- 博客(15)
- 收藏
- 关注
RSS订阅原创 Ubuntu18.04交叉编译QT+opencv4.2.0至rv1106开发板全过程及踩坑
在源码目录下，寻找路径/qtbase/mkspecs/linux-arm-gnueabi-g++,该目录最后一项需对照使用的交叉编译工具链选择，我使用的是gnueabi的工具链，所以选择该目录。下载开发板对应交叉编译工具链或自行下载，可参考第一步的文章，我使用的是rv1106自带交叉编译工具链，各位也可使用linaro公司的交叉编译工具链。修改完成后退回到qt源码的根目录下，创建一个可执行文件XXX.sh用于编译，该文件内容见下，若是开发板需要增加tsilb库，可查看参考网址。
2023-06-08 16:12:08
3688
2
原创 python计算机视觉--局部图像描述子：Harris角点检测算法、SIFT算法(尺度不变特征变换)
一：Harris角点检测算法1.1 什么是角点特征：①轮廓之间的交点；②局部窗口沿任意方向移动，均产生明显变化的点；③图像局部曲率突变的点；④对于同一场景，即使视角发生变化，通常具备稳定性质的特征；⑤该点附近区域的像素点无论在梯度方向上还是其梯度幅值上有着较大变化。1.2 好的检测算法具备的基本特征• 检测出图像中“真实的”角点• 准确的定位性能• 很高的稳定性• 具有对噪声的鲁棒性• 具有较高的计算效率1.3 角点检测算法的基本原理模拟人眼对
2022-06-19 16:34:30
1236
原创 计算机视觉Python3+opencv解决图像直方图，高斯滤波，直方图均衡化
1.环境预装python3.7,使用pip install opencv-python 安装opencv库，一次成功使用pycharm编译软件编写实现图像处理2.原理直方图：图像的直方图用来表征该图像的像素值分布情况，用一定数目（通常为灰度的0~255）区间来确认图像像素值的数目.高斯滤波：本质上是一种数据平滑技术，每一点像素都取周围像素的平均值，是很好的去噪声方法直方图均衡化：直方图均衡化是指将图像的灰度直方图变平，使变换后的图像中每个灰度值的分布概率相同，可以增强图像
2022-03-16 22:13:31
3635
原创 机器学习——支持向量机
支持向量机（support vector machines, SVM）是一种二分类模型，它的基本模型是定义在特征空间上的间隔最大的线性分类器，间隔最大使它有别于感知机；SVM还包括核技巧，这使它成为实质上的非线性分类器。SVM的的学习策略就是间隔最大化，可形式化为一个求解凸二次规划的问题，也等价于正则化的合页损失函数的最小化问题。SVM的的学习算法就是求解凸二次规划的最优化算法。简单地说，支持向量，就是离分隔超平面最近的那些点，支持向量机的学习就是要对最大化支持向量和分隔面的距离并找到优化求解办法。
2021-12-26 21:32:26
466
原创 机器学习：朴素贝叶斯分类
贝叶斯定理:已知两个独立事件A和B，事件B发生的前提下，事件A发生的概率可 以表示为P(A|B)，即上图中橙色部分占红色部分的比例在机器学习中的2个视角：一：判别式模型二：生成式模型朴素贝叶斯分类器(Naïve Bayes Classifier)采用了“属性条件独立性 假设” ，即每个属性独立地对分类结果发生影响为方便公式标记，不妨记P(C=c|X=x)为P(c|x)，基于属性条件独立 性假设，贝叶斯公式可重写为– 其中d为属性数目，xi为 x 在第i个属..
2021-11-28 19:40:13
1003
原创 C++实验四：STL应用
1.撰写自己的算法和函数，结合容器和迭代器解决序列变换（如取反、平方、立方），像素变换（二值化、灰度拉伸）；2.用set存储学生信息，并进行增删改查操作；3.输入一个字符串，用map统计每个字符出现的次数并输出字符及对应的次数。...
2021-11-27 19:45:36
70
原创 机器学习——Logistics回归
UCI Machine Learning Repository: Breast Cancer Wisconsin (Original) Data Set数据库借用的康威斯星州乳腺癌的数据集我将其中的10与8改成了0，增加数据集数据错误率1.改进的随机梯度上升算法def stocGradAscent1(dataMatrix, classLabels, numIter=150): m,n = shape(dataMatrix) weights = ones(n) #init
2021-11-21 21:01:11
824
原创 C++实验三：模板
一：模板函数1.一般模板函数template<class T>int compare(const T &a,const T &b){ if (a > b)return 1; if (a < b)return -1; return 0;}2.特化模板函数template<> int compare <const char *> (const char * const &str1, const cha
2021-11-16 22:56:57
346
原创 C++实验二：继承与多态
一、继承访问权限测试B以private方式继承A，尝试把A中的部分public成员提升为public。设计类A具有public, protected, private等不同属性的成员函数或变量；类A：class A {public: int a1; int seta1() { a1 = 1; return a1; }protected: int b1; int setb1() { b1 = 2; return b1; }private: int c1
2021-11-02 21:56:23
130
原创 机器学习——决策树
决策树是一种基本的分类与回归方法，本人学习的主要为分类的决策树在分类的过程中，决策树可以表示为基于特征对对象进行分类的过程在构造决策树的过程中，我们需要经历以下几个步骤：1.数据收集（构造数据集）2.构造节点，将数据先存放在根节点，选择一个最优特征，然后以该特征将数据集分割成2部分，接着对子集进行最优特征选择，最终使基本数据得到正确分类，或再无可分特征为止3.直到每个子集都被分类在叶结点上，决策树构造完成决策树的基本数据分类判断方式是在这个结点下方先判断数据是否已经为同一类型，若是，
2021-10-28 20:41:11
342
原创 C++学习——CMatrix类的设计与实现
头文件CMatrix.h#ifndef CMATRIX_H#define CMATRIX_H#include<iostream>using namespace std;class CMatrix{public: CMatrix(); CMatrix(int nRow, int nCol, double* pData = NULL); CMatrix(const CMatrix& m); CMatrix(const char* strPath); ~CMat
2021-10-13 19:55:24
162
原创 机器学习——KNN算法
KNN算法（机器学习的分类算法）基本思想：一个样本与数据集中的k个样本最相似，如果这k个样本大多数属于某一类，则该样本也属于这一类用游戏得分数据编写实例：import mathimport numpyimport operatordef createDataSet(): playerdata ={1: [633, "黄金"], 2: [426, "黄金"], 3: [315, "白银"],
2021-09-27 22:52:15
701
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人