可惜 B 站很多视频都没掉了，很久以前 A 站有地图⑨科，布哈林等人做过多个版本的历史地图，现在 B 站史图馆的浅绿等人做的也不错可以看看

以及 B 站历史类 UP 主强推安州牧和稚嫩的魔法师

连接 OB ，OD ，设∠OCB=x,∠OCD=y ，则∠AOB=2x,∠AOD=2y ，因为 OD=OC=OB,所以 2x + 2y = 360 - ∠DOB
∠DOB = 180 - 2 * (y - 40) 所以 x = 50° y 不可解，因此问题应该是求∠OCB 的度数才对

bmi 29.6 这是痛风的问题吗😱 除非你是专业运动员

@tool2d 你的需求方要的是人头检测，而你找的算法是人脸检测当然不行喽。人头检测是从人形检测中分出来的子任务。

与 New Bing 对话：
给我是一个使用 insightface 库和 opencv 的 python 脚本对一个文件下的所有图片进行检测，如果图片里有包含人脸，就单独复制到一个文件夹里，加上进度条显示

```
import os
import cv2
import shutil
import insightface
from tqdm import tqdm

# 初始化模型
model = insightface.app.FaceAnalysis()

# 加载模型
ctx_id = -1
model.prepare(ctx_id = ctx_id)

# 源文件夹和目标文件夹
src_dir = 'src_dir'
dst_dir = 'dst_dir'

# 获取源文件夹中的所有图片
images = [f for f in os.listdir(src_dir) if os.path.isfile(os.path.join(src_dir, f))]

# 创建目标文件夹
os.makedirs(dst_dir, exist_ok=True)

# 遍历所有图片
for image in tqdm(images, desc="Processing images"):
img_path = os.path.join(src_dir, image)
img = cv2.imread(img_path)

# 使用模型检测人脸
faces = model.get(img)

# 如果检测到人脸，将图片复制到目标文件夹
if faces:
print(img_path)
shutil.copy(img_path, dst_dir)

```

没看价格，盲配一波：
cpu: 13/12 代 i3
显卡: 4060
内存: 16G 3200Mhz
硬盘: 2T SSD
电源: 500W 金牌
机箱: 挑便宜的
显示器: 144 1080P
键鼠：双飞燕

一周做 3-4 顿
周末备菜只做土豆，花菜，豆子之类的可以长时储存的菜作为主食。肉提前化冻，然后炒 8 成熟放起来。总耗时大概 1h 。
早上先热主菜+肉。同时切点绿叶菜和大葱/洋葱这样的调味菜（嫌麻烦也可以直接在周末和主食菜放一起做）。然后下锅开炒，再打俩鸡蛋，耗时大概 15min 。
总结一下差不多每顿耗时 30min 左右，还可以接受。

少数个人用户能买得起的行业最顶尖产品
以及 4K144 HDR 是真的爽啊

购入 Z30 双套一月感受：带出去拍照就是胜利！

@PbCopy111 配速是 1km 耗时的意思，所以 5.30 的配速，换算过来是 60 / 5.5 约等于 11

先平衡步频和心率，步频 160-180 都比较正常，推荐逐步稳定到 180 ，然后心率稳在 150-160 左右
等你这个状态能轻松 5.30 配速的时候自然就可以往上提速了

Google 家的 mediapipe

先玩的空洞，ori 直接玩不下去
后面吃灰了好几年才把 ori12 给通了，你也可以试下过段时间再捡起来玩

头盔迪卡侬 200 以上的够用了，手套用健身手套就行。长距离骑行骑行服比较重要，速速变身紧身衣变态🚴‍♂️

如果是用 AI 模型，其实有个更傻瓜式的处理方案，就是直接用 Clip 模型，然后比较画面中是否有汽车停放就好了。可以直接咨询 new bing 这段话：给我一个使用 clip 的 python 脚本。用于判断摄像头画面中是否存在汽车停放

@pming1 都有 python 例程，也都很简单
yolov8: https://docs.ultralytics.com/tasks/detect/#export
meidapipe: https://developers.google.com/mediapipe/solutions/vision/object_detector/python

固定视角，甚至不用上 AI 模型，来个虚拟框判断帧间像素差距就好了

找 gpt 给你一个图片放缩的脚本，每次 resize 成上一张图长-1 ，宽-1 尺寸的