr drop了。反之，曝光比越大，動態範圍越大，snr drop也越大，如下圖所示。 - ![](https://img2020.cnblogs.com/blog/1251718/202004/1251718-20200412101406902-1922414693.png) - -2. Flicker -  交流電供電光源造成的flickering，如下圖： -  ![[Pasted image 20220908123355.png]] - - 交流電供電光源造成的flickering，如下圖： - ![](https://img2020.cnblogs.com/blog/1251718/202004/1251718-20200412101441184-199810703.png) - 為了避免banding，就得讓最小曝光時間是半週期的整數倍。 - ![](https://img2020.cnblogs.com/blog/1251718/202004/1251718-20200412101520036-1816151275.png) - - 這樣就不會出現banding了。但是由於最小曝光時間變大了，動態範圍就損失了。所以有時候為了保證不損失動態範圍，就得容忍Flickering。這就得看應用場景了。 - 類似的問題發生在PWM供電的Led光源上，尤其是交通信號燈以及汽車信號燈，如下圖所示 - ![](https://img2020.cnblogs.com/blog/1251718/202004/1251718-20200412101758213-2089228974.png) - - sensor的長曝光幀能catch到led 的light pulse，但是短曝光幀就沒catch到，這樣也會造成flickering甚至信號燈圖像的丟失。 - 這種flicker或者信號燈信息丟失的問題在車載成像系統上是致命的，所以車載HDR現在更傾向採用spatial based HDR技術，比如Sony採用的sub pixel技術或者OV 採用的split pixel技術。 - -## HDR imaging split/sub pixel 技術 - -我們在上一期講了時域多幀HDR技術：Digital Overlap. 現在在監控領域的WDR sensor主要採用這種技術，如下圖，利用不同的sensor曝光（藍色線所示）覆蓋不同的動態範圍，再把多曝光圖像stitching起來（紅色線所示），達到最大的動態範圍輸出。Sony的imx290，OV的ov4689都是這個類型典型sensor。 - -![](https://img2020.cnblogs.com/blog/1251718/202004/1251718-20200412101814735-1497687033.png) - -車載領域也廣泛使用Temporal domain HDR技術，但是隨著車載相機在ADAS與自動駕駛領域的迅速發展，對圖像質量有著特別的需求，導致Temporal domain HDR技術不能滿足需要。車載比較典型的兩個IQ需求是不能有motion artefact 和LED flickering。 - -缺點如下： -1. motion artefact - ![](https://img2020.cnblogs.com/blog/1251718/202004/1251718-20200412101934829-127704344.png) -  - 2. LED flickering - ![](https://img2020.cnblogs.com/blog/1251718/202004/1251718-20200412102051683-2142159974.png) - -Temporal HDR 在原理上就存在這些缺陷，所以要解決這個問題就需要使用其他的HDR體制：Spatial HDR 技術是現在車載領域的主流解決方案。 - -## Spatial HDR -比較典型的是Sony sensor（imx390/490）採用的Subpixel技術與OV sensor（ovx1a)採用的split pixel技術，他們都屬於SpatialHDR技術範疇，其基本原理是一致的。 - -1. 大小pixel的分離結構 - 與普通CFA的不同，大小pixel技術的sensor在相鄰位置有一大一小兩個pixel，他們空間上非常接近，可以認為對空間採樣相同。 - ![](https://img2020.cnblogs.com/blog/1251718/202004/1251718-20200412102145785-1322226290.png) -  由於pixel的大小不同，物理上的sensitivity不同，FWC也不同，會產生與時域HDR一樣的不同曝光效果，形成了對不同動態範圍的覆蓋。如下圖可以看到LPD（Large Pixel Diode）與SPD（Small Pixel Diode）是如何擴展動態範圍的。 - ![](https://img2020.cnblogs.com/blog/1251718/202004/1251718-20200412102210732-185905022.png) -  - 2. 大小分離pixel的電路設計 - 典型的大小分離pixel的電路如下圖所示 - ![](https://img2020.cnblogs.com/blog/1251718/202004/1251718-20200412102348969-47900883.png) -  SPD和LPD分別用黃色的二極管標出。CGC（conversion gain control）與TG（transfer gate）控制了photo diode 向FD充電，當$TG_S$使能時，FD接收SPD來的電荷，RS會使能讓FD的電荷轉存出來。然後當$TG_L$使能時，FD接收LPD來的電荷，RS會再一次使能讓FD的電荷轉存出來。RST負責在每一次轉存後把FD電容清空。這樣的電路結構就實現了LPD和SPD的分別讀出。這個部分的電路時鐘非常快，所以可以認為大小像素是同時曝光的。後面的讀出電路也會把大小像素同時讀出，由下圖可見，$T_{LPD}$ 與 $T_{SPD}$ 是同時的。 - ![](https://img2020.cnblogs.com/blog/1251718/202004/1251718-20200412102537918-1013568966.png) -  - 3. 大小像素HDR與時域HDR在motion artefact上的比較 -  由下圖可以看出基於大小像素的HDR與時域HDR在拍攝運動物體上的mot ion artefact比較。 - 左圖是基於大小像素的圖像，完全沒有motion artefact，右圖是時域HDR，可以看到明顯的motion artefact。 - ![](https://img2020.cnblogs.com/blog/1251718/202004/1251718-20200412102637455-473076896.png) - 對於這種更挑戰的場景，舞廳的旋轉光球，左圖是大小像素HDR，右圖是時域HDR，可以看到時域HDR的圖像把小的運動光點都混到了一起。 - ![](https://img2020.cnblogs.com/blog/1251718/202004/1251718-20200412102730236-58004651.png) - -4. 大小像素與Dual conversion gain的結合 - 單獨靠大小像素只能形成兩個曝光的圖像，再結合之前介紹過的DCG技術，在大小pixel分別配合HCG，LCG，就可以形成4曝光。 - 假設單曝光輸出12bit，曝光比是16，那總共的動態範圍可以達到24bit輸出。 - ![](https://img2020.cnblogs.com/blog/1251718/202004/1251718-20200412102823049-1006168382.png) - -5. 兩種場景的切換 - 如下圖，橫軸是場景的光亮度，縱軸是SNR，紅色曲線是LPD像素的SNR曲線，藍色曲線是LPD像素的SNR曲線。 - ![](https://img2020.cnblogs.com/blog/1251718/202004/1251718-20200412102839110-992140481.png) - SPD的飽和點更高，而LPD的低光SNR更高。這兩條曲線說明了大小像素這種設計可以很靈活的適配場景的變化，當場景非常亮的情況，就用大小像素融合輸出，這樣可以擴大動態範圍。 - 當場景非常暗的情況，就完全切換到LPD像素，因為它的SNR更高。 - -## 來源 -- [HDR sensor 原理介紹- 吳建明wujianming - 博客園](https://www.cnblogs.com/wujianming-110117/p/12684011.html) \ No newline at end of file diff --git a/05. 資料收集/科技/量子電腦.md b/05. 資料收集/科技/量子電腦.md deleted file mode 100644 index 7c21714..0000000 --- a/05. 資料收集/科技/量子電腦.md +++ /dev/null @@ -1,2 +0,0 @@ -# 介紹文 -- [量子電腦：從原理、實作到應用](https://medium.com/@kelispinor/%E9%87%8F%E5%AD%90%E9%9B%BB%E8%85%A6%E6%A5%B5%E7%B0%A1%E4%BB%8B-short-introduction-to-quantum-computer-a7b159861786) \ No newline at end of file diff --git a/05. 資料收集/科技/鋰電池.md b/05. 資料收集/科技/鋰電池.md deleted file mode 100644 index 1454349..0000000 --- a/05. 資料收集/科技/鋰電池.md +++ /dev/null @@ -1,4 +0,0 @@ -電池的容量是用"mAH（毫安培小時）"來表示的，例如，一塊電池標有3000mAH ，當我們用3000mA的電流（也就是3A）放電時，可以放電一個小時，則電池的放電倍率是1C，如果以6A電流放電，則可以用30分鐘，則屬於2C。 - -# 鋰離子電池多少C是什麼意思 -C：用來表示電池充放電電流大小的比率，即倍率。充放電倍率=充放電電流/額定容量，如1200mAh的電池，0.2C表示240mA（1200mAh的0.2倍率），1C表示1200mA（1200mAh的1倍率）。50C表示50 * 1200 = 6000mA。 \ No newline at end of file diff --git a/05. 資料收集/軟體工具/docker.md b/05. 資料收集/軟體工具/docker.md deleted file mode 100644 index 69529ea..0000000 --- a/05. 資料收集/軟體工具/docker.md +++ /dev/null @@ -1,25 +0,0 @@ -## Container -### list container -`docker ps`會列出執行中的container（但是停止的不會） -```bash -sudo docker ps -``` - -如果也要列出已停止的container -```bash -sudo docker ps -a -``` - -### 刪除container -Container必須是停止狀態才可以刪除 -```bash -sudo docker rm -``` - -## Image -### list images -```bash -sudo docker image ls -or -sudo docker images -``` \ No newline at end of file