Mr_Wang0120的博客

原创 orb_slam3实现保存/加载地图功能and发布位姿功能

手把手教你保存/加载orb_slam3的地图and发布位姿

转载 ros实现一个节点订阅多个话题，实现话题同步并调用同一个回调函数

https://blog.csdn.net/m0_46447790/article/details/115828803?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522163705673516780261926645%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fall.%2522%257D&request_id=163705673516780261926645&am

转载 从rosbag中提取压缩图片（python）

https://blog.csdn.net/loveSIYU/article/details/113830289

转载 Ubuntu18.04修改Python默认版本2.7-＞3.6

https://blog.csdn.net/ycfn97/article/details/100548743

原创 jetson xavier nx安装ROS Melodic

1.前期准备打开系统设置-软件和更新 ，确保图示的选项已选中。点击close，选择reload。在不同的教程里搜到的这一步都不同，似乎没什么影响，就很迷。。2.设置你的源文件列表设置计算机以接受packages.ros.org中的软件。sudo sh -c 'echo "deb http://packages.ros.org/ros/ubuntu $(lsb_release -sc) main" > /etc/apt/sources.list.d/ros-latest.list'3

原创 yolov4调用GPU进行检测

系统：ubuntu18.04将darknet文件夹下的makefiles点开，把GPU、cudnn、opencv等几项的值设为1，修改后如下图所示。点进build\darknet文件夹，打开darknet.vcxproj文件，将其中的cuda版本设置为你安装的版本，共有两处需改动：一个是.props，一个是.targets。查看cuda版本：cat /usr/local/cuda/version.txt再编译一遍：make cleanmake执行：./darknet detector

原创 jetson xavier nx配置yolov4

下载darknetgit clone https://github.com/AlexeyAB/darknet编译项目cd darknetmake报错：chmod +x *.sh解决方法：make cleanmake报错：/bin/sh: 1: nvcc: not foundMakefile:185: recipe for target ‘obj/convolutional_kernels.o’ failedmake: *** [obj/convolutional_kernels.

原创 jetson xavier nx配置yolov5

第一次接触jetson xavier nx，踩了无数坑，在此记录下。板子由厂家寄过来的时候，已经安装好了jetpack、cuda等等。系统自带python2.7.17，python3.6.9。后来，装了个python3.8，然后又卸载了。之后在安装torchvision时，报错：fatal error: python.h: No such file or directory考虑可能是卸载3.8的时候把3.6的python.h也给弄没了，于是又装了个python3.7。在这一连串折腾下，板子的环境被

原创 基于HSV+HOG特征和SVM的人脸口罩检测算法

基于HSV+HOG特征和SVM的人脸口罩检测算法新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入基于python语言编写，使用retinaface检测人脸和定位五个特征点，利用特征点进一步定位口鼻区域，提取该区域的HSV特

转载 十图详解TensorFlow数据读取机制（附代码）

十图详解TensorFlow数据读取机制（附代码）标题十图详解TensorFlow数据读取机制（附代码）https://www.sohu.com/a/148245200_115128

原创 基于opencv + python + svm实现人脸佩戴口罩识别

最近做了这个小项目，权当练手。在网上收集了不少戴口罩的人脸图片，往往是一张图片中有多个人脸，不符合使用要求，便编写了个脚本使用opencv自带的人脸检测器将其中的人脸检测并截取保存下来，一共收集了3000张戴口罩人脸图片，未戴口罩的3000张人脸图片来自celebA数据集，同样使用了上述脚本进行处理。图片链接：https://pan.baidu.com/s/1-tW-vWOUHZSdIl6E6uJmXA提取码：misg后来发现准确率太低，只有74.1%。猜想可能是因为戴口罩图片质量参差不齐，有的太小，

原创 计算机视觉CV理论基础--图像检索

原创 计算机视觉CV理论基础--图像分类

原创 计算机视觉CV理论基础--深度学习基础

原创 计算机视觉CV理论基础--神经网络与BP算法

原创 计算机视觉CV理论基础--未有深度学习之前

代码:"""函数为cv2.threshold( )这个函数有四个参数，第一个是原图像矩阵，第二个是进行分类的阈值，第三个是高于（低于）阈值时赋予的新值，第四个是一个方法选择参数，常用的有：cv2.THRESH_BINARY（黑白二值）cv2.THRESH_BINARY_INV（黑白二值翻转）cv2.THRESH_TRUNC（得到额图像为多像素值）cv2.THRESH_TOZERO（当像素高于阈值时像素设置为自己提供的像素值，低于阈值时不作处理）cv2.THRESH_TOZERO_IN...

原创 计算机视觉CV理论基础--图像特征与描述

1 颜色特征颜色特征是在图像检索中应用最为广泛的视觉特征，主要原因在于颜色往往和图像中所包含的物体或场景十分相关。此外，与其他的视觉特征相比，颜色特征对图像本身的尺寸、方向、视角的依赖性较小，从而具有较高的鲁棒性。面向图像检索的颜色特征的表达涉及到若干问题。首先，我们需要选择合适的颜色空间来描述颜色特征；其次，我们要采用一定的量化方法将颜色特征表达为向量的形式；最后，还要定义一种相似度（距离）标准用来衡量图像之间在颜色上的相似性。在本节中，我们将主要讨论前两个问题，并介绍颜色直方图、颜色矩、颜色集、颜色

原创 计算机视觉CV理论基础--imread函数中的第二个参数

代码：import cv2 import numpy as npfrom matplotlib import pyplot as pltimg = cv2.imread('test02.jpg', 0)kernel = np.ones((5,5),np.float32)/25dst = cv2.filter2D(img,-1,kernel)plt.subplot(121),plt.imshow(img),plt.title('Original')plt.xticks([]), plt.

原创 计算机视觉CV理论基础--图像预处理

RGB颜色空间2.CMY(K)颜色空间3.HSV颜色空间4.CIE-XYZ颜色空间4.图片存储原理5.图像处理方法6.特征提取方法–直方图直方图的横坐标是颜色或者灰度值区间，纵坐标是图片上落在这个区间上的像素点的个数。7.直方图均衡化8.自适应直方图均衡9.限制对比度自适应直方图均衡(CLAHE)10.CLAHE的计算步骤11.空间域处理及其变换–滤波/卷积12.均值滤波示意均值滤波本身存在缺陷，既没有很好地去除噪声点，也破坏了图像的细节反而使图像.

原创 计算机视觉CV理论基础--课程概述

研究挑战:1.视角变化2.光照变化3.尺度变化4.形态变化5.背景混淆干扰6.遮挡7.类内物体的外观差异

原创 机器学习--基础算法--贝叶斯网络

贝叶斯算法预测鸢尾花数据集:# 导入算法包以及数据集import numpy as npfrom sklearn import datasetsfrom sklearn.model_selection import train_test_splitfrom sklearn.metrics import classification_report,confusion_matrix# 多项式模型、伯努利模型、高斯模型from sklearn.naive_bayes impor...

原创 机器学习--基础算法--集成学习

1 什么是集成学习import numpy as npimport matplotlib.pyplot as pltfrom sklearn import datasetsx, y = datasets.make_moons(n_samples=500, noise = 0.3, random_state=42)plt.scatter(x[y == 0, 0], x[y == 0, 1])plt.scatter(x[y == 1, 0], x[y == 1, 1])plt.show()

原创 机器学习--基础算法--决策树

1 什么是决策树使用决策树对鸢尾花数据集进行分类：import numpy as npimport matplotlib.pyplot as pltfrom sklearn import datasetsiris = datasets.load_iris()x = iris.datay = iris.targetx = x[:, 2:]plt.scatter(x[y == 0, 0], x[y == 0, 1])plt.scatter(x[y == 1, 0], x[y == 1,

原创 机器学习--基础算法--支撑向量机 SVM

1 什么是支撑向量机2 如何最大化hard margin3 soft margin 和SVM的正则化4 scikit-learn中的SVMimport numpy as npimport matplotlib.pyplot as pltfrom sklearn import datasetsiris = datasets.load_iris()x = iris.datay = iris.targetx = x[y < 2, :2]y = y[y <

原创 机器学习--基础算法--评价分类结果

1 准确度的陷阱和混淆矩阵分类准确度的问题：一个癌症预测系统，输入体检信息，可以判断是否有癌症。预测准确度: 99.9%。如果癌症产生的概率只有0.1%，我们的系统预测所有人都是健康，即可达到99.9%的准确率。对于极度偏斜(Skewed Data)的数据，只使用分类准确度是远远不够的。使用混淆矩阵做进一步的分析。2 精准率和召回率3 精准率、召回率和F1 Score的衡量效果4 精准率、召回率的平衡精准率和召回率是相互制约的。一方增大，另一方就会减小。5 实现混淆矩阵，

原创 机器学习--基础算法--逻辑回归

1 什么是逻辑回归逻辑回归:解决分类问题回归问题怎么解决分类问题?将样本的特征和样本发生的概率联系起来，概率是一个数.2 逻辑回归的损失函数

原创 机器学习--基础算法--多项式回归与模型泛化

1 scikit-learn中的多项式回归与pipelineimport numpy as npimport matplotlib.pyplot as pltx = np.random.uniform(-3, 3, size = 100)print(x.shape)x1 = x.reshape(-1, 1)print(x1.shape)y = 0.5 * x ** 2 + 2 + np.random.normal(0, 1, 100)print(y.shape)>>>(1

原创 机器学习--基础算法--PCA与梯度上升法

1 什么是PCA主成分分析：●一个非监督的机器学习算法●主要用于数据的降维。通过降维，可以发现更便于人类理解的特征●其他应用:可视化;去噪2 使用梯度上升法求解PCA问题...

原创 机器学习--基础算法--梯度下降法

1 什么是梯度下降法说明：不是一个机器学习算法是一种基于搜索的最优化方法作用:最小化一个损失函数梯度上升法:最大化一个效用函数●η称为学习率(learning rate)●η的取值影响获得最优解的速度●n取值不合适，甚至得不到最优解●n是梯度下降法的一个超参数并不是所有函数都有唯一的极值点解决方案:●多次运行，随机化初始点●梯度下降法的初始点也是一个超参数...

原创 机器学习--基础算法--线性回归法

1 简单线性回归线性回归算法的特点：１.解决回归问题２.思想简单，实现容易３.许多强大的非线性模型的基础４.结果 具有很好的可解释性５.蕴含机器学习中的很多重要思想样本特征只有一个，称为简单线性回归样本特征有多个，称为多元线性回归假设我们找到了最佳拟合的直线方程：y=ax+b。则对于每一个样本点ｘ(i)(i)(i)我们希望y’)和yi的差距尽量小表达y"和y"的差距:则对于...

原创 机器学习--基础算法--最基础的分类算法-k近邻算法 kNN

1 scikit-learn中的机器学习算法封装k近邻算法的实现：import numpy as npfrom math import sqrtfrom collections import Counterdef KNN_classify(k, x_train, y_train, x): assert 1 <= k <= x_train.shape[0], 'k m...

原创 机器学习--基础算法--机器学习基础

1 机器学习世界的数据１.数据数据整体叫数据集（data set）每一行数据称为一个样本（sample）除最后一列，每一列表达样本的一个特征（eature）最后一列，称为标记（label）第ｉ个样本行写作X(i)，第ｉ个样本第ｊ个特征值写作Xｊ(i)，第ｉ个样本的标记写作ｙ(i)2 机器学习的主要任务机器学习的基本任务：·分类·回归分类任务：二分类；多分类；多标签分类回归任...

原创 机器学习---基础算法-第1天

import operatorimport numpy as npimport matplotlib.pyplot as pltimport matplotlib as mplfrom time import timeimport mathdef is_prime(x): return 0 not in [x % i for i in range(2, int(math.s...

原创 机器学习---数据科学包-第5天

1 注释1import matplotlib.pyplot as plt2import numpy as npIn [2]:1x = np.arange(-10, 11, 1)2y = x * xIn [4]:1plt.plot(x, y)2plt.show()In [18]:1plt.plot(x, y)2# 添加注释3# 参数含义：注释内容；...

原创 机器学习---数据科学包-第4天

1 Numpy简介1# 1 通过python的基础数据对象转化2import numpy as np3x = [1, 2, 3, 4]4x = np.array(x)5xOut[1]:array([1, 2, 3, 4])In [2]:1type(x)Out[2]:numpy.ndarrayIn [3]:1# 2 通过numpy内生的函数直接生成2...

原创 机器学习---数据科学包-第3天

1 pandas索引1import pandas as pd2import numpy as np索引In [2]:1s = pd.Series(np.random.rand(5), index = list('abcde'))2sOut[2]:a 0.143653b 0.648518c 0.782733d 0.739794e 0...

原创 机器学习---数据科学包-第2天

1 pandas快速入门（一）.Series()方法。Series类型由一组数据及与之相关的数据索引组成。import pandas as pdimport numpy as nps = pd.Series([1, 3, 5, np.NaN, 8, 4])print(s)输出：0 1.01 3.02 5.03 NaN4 8.05 4.0...

原创 机器学习---数据科学包-第1天

1 numpy属性import numpy as nparray = np.array([ [1, 2, 3], [2, 3, 4]])print(array)print('number of dimension:', array.ndim) # 矩阵的维度print('shape:', array.shape) # 矩阵的形状，几行几列print('size:',...

原创 Python数据结构与算法-第8天

1 树与树算法1.1 树的概念树（英语：tree）是一种抽象数据类型（ADT）或是实作这种抽象数据类型的数据结构，用来模拟具有树状结构性质的数据集合。它是由n（n>=1）个有限节点组成一个具有层次关系的集合。把它叫做“树”是因为它看起来像一棵倒挂的树，也就是说它是根朝上，而叶朝下的。它具有以下的特点：每个节点有零个或多个子节点；没有父节点的节点称为根节点；每一个非根节点有且只有一个...

转载 Python数据结构与算法-第7天

1 归并排序归并排序是采用分治法的一个非常典型的应用。归并排序的思想就是先递归分解数组，再合并数组。将数组分解最小之后，然后合并两个有序数组，基本思路是比较两个数组的最前面的数，谁小就先取谁，取了后相应的指针就往后移一位。然后再比较，直至一个数组为空，最后把另一个数组的剩余部分复制过来即可。def merge_sort(alist): if len(alist) <= 1: ...