AWB学习笔记分析

合集下载

商业分析PBA学习笔记(1)

商业分析PBA学习笔记(1)

1、商业分析的价值a、满足商业需求:商业分析用来识别和确定问题的根本原因b、管理风险并减少返工:缺少商业分析会导致的问题:①、商业需求理解不足,做出来的产品并没有真正满足需求;②、遗漏相关方期望,做出来的产品没有满足相关方的所有要求;③、导致组织产生挫败感,产品失败打击团队信心。

执行商业分析能够获得的改善:①、节省产品开发的时间;②、降低产品开发的成本;③、减少风险敞口。

c、成功的商业分析可以减少产品缺陷对商业活动的影响。

d、成功的商业分析可以提升相关方满意度。

2、商业分析的应用a、确定问题和机会b、识别商业需要并提出可行的解决方案,以满足这些需要并支持战略决策c、启发、分析、明确、沟通和管理需求和其他产品信息d、定义测量和实现价值的效益和方法,并对结果进行分析3、什么是产品产品是①、制造出来的、可量化的构件;②、有形的或无形的;③、为了满足商业需要,而作为解决方案的一部分被创建或更新,产品提供了商业价值。

4、什么是需求需求被定义为在产品、服务或成果中需要满足商业需要的条件或能力a、商业需求:组织高层级的需要,满足战略需求。

b、相关方需求:相关方的需要,能对项目相关造成影响的所有人和组织对产品期望。

c、解决方案需求:满足商业需求和相关方需求的产品特性、服务功能和成果特征。

解决方案需求又分为:①、功能需求,也就是产品的行为,例如手机的功能需求就是要能打电话、上网。

②、非功能需求,指的是产品正常运行所需的环境条件或质量要求,例如手机要正常使用就需要在正常环境下使用,不能在没有网络信号的地方打电话、上网。

d、过度需求:从“当前状态”过渡到“将来状态”所需的临时能力(如数据转换或培训需求)和运营变更,例如有些新产品,在出售的时候还需要对客户进行培训。

需求件的关系如下图:a、商业目的和目标:企业目的到商业力求达成的具体目的的广义转化;商业力求达成的目的的可测量描述。

例如阿里巴巴的商业目的就是他的使命,:“让天下没有难做的生意。

2009年报关员考试辅导笔记:报关单各栏目填制要求

2009年报关员考试辅导笔记:报关单各栏目填制要求

掌握进出⼝货物报关单各栏⽬的含义、填制规范、填报要求、逻辑对应关系,根据原始单证、资料填制进出⼝货物报关单,查找进出⼝货物报关单填制内容错误 进出⼝货物报关单主要栏⽬: ⼀、★进⼝⼝岸/出⼝⼝岸 (⼀)含义:进出我国关境⼝岸海关的名称。

(⼆)填报要求 1、我国关境的⼝岸海关的名称及代码(四位码) 2、“代码表中”有⾪属填⾪属,没⾪属填直属。

3、具体填报⽅式: (1)实际进出境的,填实际进出⼝岸名称及代码; (2)加⼯贸易应填⼿册中规定的⼝岸及代码; (3)进⼝转关,填报进境地海关及代码;出⼝转关的,填报出境地海关名称和代码; (4)按跨关区深加⼯结转货物,出⼝报关单填转出地,进⼝报关单填转⼊地; (5)不同加⼯区转让的货物,填报对⽅海关; (6)⽆实际进出境及⽆法确定⼝岸的,填接受货物申报海关; ⼆、★备案号(备案审批⽂件的代码或标记、填报内容) (⼀)含义:指加⼯贸易备案、征免税证明备案⽂件的编号(12位)。

(⼆)分类:第1位是标记代码,可以区分是何种贸易: 备案号的标记代码常⽤的有: B:《来料加⼯登记⼿册》;C:《进料加⼯登记⼿册》;E:加⼯贸易电⼦账册Z:《征免税证明》;D:《加⼯贸易不作价设备》 Y:原产地证书代码;A:备料 (三)填报要求: 1、⼀份报关单只允许填报⼀个备案号; 2、⽆备案的,免填; 3、加⼯贸易和减免税货物必填; 4、加⼯贸易转为减免税进⼝的货物,进⼝报关单填报《征免税证明》编号,出⼝报关单填报《登记⼿册》编号。

5、出⼝加⼯区的保税货物,填“H”的电⼦帐册备案号;出⼝加⼯区征免税货物,填“H”、第6位是“D”的备案号; 6、⾹港、澳门CEPA项下进⼝货物,本栏⽬填报“Y”+11位原产地证书编号。

7、若是以B开头的,即来料加⼯。

在这种贸易⽅式下备注栏要填写(料件费和⼯缴费⾦额) 熟悉316页2表中常见的监管⽅式、征免性质和备案号的对应关系(如来料、进料、外资设备物品、不作价设备等)。

对生物信息学所学

对生物信息学所学

对生物信息学所学内容的简单总结邹国兴 caas06f2_01WebLab是北京大学生物信息中心开发出来的一个有关生物信息工具包集成的网站,利用这些工具可有效地开展生物信息相关的研究。

本学期主要是学习文献检索、相关工具(主要是WebLab和emboss中工具)、有关软件的使用、生物信息学的基础知识、常用数据库和网站介绍。

结合自身的工作实际,选择性地使用或练习了这些工具和软件,现对所学的内容做一个简单的总结。

一、序列比对1、全局比对,用于两个序列全长对比分析、检查数据的质量、确定长的插入或缺失片段以及逐个分析序列中的突变点等。

主要学习了needle,是我们学习的重点。

2、局部比对,用于分析两个序列同源性、进行逐个氨基酸残基的精细比对,这样可以获得高精度的序列对比结果。

主要学习了water,自己再练习了matcher和wordmatch,以water 为例。

3、序列点阵图分析,序列间的重复以图形的形式来表示。

重点学习了dotmatcher、dotpath、dottup、polydot四个工具,以dotmatcher 为例。

4、多序列比对,来分析不同序列之间的差异,是学习的重点。

主要学习了emma工具、软件WebLogo、MEGA和clustalx,以例来说明。

以10个植物的SBP蛋白质的结合域用emma来分析,用不同的颜色来显示序列的差异。

用上框粉红色中的序列以WebLogo来分析序列的保守性,字母越大,保守性越高。

MEGA和clustalx软件的多序列比对与emma类似,就不再说明。

二、序列同源性搜索与系统发育树的构建1、主要学习的是在NCBI中开展BLAST工作,分五种检索程序,blastP( 蛋白质—蛋白质 ),blastN(核酸—核酸 ),blastX( 核酸—蛋白质 ),tblastN( 蛋白质—核酸 )和tblastX(核酸—核酸 )。

以水稻的OsHT在swissprot数据库中进行blast,结果发现与它同源高的序列很少,比较近的源分值也才在60-80之间,没有找到高度同源的序列。

bw学习总结

bw学习总结

bw学习总结SAP 商务智能学习笔记第⼀章SAP解决⽅案概述⼀、SAP⽹络编织器(NetWeaver)SAP⽹络编织器(NetWeaver)是SAP商务套件的技术基础,基于NetWeaver,企业能够实现如下4个⽅⾯的集成:1、⼈员集成。

将现有的各种管理系统、办公系统、⽂档系统等集中到企业的信息门户内,实现企业IT系统的单⼀⼊⼝。

2、信息集成。

将各种存放在数据库当中的管理信息,以及其它⾮机构化信息(市场信息和报告等)集中起来,实现⽀持经营决策的商业智能和知识管理系统。

3、流程集成。

将分散在不同系统的业务处理连接起来,形成⼀个⾃动化的流程。

对于使⽤者来说,就好像是操作在⼀套系统上。

4、应⽤平台。

SAP提供⽀持开放标准(如XML)的底层架构,实现灵活互接。

⼆、SAP商务套件SAP商务套件基于NetWeaver,包含SAP企业资源计划(SAP ERP)、SAP供应链管理(SAP SCM)、SAP供应商关系管理(SAP SRM)、SAP客户关系管理(SAP CRM)和SAP产品⽣命周期管理(SAP PLM)5部分。

SAP BI独⽴于SAP商务套件。

三、SAP 商务智能(SAP BI)1997 – 1998年,SAP推出其主要商业智能产品– SAP业务信息仓库(SAP BW),其最终版本为BW3.5 。

2005年,BI7.0 推出,BW更名为SAP 商务智能(SAP BI)。

⽬前版本为SAP BI7.2。

SAP BI已经从最初的主要针对SAP系统的报表分析系统逐步演化成⼀个从数据抽取到分析展现的综合性企业级数据仓库及商务智能解决⽅案。

SAP BI由多个功能模块组成,主要包括企业数据仓库、商务智能平台和业务浏览套件。

1、企业数据仓库SAP BI通过数据仓库⼯作台提供了数据的抽取、转换和加载功能。

数据仓库的典型处理流程包括数据建模、数据抽取以及对数据仓库管理流程的管理。

2、商务智能平台提供分析技术,包括OLAP处理器、元数据资源库、BI集成计划、分析进程设计器及数据挖掘、信息发布等功能。

《高维非线性系统的全局分岔和混沌动力学》笔记

《高维非线性系统的全局分岔和混沌动力学》笔记

《高维非线性系统的全局分岔和混沌动力学》读书记录目录一、内容描述 (2)1.1 研究背景与意义 (3)1.2 国内外研究现状综述 (4)1.3 本书主要内容概述 (5)二、高维非线性系统的基本概念 (6)2.1 非线性系统的定义与特点 (8)2.2 高维非线性系统的演化方程 (9)2.3 高维非线性系统的相空间重构 (10)三、高维非线性系统的局部分岔理论 (11)3.1 分岔点的判定方法 (12)3.2 分岔路径的几何描述 (14)3.3 分岔参数的敏感性分析 (15)四、高维非线性系统的全局分岔与混沌动力学 (17)4.1 全局分岔的概念与判据 (18)4.2 混沌运动的特性与判据 (19)4.3 同宿点与异宿轨线的几何构造 (20)4.4 混沌系统的吸引子与李雅普诺夫指数 (22)五、高维非线性系统的控制与同步 (23)5.1 系统控制的策略与方法 (24)5.2 相空间重构在控制中的应用 (25)5.3 基于李雅普诺夫指数的混沌系统同步方法 (27)5.4 多变量系统的控制与同步 (28)六、高维非线性系统的数值模拟与实验验证 (29)6.1 数值模拟的方法与步骤 (30)6.2 实验验证的重要性及常用实验设计 (32)6.3 实验结果与理论分析的对比分析 (33)七、结论与展望 (35)7.1 本书的主要研究成果总结 (36)7.2 研究中的不足与局限性分析 (38)7.3 对未来研究的展望与建议 (39)一、内容描述《高维非线性系统的全局分岔和混沌动力学》是一本深入探讨高维非线性系统动力学行为的学术著作。

本书内容涵盖了高维非线性系统的基本概念、全局分岔理论、混沌动力学机制以及相关的应用实例。

通过阅读这本书,我对书中的知识框架和核心内容有了全面的理解。

书中介绍了高维非线性系统的基础知识和相关背景,包括其在自然科学、工程技术和社会科学等领域的应用价值。

重点阐述了全局分岔理论的基本原理和分类,如结构稳定性、动态分岔等概念,以及这些理论在高维非线性系统中的应用。

博士生计算机科学机器学习知识点归纳总结

博士生计算机科学机器学习知识点归纳总结

博士生计算机科学机器学习知识点归纳总结随着信息时代的到来,计算机科学领域的机器学习(Machine Learning)变得越来越重要。

作为一门广泛应用于人工智能领域的学科,机器学习涉及到大量的知识点。

本文将对博士生在计算机科学领域的机器学习知识点进行归纳总结。

以下是一些重要的机器学习知识点:1. 概率论与统计学基础机器学习的基础是概率论与统计学。

博士生需要掌握概率分布、条件概率、贝叶斯定理等基本概念,了解假设检验、置信区间、参数估计等统计学的基本方法。

掌握这些基础知识可以帮助博士生理解机器学习算法的原理和应用。

2. 监督学习监督学习是机器学习中最常见也是最基础的学习方式。

博士生需要了解监督学习的基本概念、常见的分类算法(如逻辑回归、决策树、支持向量机等)以及回归算法(如线性回归、岭回归等)。

博士生还需要了解特征选择、模型评估与选择等相关技术。

3. 无监督学习无监督学习是指从无标签数据中发现隐藏的模式或结构。

博士生需要了解聚类算法(如K均值聚类、层次聚类等)和降维算法(如主成分分析、独立成分分析等)等无监督学习的基本方法。

此外,掌握异常检测和关联规则等其他无监督学习技术也是必要的。

4. 强化学习强化学习是通过观察和与环境的交互来学习最优策略的一种学习方式。

博士生需要了解强化学习的基本概念(如状态、动作、奖励和值函数等),并掌握常见的强化学习算法(如Q学习、深度强化学习等)以及策略评估和策略改进等相关技术。

5. 深度学习深度学习是机器学习领域最热门的研究方向之一。

博士生需要了解深度学习的基本概念(如神经网络、层次结构、损失函数等),并掌握深度学习常见的网络结构(如卷积神经网络、循环神经网络等)和优化算法(如梯度下降、Adam等)。

此外,对于自然语言处理、计算机视觉等领域的应用也需要有一定的了解。

6. 特征工程与模型调优在机器学习的实际应用中,特征工程和模型调优是关键的环节。

博士生需要掌握特征选择、特征提取、特征转换等技术,并了解模型评估与选择、超参数调优等相关方法。

摄像头模组awb原理

摄像头模组awb原理

摄像头模组awb原理1.引言1.1 概述概述部分的内容可以简要介绍摄像头模组和自动白平衡(AWB)原理的基本概念和作用。

可以引入一些背景信息,解释为什么摄像头模组和AWB在现代摄像技术中非常重要。

以下是可能的一种概述内容的例子:"在现代摄像技术中,摄像头模组以其关键作用而备受关注。

摄像头模组是一个整合了图像传感器、镜头和相机控制电路的一个模块,它被广泛用于各种设备,如智能手机、数码相机和监控摄像机等。

摄像头模组的主要目标是捕捉高质量的图像,并在不同的环境条件下实现自动图像优化。

""在摄像头模组的自动图像优化功能中,自动白平衡(AWB)是一个关键的技术。

AWB旨在调整图像的色温,以便在不同的光照条件下产生真实、自然的颜色表现。

由于环境光的不同,图像中的颜色偏移可能会出现,例如在室内和室外、不同光源下的拍摄。

AWB通过感知环境光的颜色温度,自动调整图像的色温来消除颜色偏移,从而提供视觉上更准确的图像。

""本文将详细探讨摄像头模组和AWB原理,并介绍它们在现代摄像技术中的作用。

同时,我们还将对未来摄像头模组和AWB技术的发展进行展望。

通过对摄像头模组和AWB原理的深入了解,我们可以更好地理解摄像技术的发展和创新,为我们提供更好的拍摄和观看体验。

"文章结构部分的内容可以按照如下方式编写:1.2 文章结构本文将按照以下结构进行阐述摄像头模组AWB原理:1. 引言:首先对摄像头模组AWB原理进行简要介绍和概述,为读者提供背景知识,并引出本文的目的。

2. 正文:2.1 摄像头模组介绍:具体介绍摄像头模组的基本组成和工作原理,包括图像传感器、镜头、信号处理芯片等。

2.2 自动白平衡(AWB)原理:详细阐述自动白平衡原理,包括什么是白平衡、为什么需要白平衡调节、以及AWB算法的流程和原理。

此部分将重点解释AWB算法是如何根据场景中的光照条件,自动调整图像的色温以获得更真实和自然的颜色表现。

数据分析学习笔记

数据分析学习笔记

大数据挖掘:系统方法与实例分析steven.zhuo@-健豪学习笔记(一)数据挖掘基础1.MATLAB数据挖掘的过程(1)定义目标(2)准备数据(3)探索数据①.趋势分析②.相互影响分析③.变量选择(重要性排序)④.特征进行变形⑤.Detect patterns(4)建立模型模型种类:关联、回归、分类、聚类、预测、异常检测(5)评估模型(6)部署模型2.数据的可视化(hist、pie、box 相互混合)3.数据的预处理(1)数据清洗①.缺失值处理i.删除法ii.插补法(平均值插补、中值插补、回归插补(线性)、线性插值、回归插值(非线性))②.噪声过滤i.回归法:用一个函数拟合数据来光滑数据ii.均值平滑法:对于具有序列特征的变量用临近的若干数据的均值来替代原始数据的方法iii.离群点分析:通过聚类等方法来检测离群点,并将其删除,从而实现去噪的方法iv.小波去噪(2)数据集成(3)数据规约(浓缩)i.属性选择ii.样本选择(4)数据变换(归一化、标准化)4.数据的探索(有效方法:数据可视化)(1)分布情况探索(hist、pie、box)(2)分布中心分析(median(中心值)、mode(频率最高)、max、mean(均值))(3)数据的伸展性分析(极差:判断用不用归一化)(方差小:说明波动小)(4)数据的形状分析(偏度)(5)关联分析(plotmatrix)(6)数据的分组分析(均值、最大值、最小值、异常值)5.假设检验(卡方检验、T检验)6.数据回归(二)数据挖掘算法:回归算法、关联算法、聚类算法、分类、预测、异常诊断1.回归算法:一元回归、多元回归、逐步回归、Logistic回归(1)一元线性:LinearModel(2)一元非线性回归:fitnlm(3)一元多项式回归:polyfit(4)多元线性回归:regress(要先判断因素是否和因变量线性相关)(5)逐步回归:stepwise(6)Logistic模型(结果只有0-1,可以用于银行信用评估)fitglm2.关联算法:Apriori算法(购物篮分析、商品关联、啤酒尿布)、FP-Growth算法、相关系数法3.聚类(1)K-meams算法(kmeans)(万能聚类)(2)层次聚类(Clusterdata)(层次结构图)(例子:股票分池)(3)神经网络(train)(4)模糊C均值聚类算法(计算隶属度、类似模糊数学)(fcm)(5)高斯混合聚类(gmdistribution.fit)(6)聚类过程中类别个数的确定方法①.阈值法②.轮廓图法4.分类:最近邻(KNN)、贝叶斯、神经网络、逻辑斯蒂(Logistic)、判断分析、支持向量机(SVM)、决策树(1)K-近邻(ClassificationKNN,fit)(2)贝叶斯分类、朴素贝叶斯分类(求分类概率)(NaiveBayes.fit)(3)神经网络(4)Logistic分类(glm.)(5)判别分析(Discriminant Analysis 简称DA)(ClassificationDiscriminant.fit)(6)支持向量机(SVM) (超平面,解决多维问题) (svmtrain)(7)决策树(ClassificationTree.fit)(8)分类的评价:正确率、ROC曲线(越快收敛到1越好)5.预测算法(1)灰色预测(递推)(特点:对数据样本数量要求不高)(2)马尔科夫(关键:状态转移矩阵)6.异常诊断(outlier离群点的诊断)(三)高级算法和分类学习机。

AWB基本概念分析

AWB基本概念分析

Y 0.299 R 0.587 G 0.114 B Cb 2(1 0.114)(B Y ) Cr 2(1 0.299)(R Y )
5
10/21/2018
为什么要有AWB?
• 在实际的彩色图像采集过程中,得到的色彩值同被记录的物体的真实色
彩会产生某种偏差.造成该偏差的原因主要有两个: • 一个是光源环境的色温变化,不同色温情况下,同一物体的反射光谱

• 冷色调:蓝,青,紫 • 暖色调:红,橙,黄 • 中性色调:黑,白,灰
1
10/21/2018
Color Temperature Chart
2
10/21/2018
颜色和YUV
颜色是外界的光线辐射作用于人眼产生的一种感觉。在生活中用于标志 颜色的方法有以下几种:色谱法、国际照明系统(CIE)标准色度学系 统、孟赛尔系统等。色谱法是通过目测的方法,将物体的颜色与标准 色板进行比较;国际照明系统(CIE)标准色度学系统是目前对颜色最 精确的标志方法,由国际照明委员会所规定,它是以每一种颜色都能 用三个选定的原色适当混合而组成的理论为基础;孟赛尔系统是从心 理学的角度,用一些物体的标本(色卡)来表示物体的视知觉色彩。在 彩色图像的处理和存储过程中,根据国际照明系统(CIE)标准色度学 系统的规定,选定三个原色构成色彩空间来表示图像中物体的颜色。 常见的三原色是红(R)、绿(G)、蓝(B),几乎所有的颜色都可以由这种 原色按不同比例混合再现。因此.对于彩色图像的处理和存储一 般都选用在(R,G .B )构成的色彩空间中进行。为了处理问题的方便,我 们还经常使用YUV色彩空间.YUV色彩空间与RGB色彩空间转化公式 为CCIR601标准[z) Y=0.299R+0.587G+0.114B U=R-Y=0.701R-0.587G-0.114B V=B-Y=0.886B-00/21/2018

A3A5B2能力点的综合作用学习笔记

A3A5B2能力点的综合作用学习笔记

A3A5B2能力点的综合作用学习笔记在进行项目管理时,能力点的综合作用对项目的推进和成功至关重要。

在项目管理中,A3、A5和B2能力点是项目管理者必备的关键技能,通过这些能力点的综合作用,能够保证项目的高质量、高效率和高客户满意度。

首先,A3能力点是指通过问题解决的系统思维和方法,对组织内的问题进行分析和解决的能力。

在项目管理中,A3能力点可以帮助项目管理者识别和解决项目中的问题。

通过A3能力点的综合作用,项目管理者可以提出问题的明确目标,收集和分析相关数据,找出问题的根本原因,并制定相应的解决方案。

这样,在项目推进的过程中,项目管理者能够更好地应对问题,减少问题发生的频率和影响,提高项目的整体质量和客户满意度。

其次,A5能力点是指通过人际关系、沟通和协作的能力,与他人有效地进行合作和团队工作的能力。

在项目管理中,A5能力点的综合作用可以帮助项目管理者有效地协调和组织项目团队的成员,提高团队的凝聚力和合作效率。

通过A5能力点的综合作用,项目管理者能够与项目团队成员建立互信和理解,明确各自的角色和责任,有效地进行沟通和信息交流,解决团队内部的冲突和问题。

这样,项目管理者能够更好地实现团队目标,提高项目的协同效应和产出效率。

最后,B2能力点是指通过制定计划和组织改进措施,推动组织内的项目和流程改进的能力。

在项目管理中,B2能力点的综合作用可以帮助项目管理者制定详细的项目计划和时间表,合理安排项目资源和任务分配,并定期进行项目的评估和改进。

通过B2能力点的综合作用,项目管理者能够更好地掌握项目的进展情况,及时调整和优化项目计划和资源,保证项目的顺利推进和按时交付。

同时,项目管理者还可以通过B2能力点的综合作用,总结和分享项目管理的经验和教训,推动组织内的项目管理和流程改进,提高组织的绩效和竞争力。

综上所述,A3、A5和B2能力点的综合作用对项目的推进和成功具有重要意义。

通过A3能力点,项目管理者能够深入分析和解决项目中的问题,提高项目的质量和客户满意度;通过A5能力点,项目管理者能够有效协调和组织团队的成员,提高团队的凝聚力和合作效率;通过B2能力点,项目管理者能够制定详细的项目计划和改进措施,保证项目按时交付和组织内的持续改进。

《awb报表分析讲义》课件

《awb报表分析讲义》课件

一、课件简介1.1 课件目的本课件旨在帮助学员掌握awb报表的基本概念、分析方法和实际应用,提升报表分析能力。

1.2 课件内容本课件包含awb报表的基本知识、报表结构、数据分析、实战应用等模块。

1.3 学习目标通过本课件的学习,学员能够:(1)理解awb报表的基本概念和结构;(2)掌握awb报表的分析方法;(3)能够运用awb报表分析实际问题。

二、awb报表基本概念2.1 awb报表的定义awb报表是航空公司用于管理航空货物运输的一种重要报表,全称为Air Waybill(航空货运单)。

2.2 awb报表的作用awb报表用于记录货物的运输信息,包括货物的来源、目的地、重量、体积等,是航空公司进行货物运输管理的重要依据。

2.3 awb报表的构成(1)头部:包含报表的类型、编号、航空公司信息等;(2)包含货物的运输信息,如重量、体积、单价等;(3)尾部:包含货物的收发信息,如收货人、发货人等。

三、awb报表结构3.1 头部结构头部包含报表的类型、编号、航空公司信息等,是报表的重要标识。

3.2 结构包含货物的运输信息,如重量、体积、单价等,是报表的核心部分。

3.3 尾部结构尾部包含货物的收发信息,如收货人、发货人等,是报表的结束部分。

四、awb报表分析方法4.1 数据分析方法数据分析方法包括:(1)比较分析法:通过比较不间、不同地区的数据,找出规律和问题;(2)趋势分析法:通过分析数据的变化趋势,预测未来的发展情况;(3)比率分析法:通过计算数据之间的比率,评估企业的运营状况。

4.2 实战应用案例以某航空公司的awb报表为例,运用上述分析方法,分析公司的货物运输情况,并提出优化建议。

五、总结5.1 课程总结本节课学员了解了awb报表的基本概念、结构,掌握了分析方法,并学会了实战应用。

5.2 学习感悟通过本节课的学习,学员应认识到awb报表在航空公司运营管理中的重要性,不断提高自己的报表分析能力,为企业创造价值。

让潜在用户真正使用你的产品读书笔记读书摘录读书感想

让潜在用户真正使用你的产品读书笔记读书摘录读书感想

让潜在用户真正使用你的产品提高激活率的核心在于让新用户更快地体验到“啊哈时刻”。

感受到产品不可或缺的人越多,忠于产品的用户就越多。

破解激活的第一步是找出通往“啊哈时刻”的所有节点。

比如下载App,注册,绑定银行卡,搜索商品,加购物车,下单,支付等。

就算你知道是哪里影响用户行为,也一定要进行数据分析,结果可能与你想的大不一样。

创建转化和流失漏斗报告测量转化率的最佳途径之一是创建漏斗报告(funnel report),也就是显示抵达用户旅程中每个关键步骤的用户比例(同理,它也显示每个环节的流失率)。

除了跟踪关键行为的转化率以外,报告还应该跟踪访客接触产品的途径或渠道,不论这一渠道是谷歌搜索还是关键字,是脸谱网还是推特,是在线横幅广告还是用户推荐等。

不同渠道在激活率上的惊人差异能够给你带来重大发现。

在关键步骤给用户访客问卷,了解用户行为背后的动机,包括成功注册和下单的用户以及将要离开的用户。

问卷应尽量简洁,一两个问题即可。

你无法预知哪些试验最有效。

你所能做的只是保持灵敏并且靠数据说话:根据你的发现不断调整试验,而且如果试验不像之前假设的那样有效,那就得随时准备做出调整并尝试其他方法。

优化新用户体验新用户体验的第一个着陆页必须完成三个根本任务:传达相关性,展示产品价值和提供明确的行为召唤。

相关性是指网页与访客目的和欲望之间的匹配度:“这是他们想要的吗?”展示产品价值是指迅速并且简洁地回答访客的疑惑:“我可以从中得到什么?”最后,行为召唤为访客提供一个极富吸引力的下一步行动。

优化注册流程,使用单点登录(第三方账号登录)。

翻转漏斗,让用户先体验啊哈时刻,然后在注册。

积极的摩擦障碍,可能更能激发用户了解产品价值,需要小心测试。

问卷调查应该围绕如何更好的服务用户展开,问题不要太多。

游戏化设置,激发用户好玩的心态。

积分,会员体系等忠诚度。

不过相比游戏化机制,使用触发物来改善激活需要更加谨慎。

触发物是指任何刺激人们采取行动的提示。

AIGC辅助数据分析与挖掘读书记录

AIGC辅助数据分析与挖掘读书记录

《AIGC辅助数据分析与挖掘》读书记录一、书籍简介简介:本书是一部关于AIGC(人工智能驱动的数据分析与挖掘)领域的专业著作。

全书系统地介绍了数据分析与挖掘的基本概念、原理和方法,结合当前人工智能技术的最新发展,深入探讨了AIGC在数据处理、机器学习、大数据分析等方面的应用。

本书不仅涵盖了理论基础知识,还提供了丰富的实践案例和数据分析技巧,帮助读者快速掌握AIGC技术的核心要点,并将其应用于实际工作和研究中。

地位和影响:本书作为AIGC领域的权威指南,汇聚了业内专家的智慧与经验。

它不仅适用于初学者快速入门,也为专业人士提供了深入研究和创新的宝贵资源。

在数据分析与挖掘领域,本书已成为众多高校相关专业的推荐读物,并受到企业和研究机构的高度评价。

通过本书的学习,读者可以系统地掌握AIGC技术的核心知识体系,为未来的职业发展或科学研究奠定坚实的基础。

1. 书籍名称:《A一、C辅助数据分析与挖掘》该书对数据分析与挖掘的基本概念进行了清晰的阐述,介绍了相关的理论框架和实际应用场景。

特别是在AIGC环境下,数据分析和挖掘面临的挑战和机遇被深入挖掘和讨论。

作者通过详细的案例分析和具体的实践操作,详细介绍了如何使用不同的工具和技巧来解决问题和发现有价值的信息。

这使得我在学习和实践过程中能够更好地理解数据分析与挖掘的重要性及其应用场景。

书中还介绍了大数据、云计算、人工智能等现代信息技术在数据分析与挖掘中的应用,让我对这些技术有了更深入的了解。

这本书的内容丰富、结构清晰,是一本非常优秀的数据分析与挖掘领域的参考书。

在阅读过程中,我不仅学到了理论知识,还学到了很多实用的技巧和方法,这对我未来的工作和学习有很大的帮助。

我强烈推荐这本书给从事数据分析与挖掘工作的专业人士以及对此感兴趣的朋友们阅读。

通过这本书的学习,我相信你会对数据分析和数据挖掘有更深入的理解和掌握。

2. 作者信息:包括作者姓名、职务及主要研究领域等本书作者为李华,现任某知名大学计算机科学与技术系教授,兼任数据挖掘与分析领域的专家顾问。

svb期末总结

svb期末总结

svb期末总结一、引言经过一个学期的学习和实践,我对SVB(Software Verification and Validation)这门课程有了更深入的了解。

在这个学期里,我学习了软件测试的基本理论知识和实践技巧,了解了软件开发过程中的各个阶段以及不同类型的测试方法。

通过实践项目,我对软件测试的意义和重要性有了更深刻的认识,并且提升了我的软件测试能力。

在这篇总结中,我将对这个学期的学习和实践进行总结和回顾。

二、学习笔记和教材在这个学期里,我认真记录了每次课堂的学习笔记,并且购买了相关的教材作为学习参考。

学习笔记对我巩固和回顾课堂知识起到了很大的帮助,而教材则提供了更全面和详细的学习内容。

这些学习笔记和教材成为了我学习的重要资料,我在复习和准备考试时都会翻阅。

三、课堂学习和实践项目1. 课堂学习在课堂学习中,我学习了软件测试的基本概念、原理和方法。

从需求分析到测试执行,我们学习了各个软件测试阶段的工作内容和技术要点。

同时,我们还学习了各种软件测试方法,包括黑盒测试、白盒测试、灰盒测试等,并了解了相应的测试工具和框架。

这些课堂学习拓宽了我的视野,让我对软件测试的方方面面有了更深入的了解。

2. 实践项目实践项目是本学期的重要组成部分,通过实践项目,我们将所学知识应用于实际项目中,锻炼自己的实际操作能力。

我参与了一个名为“在线图书商城”的实践项目,负责测试项目的各个模块。

在实践项目中,我主要负责编写测试计划、设计测试用例、执行测试和分析测试结果等工作。

通过这个实践项目,我对软件测试的整个流程有了更清晰的认识,并且在实践中积累了许多宝贵的经验。

四、实践项目的心得和体会1. 规范的测试计划在实践项目中,我学会了编写规范的测试计划。

测试计划是软件测试的重要文档,它规定了测试的目标、方法和时间安排等。

通过编写测试计划,我能更清晰地了解测试的要求和目标,并建立起相应的测试流程和工作计划。

规范的测试计划可以保证测试工作的有序进行,提高测试的效率和质量。

数据挖掘期末总结PPT怎么做

数据挖掘期末总结PPT怎么做

数据挖掘期末总结PPT怎么做一、引言数据挖掘是一门相对较新的学科,通过应用统计学、人工智能和机器学习等方法,从大规模数据集中提取出有价值的信息和知识。

本学期的数据挖掘课程主要介绍了数据挖掘的基本概念、技术和应用。

通过学习和实践,我对数据挖掘的基本过程、常用算法和实际应用有了更深入的理解和掌握。

在本次期末总结PPT中,我将对本学期的学习成果进行总结和展示。

二、学习成果总结1. 数据挖掘的基本概念和流程在本学期的学习中,我了解了数据挖掘的基本概念,包括数据挖掘的定义、目标、任务和应用范围。

同时,我也掌握了数据挖掘的基本流程,从问题定义、数据预处理、特征选择到建模评估和模型优化,了解每个阶段的重要性和相应的方法。

2. 数据预处理技术数据预处理是数据挖掘过程中的重要步骤,对原始数据进行清洗、变换和集成,以便更好地进行后续分析和建模。

我学习了数据清洗、数据变换、数据集成和数据规约等预处理技术的基本原理和方法,并通过实验来探索数据质量的分析和数据清洗的过程。

3. 特征选择和降维技术特征选择是指从原始数据中选择出最具有代表性的特征,降低数据维度,提高数据挖掘效果。

我学习了特征选择的基本原理和方法,包括过滤式、包裹式和嵌入式方法,并通过实验来评估特征选择的效果。

此外,我也了解了主成分分析(PCA)等降维技术的原理和应用。

4. 常用的数据挖掘算法在本学期的课程中,我学习了一些常用的数据挖掘算法,包括关联规则挖掘、分类与回归、聚类分析和异常检测等。

对于每个算法,我了解了其基本原理、算法流程和应用场景,并通过实验来实践应用。

5. 数据挖掘的实际应用数据挖掘在各个领域都有广泛的应用,如商业、医疗、金融等。

通过学习和案例分析,我了解了数据挖掘在市场分析、客户关系管理、疾病预测和金融风险评估等方面的实际应用。

这些案例不仅帮助我理解数据挖掘的实际应用场景,还加深了我对数据挖掘算法和技术的理解。

三、学习心得体会在本学期的学习中,我对数据挖掘的理论和实践有了更深入的了解和认识。

AWB学习笔记分析

AWB学习笔记分析

AWB_Y_to_C_diff2设定为不同值时debug比较
Y2C=0x1c
Y2C=0x20
3.AWB_C_max: 设定|Cr|+|Cb|的值, 颜色小于该值的点会被选为白点。 这个值会影响到颜色偏淡的色块是否会被选为白块。
Cmax设臵为0x10和0x20的debug比较:
0x10
0x20
4.AWB_C_inter/inter2: 控制在YCbCr色彩空间中白点选框的范围
目前我们一般用曝光时间来判定
Bit[5:4]:进入和退出outdoormode的延迟时间 P1:0X80~0X85控制室外模式下R/G/B的gain值
注:室外模式可能会引起对着A光灯管的时候发生AWB 震荡,原因是此时sensor进入了室外模式,B_gain受到 限制导致无法准确的找到白点。
3.外围色温曲线: 在原有色温曲线的基础上,加了一条范围更大的色温 曲线
C_predict的具体用法: 先在各种A光或接近A光色温的环境中,读取AWB_Xn 、AWB_Yn的值(P1:0x91、0x92),这两个值叫色温 标记量 然后根据读出来的这些值可以统计出一个A光的范围, 根据这个范围来设臵 AWB_A_Xn_Low/High、 AWB_A_Yn_Low/High、 AWB_D_Xn_Low/High、 AWB_D_Yn_Low/High 这八个寄存器,可以将A光和D光区分开,从而达到区 分A光和肤色的作用
[3:0]M select [3] M2 exclude [2] M2 include [1] M1 exclude [0] M1 include 注: &&为“与”, ||为“或” include为“选入”,exclude为“排除”
C_predict_mode: 使能位:P1:0x72 bit[0] 区分肤色和A光

Camera_AWB算法分析

Camera_AWB算法分析

自动白平衡(AWB)算法1,色温曲线白平衡算法---色温曲线本文大体讲解了白平衡的算法流程,适用于想了解和学习白平衡原理的筒子们.一般情况下要实现AWB算法需要专业的图像和算法基础,本文力图通过多图的方式,深入浅出,降低初学者理解上的门槛,让大家都理解到白平衡算法流程.看到这里还在继续往下瞄的同学,一定知道了色温的概念,并且知道sensor原始图像中的白色如果不经AWB处理,在高色温(如阴天)下偏蓝,低色温下偏黄,如宾馆里的床头灯(WHY!OTZ) (如下图).下面这个T恤的图片非常经典,怎么个经典后续再说,不过大体可以看出有偏黄和偏蓝的情况.虽然如此,却已经是AWB矫正以后的效果.所以,为了眼前的女神白富美在镜头里不变成阿凡达和黄脸婆,这时就需要白平衡来工作了.流程原理很简单:1,在各个色温下(2500~7500)拍几张白纸照片,假设拍6张(2500,3500…7500),可以称作色温照.2,把色温照进行矫正,具体是对R/G/B通道进行轿正,让偏色的白纸照变成白色,并记录各个通道的矫正参数.实际上只矫正R和B通道就可以,这样就得到了6组矫正参数(Rgain,Bgain). 3,上面是做前期工作,爱思考的小明发现,只要知道当前场景是什么色温,再轿正一下就可以了.事实上也就是如此.所以,AWB算法的核心就是判断图像的色温,是在白天,晚上,室内,室外,是烈日还是夕阳,还是在阳光下的沙滩上.或者是在卧室里”暖味”的床头灯下.之前拍了6张色温照以及6组矫正参数.可是6够么,当然不够, 插值一下可以得到无数个值,我们把点连成线, 得到了一个神奇的曲线------色温曲线.大概是下面这个样子.上面提到了三个值(RG,BG,色温),这应该是个三维的.没关系,我们再来一条RG跟色温的曲线,这样只要知道色温,就知道RG,知道RG,就知道BG,知道RG,BG就能轿正了,yes!至此,我们的前期工作已经全部做完了, 并得到了AWB的色温曲线,下一步只要计算得到当前色温,顺藤摸瓜就能得到当前的矫正参数(Rgain,Bgain),那白平衡的工作就作完了.(放心,当然没这么简单)第一部分先到这里,下一部分将讲解AWB算法的核心------计算图像色温.涉及到的知识点大致有图像分块, 判断白区, 根据色温曲线划分不同光源, 对不同光源加权平均得到实际色温.2. 色温计算本文主要讲解了白平衡算法中估算当前场景色温的流程.色温计算的原理并不复杂,但是要做好,还是要细心做好每一步工作,这需要大量的测试,并对算法不断完善.首先简单说一下流程:1, 取一帧图像数据,并分成MxN块,假设是25x25,并统计每一块的基本信息(,白色像素的数量及R/G/B通道的分量的均值).2, 根据第1步中的统计值, 找出图像中所有的白色块,并根据色温曲线判断色温. 3, 至此,我们得出来了图像中所有的可能色温,如果是单一光源的话,可以取色温最多的,当作当前色温.比如25x25=625 个块中,一共找出了100个有效白色块, 里面又有80个白色块代表了色温4500左右, 那当前色温基本就是4500.根据4500色温得出的Rgain,Bgain来调整当前图像,就不会差(很多!).下面我们再详细讲解一下,每一步中需要做的工作:第1步, 计算每一块的基本信息.关于白色像素统计,大家知道sensor原始图像是偏色的,怎么统计块中的白色点呢,那只有设置一个颜色范围,只要在范围中,就可以认为是白色像素,范围见下图:统计白色像素个数的用处是,1,如果块中的白色像素太少,可以抛弃掉. 2,如果白色像素太多,多到每一个像素点都是,那也要抛弃掉,因为很可能在该区域过曝了接着把统计到的白色像素点R/G/B取均值, 并得到该block 的R/G, B/G值至此,我们得到了每一块的白点数目及R/G,B/G的值. (请自动对应第1部分中色温曲线).第二步计算当前色温这个比较复杂, 大自然绚丽多彩,景色万千. 上一步中统计的”白色点”难免会有失误的地方,比较常见的如黄色皮肤容易被误判为低色温下的白点,淡蓝色的窗帘,容易被误判为高色温下的白点,一张图中既有白色,也有黄色,也有蓝色的时候,是不是感觉情况有点复杂,其它的大家可继续脑补.这时我们需要一定的策略来正确的判断出到哪个才是真的白.通常我们会把取到的白色块,计算一下到曲线的距离,再设置相应的权重.话不多说,上个图大家就都明白了.假设有上面这样一幅图,该图是在没有开AWB的前提下截取的,可以看到左边白色地方略有偏绿,当前色温是室内白炽灯,大概4000~5000k左右.(请忽略颜色不正的问题,我们在讨论白平衡)下面我们就根据之前的统计信息和测量好的色温曲线进行白平衡矫正.首先要找出白区,如下图:上面这个图中的数字标示出了检测到的白色区域,数字相同的表示一个白区,根据统计信息(白点数,rg/bg值)来区分的.可以看到有误判的地方,比如色卡左上第二块的肤色块.还有最右边从上面数第二块也是容易被判断成低色温白块的情况.针对这种误判的情况,对不同块根据统计信息进行权重设置,以求让误判的区域对最终结果影响小一些.上面这个图标注了权重,基本是根据统计信息中白点数来确定的.可以看到图中一片白色被标识了高权重.其它情况被标识了低权重. 权重高低一是看块中白色点数量,二是看rg/bg到色温曲线的距离.通过上面两个图,大家就可以明显的找到白色区,并根据曲线来矫正,即使不通过曲线矫正,把白色区的r/g,b/g值向1趋近,让r=g=b,也会得到非常好的白平衡效果.如下图所示:至此,白平衡的基本流程就讲完了,有图有真相,大家一定看着也方便.总结一下:第一次做白平衡,感觉理论很简单,不用什么基础也能看懂.实际算法调试时,可谓差之毫厘,失之千里.总是感觉不由自主就走上歪路.中间参考了大量资料,比如网上有许多基于色温/灰度世界/白点检测的白平衡算法,实际个人感觉应该把它们都结合起来,让算法强壮,健康才是我们想要的.还记得第一章中开始的那两张白色T恤的图么,算了,我再贴一下:这张图可以理解为在多光源下的白平衡调整.阴影色温比阳光下色温要高一些,如果阳光下是5000k,阴影可能是7000k.有光就有影,它们经常出现在一个镜头里,对着其中一个色温调,另一边就会偏色.为了整体效果好,要把翘翘板平衡起来,可以加一些策略在里面.下面给出一幅<怎样画马>,让大家体会一下流程.。

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

AWB_Y_to_C_diff2设定为不同值时debug比较
Y2C=0x1c
Y2C=0x20
3.AWB_C_max: 设定|Cr|+|Cb|的值, 颜色小于该值的点会被选为白点。 这个值会影响到颜色偏淡的色块是否会被选为白块。
Cmax设臵为0x10和0x20的debug比较:
0x10ter2: 控制在YCbCr色彩空间中白点选框的范围
[3:0]M select [3] M2 exclude [2] M2 include [1] M1 exclude [0] M1 include 注: &&为“与”, ||为“或” include为“选入”,exclude为“排除”
C_predict_mode: 使能位:P1:0x72 bit[0] 区分肤色和A光
3.灯箱中先调准了D光,再调准了CWF光,切回D光的 时候发现偏蓝了,怎么办
问题原因:CWF光下一般会选入一些黄绿色,如果框 选得大了,就会导致D光下偏蓝
解决方法:先保存一张D光下AWB调准了的debug图, 然后再保存一张D光下偏蓝时的debug图,比较一下看 看是因为哪个色块被选入了导致偏蓝的问题,然后通 过修改选点条件把这个错误选入的色块去掉,同时保 证CWF光不偏色。
0329/0311 AWB学习笔记
Leo 黄小寒
目录

一、0309/0329/0311通用AWB寄存器 二、0329新增AWB功能 三、0311新增AWB功能 四、调试经验总结
AWB算法的三个步骤 1.色温估计,找白点,估计出表达色温的特征量; 2.增益计算,查表或迭代计算出R和B的增益,这里以G 通道为参考来加大R和B的增益 3.校正计算,AWB信道平衡模块中会调整R、B的增益 ,来和G比较达到平衡
将灯箱切换到A光,关闭camera再打开,看直接进入A 光源会不会有卡死的情况,CWF光、D光可以按此步骤 重复 回到室内环境,在不同光源条件下照各种景物看AWB 是否正常(哪些情况下会偏色,恢复速度如何,会不 会卡死) 照室外环境,看outdoor模式是否正确按照代码所设臵 的那样起作用
END
Pixel
Block
8.AWB_adjust_speed/margin: speed:AWB调整的速度; margin:R_avg_use、 G_avg_use、 B_avg_use的收敛 范围。如果这三个值的差小于margin,则AWB不再调 节。
9.AWB_every_N: AWB每n帧计算一次,同样会影响AWB的速度 第一代:n=N 第二代:n=2^(N+1)
2.人脸漂白后背景太蓝,客户无法接受 从上一张照片我们可以看到,背景确实是比较蓝,例 一的解决方法只能让AWB快速恢复却没法解决偏蓝的 问题。
问题原因:人脸被漂白那么AWB_B_GAIN肯定会增加很多 ,读AWB_R_GAIN、 AWB_G_GAIN、 AWB_B_GAIN的值 就知道了。 解决方法:第一种是限定AWB_B_GAIN_limit的值,但要 注意如果当前的AWB_B_GAIN。如果不过灯箱的话且是前 camera的话可以压得低一点,后camera不建议限得太低 以免在某些光源下(色温接近CWF/A)出现明显偏色。 第二种方法是关闭big_c模式同时缩小AWB选点范围,让 肤色不被选入,副作用是灯箱中A光可能会不准。
目前我们一般用曝光时间来判定
Bit[5:4]:进入和退出outdoormode的延迟时间 P1:0X80~0X85控制室外模式下R/G/B的gain值
注:室外模式可能会引起对着A光灯管的时候发生AWB 震荡,原因是此时sensor进入了室外模式,B_gain受到 限制导致无法准确的找到白点。
3.外围色温曲线: 在原有色温曲线的基础上,加了一条范围更大的色温 曲线
0309/0329/0311通用寄存器
1.AWB_RGB_high_low: 设定不作AWB的亮度阀值,高8位为high,亮度高于该 值时不作AWB,低8位为low,亮度低于该值时不作 AWB。 注:0329/0311是分为AWB_RGB_high和AWB_RGB_low 两个寄存器的。
2.AWB_Y_to_C_diff2: 判断白点的条件,Y-|Cb|-|Cr|>β中β的值。 理想白点的条件:Y=255 |Cb|=0 |Cr|=0 实际情况:只要满足Y-|Cb|-|Cr|>β就判定为白点,所以 该寄存器的值越大,选择条件就越严格,反之越宽松。
0311AWB_debug_Mode:
六边形的确定方法:由一组斜率为1的平行线和对角坐 标确定的矩形所截取 1.AWB_C_inter:控制斜率为1的平行线在坐标轴上的截 点坐标 2.AWB_P1_x、AWB_P1_y、AWB_P2_x、AWB_P2_y: 控制矩形的对角坐标。
2.M1_x、M1_y、M1_radius: 控制正方形M1中心点的坐标以及对角线的半长 3. M2_x、M2_y、M2_radius: 控制正方形M2中心点的坐标以及对角线的半长
C_predict的具体用法: 先在各种A光或接近A光色温的环境中,读取AWB_Xn 、AWB_Yn的值(P1:0x91、0x92),这两个值叫色温 标记量 然后根据读出来的这些值可以统计出一个A光的范围, 根据这个范围来设臵 AWB_A_Xn_Low/High、 AWB_A_Yn_Low/High、 AWB_D_Xn_Low/High、 AWB_D_Yn_Low/High 这八个寄存器,可以将A光和D光区分开,从而达到区 分A光和肤色的作用
色温曲线图解:
B/G
黄 Y2
B/G’
绿 蓝 红 Y1
R/G
X1
X2
R/G’
11.AWB_RGB_gain_limit: 限定AWB计算时RGB各通道的增益最大值。
以上寄存器决定了AWB的选点条件,名称后缀加了big 的(例如AWB_C_max_big)都是big_c_mode的条件, 功能和普通模式一样,设定值相比普通模式要宽一些。
P1:0x90 M_mode 自由组合六边形与两个正方形的集合关 系,选取或排除 选定的颜色 [6:4]M mode 0 0 0:off 六边形区域单独作用 0 0 1:M1 && Poly 0 1 0: M1 || Poly 0 1 1:M1 && M2 && Poly 1 0 0: (M1 && M2) || Poly 1 0 1:M1 || M2 || Poly
7.AWB_show_and_mode: Bit7:以pixel方式显示debugmode Bit6:以block方式显示debugmode Bit[5:0]:skin、edge、colorchange、big_c、dark模式 的使能 注:要使AWB_RGB_low生效,必须先使能darkmode
Thank You
0329新增AWB功能
1.move_TH: 设定一个判定画面是否移动的threshold,当AWB选择 的白块变动大于设定值的时候,sensor会判定当前为 移动状态,AWB暂停。
2.AWB_outdoor_mode: AWB室外模式,在室外模式的时候,AWB_B_gain会被 限制在一个较低的值,可避免出现以前0309在室外照 绿叶导致背景偏蓝的问题。 Bit7:两种判定ourdoormode的方式 0:luma value 当前亮度值 1:expousure time 当前曝光时间
AWB计算渐变过程图解:
A28 to D65:
(1)
(2)
(3)
(4)
10.色温曲线相关寄存器: P1:0X14~P1:0X1b,其中R_5K_gain、B_5K_gain指在 5000K色温下R/G、B/G的值; sinT和cosT控制色温曲线斜率; X1_cut、X2_cut、Y1_cut、Y2_cut控制色温曲线范围, 调AWB不同通道的Gain值 开启色温曲线模式,则色温曲线起主要作用,可适当 放大AWB_R/G/B_GAIN_Limit 关闭后AWB_R/G/B_GAIN_Limit起主要作用
4.如何验证一套AWB参数是否合格 这里以0329为例 首先看灯箱中各个光源下色板的BLOCK21、BLOCK22的 R/G、B/G的值是否达到标准要求; 按D-CWF-A的顺序切一遍光源看AWB是否正常,反过 来再看一遍,然后从D到A切换,看色温大跨度变化时 AWB是否有问题,反过来再看一遍; 将色板拿掉直接照灯箱侧壁,按上述做法再来一遍; 将camera对着灯箱中的灯管,按上述做法做一遍;
γ2 γ1
0311新增AWB功能
0311最主要的改变就是在YCbCr色彩空间中的选点方式, 从原先的用一个四边形确定选点改为通过自由组合一 个六边形与两个四边形的集合关系来选点,类似于 GT2005
GC0309/GC0329:两组斜率为+⁄-1的平行线截取的矩形 GC0311:以1组斜率为1的平行线与对角坐标确定的矩形所截的六 边形&两个正方形
调试经验总结
1.照人脸背景偏蓝,拉远后难以恢复,如图所示
问题原因:出现这种情况的原因是,靠近人脸后进入 big_c模式,但由于AWB选点条件限定得比较严格,导 致从big_c出来的很慢甚至直接卡死。 解决方案:适当放宽白平衡选点条件,其中加大 inter/inter2的值效果最为明显。这种方法的副作用: 因为加大了白点选框,那么会有更多的颜色被选入 AWB计算。
inter2
inter
5.AWB_number_limit: 将画面分割成8x8块,在每一块中按照设定的 skip_mode来寻找白点,当探测出的白点数量大于 number_limit的设定值时,对该块做白平衡。
Number_limit为0x10和0x20时的debug比较:
0x10
0x20
6.AWB_skip_mode: 统计白点的skip方式, 比如4X4的意思就是:每调过4行4列判断一次白点。
相关文档
最新文档