Git查看最后一次提交的代码变更

命令:git diff Head~1 Head
-号表示上上次提交,+号表示上次提交


命令:git diff Head Head~1
跟上面相反,-号表示上次提交,+号表示上上次提交


如果代码文件是时GBK编码,且包含中文,那么中文会用尖括号+字符代码显示
如果想展示中文可以使用iconv进行编码转换

git diff Head~1 Head | iconv -f GBK -t UTF-8


如果在windows的命令行下输入上面命令,会提示iconv找不到
可以打开git bash窗口,输入上面命令即可正常显示中文,但默认没有了红绿着色
若恢复着色展示,可以加color参数

git diff --color=always Head~1 Head | iconv -f GBK -t UTF-8

一、基础信息数据集名称:篮球动作目标检测数据集 图片数量: 训练集:4,061张篮球场景图片 分类类别: - ball(篮球):识别球场中的篮球位置 - made(投篮命中):标注成功投篮的关键帧 - person(运动员):检测球场上的球员位置 - rim(篮筐):定位篮球架篮筐区域 - shoot(投篮动作):捕捉球员投篮姿势 标注格式: YOLO格式,包含边界框坐标和类别标签 数据来源: 真实篮球比赛和训练场景拍摄,覆盖多角度运动画面二、适用场景1. 体育赛事智能分析系统 通过检测球员、篮球、篮筐的实时位置关系,自动生成投篮命中率统计、球员动线热力图等赛事数据 1. 篮球训练辅助工具 识别投篮动作规范性(shoot标签)和命中结果(made标签),为运动员提供动作矫正建议 1. 智能场馆安防监控 基于运动员(person)和运动器材(ball/rim)的检测,实现场地人员密度监控与器材状态管理 1. 体育教学应用开发 构建可视化篮球战术演示系统,通过目标检测动态展示攻防位置关系 1. 运动机器人视觉导航 为篮球捡球机器人提供环境感知能力,精准定位篮球(ball)和篮筐(rim)坐标三、数据集优势场景覆盖全面 包含球场全景、特写镜头、多光照条件(室内/室外)场景,真实反映实战环境 动作特征鲜明 专注篮球特有动作标注(shoot/made),支持投篮行为时序分析模型开发 多目标协同标注 同步标注球员(person)、运动器械(ball/rim)和动作节点(shoot/made)的空间关系 工业级任务适配 YOLO格式标注兼容主流检测框架(YOLOv5/v8、Detectron2等),开箱即用 行为分析价值突出 通过五类关键元素的联合检测,为投篮成功率预测、战术策略分析提供数据支撑
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值