Hia0214的博客

转载 关于反卷积为何有效的一些思考

关于反卷积为什么有效的一些思考 Visualizing and Understanding Convolution Networks论文思考记录序言Fully convolution network for semantic segmentati...

转载 特征检测

计算机视觉之一：特征检测 主要内容：1、一个例子解释为什么要进行特征检测2、图像特征3、点特征检测：Harris角点、MOPS、SIFT4、边缘检测：一阶微分算子、二阶微分算子、Canny算子 一、为什么要检测特征？举一个例子：全景图像拼接，给定两张图像，如何拼接成一张大图？步骤一：检测特征点步骤二：匹配特征点步骤三：图像...

转载 LOG&DOG算子(极值点检测含义)

转载 SIFT

尺度不变特征变换匹配算法详解1、SIFT综述尺度不变特征转换(Scale-invariant feature transform或SIFT)是一种电脑视觉的算法用来侦测与描述影像中的局部性特征，它在空间尺度中寻找极值点，并提取出其位置、尺度、旋转不变量，此算...

原创 numpy数组

1. numpy数组append方法和普通append方法不一样    a = [1, 2, 3]    b = [4, 5, 6]    a.append(b)结果为[1, 2, 3, [4, 5, 6]]    a = np.array([1, 2, 3])    b = np.array([4, 5, 6])    np.append(a, b)结果为[1, 2, 3, 4, 5, 6], ...

原创 np.zeros() & np.random.randn()

正确代码：np.zeros((2,  3))np.random.randn(2, 3)[np.zeros((y, 1)) for y [2, 4, 4]][np.random.randn(y, x) for x, y in zip(list1, list2)]错误代码：np.zeros(2, 3)np.random.randn((2, 3))[np.zeros((2，3))] # 代码也能成功运行...

原创 向量、矩阵点积

w1 = np.array([1, 2, 3])w1表示向量[1, 2, 3]w2 = np.array([[1,  2, 3]])w2表示1行3列矩阵w3 = np.array([2, 2, 2])np.dot(w1, w3)表示向量的乘积w4 = np.array([[2], [2], [2]])w2 @ w4表示矩阵的乘积w = pd.DataFrame(np.ones((2, 3)))x ...

原创 从DataFrame中提取出Series或DataFrame对象

df = pd.DataFrame({'key': ['b', 'b', 'a', 'c', 'a', 'b'],                   'data1': range(6)})type(df['data1'])pandas.core.series.Seriestype(df[['data1']])pandas.core.frame.DataFrame

原创 numpy @

ndarray数组中，只有一维数组表示列向量，二维数组最外层表示列向量

原创 特征与多项式回归

1.通常我们需要先观察数据然后再决定准备尝试怎样的模型（线性回归&多项式回归）。2.如果我们采用多项式回归模型，在运行梯度下降算法前，特征缩放非常有必要。...