ChatGPT的截图识别功能测评：开启图像中的文字与信息的新纪元

news2024/12/23 3:50:40

文章目录

- 根据截图，识别菜品
- 根据截图，识别数学公式
- 根据截图生成前端UI代码
- 可视化图像复现
- - 案例一
  - 案例二
- 更多可以使用的方向

制作人：川川
辛苦测评，如果对你有帮助支持一下书籍：https://item.jd.com/14049708.html

根据截图，识别菜品

问一个麻婆豆腐看看？回复如下：
在这里插入图片描述
问一个红烧猪蹄看看？回复如下：

再来问一个红烧茄子，回复如下：

根据截图，识别数学公式

这里我选一个考研高数的选择题测试：
在这里插入图片描述
再选一个选择题：

既然都识别完全正确，给出答案更是我想要的，可以看到答案完全正确！

根据截图生成前端UI代码

提问：
在这里插入图片描述

给我生成代码：
在这里插入图片描述
运行效果如下,基本已经实现：

继续让他帮我复现一个UI：
在这里插入图片描述

根据代码，我得到结果如下UI结果：
在这里插入图片描述

可视化图像复现

案例一

例如这个图：
在这里插入图片描述
返回代码如下：

import numpy as np
import matplotlib.pyplot as plt

# 生成模拟数据
np.random.seed(0)

num_samples_per_group = 150

# 为G1生成数据
g1_dc1 = np.concatenate([np.random.normal(-0.05, 0.01, 90), np.random.normal(0.015, 0.01, 60)])
g1_dc2 = np.concatenate([np.random.normal(0.03, 0.02, 90), np.random.normal(0.08, 0.02, 60)])

# 为G2生成数据
g2_dc1 = np.random.normal(-0.04, 0.01, num_samples_per_group)
g2_dc2 = np.random.normal(0.005, 0.01, num_samples_per_group)

# 为G3生成数据
g3_dc1 = np.concatenate([np.random.normal(0.015, 0.01, 60), np.random.normal(0.045, 0.005, 90)])
g3_dc2 = np.concatenate([np.random.normal(-0.07, 0.01, 60), np.random.normal(-0.02, 0.005, 90)])

# 绘制图像
plt.scatter(g1_dc1, g1_dc2, color='blue', label='G1')
plt.scatter(g2_dc1, g2_dc2, color='green', label='G2')
plt.scatter(g3_dc1, g3_dc2, color='red', label='G3')

# 设置标题和轴标签
plt.title('Diffusion Map')
plt.xlabel('DC1')
plt.ylabel('DC2')
plt.legend()

# 显示图像
plt.show()

结果如下，可以看到基本实现，具体只不过就是数据的调整：
在这里插入图片描述

案例二

复现这个图：
在这里插入图片描述

返回代码如下：

import matplotlib.pyplot as plt
import pandas as pd

# 创建数据
data = {
    'sample': ['M1', 'M2', 'M3', 'M8', 'M9', 'M10'],
    'group': ['G1', 'G1', 'G1', 'G2', 'G2', 'G2'],
    'PC1': [0.5, -0.4, 0.2, -0.5, 0, 0.5],
    'PC2': [0.5, -0.4, 0.2, 0.3, 0, -0.2]
}
df = pd.DataFrame(data)

color_map = {'G1': 'blue', 'G2': 'red'}

# 绘制散点图
for group, color in color_map.items():
    mask = df['group'] == group
    plt.scatter(df[mask]['PC1'], df[mask]['PC2'], color=color, s=100, label=group)

plt.title('PCA Plot1')
plt.xlabel('PC1')
plt.ylabel('PC2')
plt.grid(True)
plt.axhline(0, color='black',linewidth=0.5)
plt.axvline(0, color='black',linewidth=0.5)
plt.legend()
plt.show()