- 博客(14)
- 收藏
- 关注
RSS订阅原创 计算机视觉实验五
参考教材：计算机视觉 编程 【人民邮电出版社】语言：python 软件：VS code图像分类：即通过图像内容的不同将图像划分为不同的类别，基于内容的图像分类技术不需要对图像的语义信息进行人工标注，而是通过计算机提取图像中所包含的特征，并对特征进行处理和分析，得出分类结果。常用的图像特征有 图像颜色、纹理、灰度等信息。而图像分类过程中，提取的特征要求不容易受随机因素干扰，特征的有效提取可提高图像分类的精度。特征提取完成后，选择合适的算法创建图像类型与视觉特征之间的关联度，对图像进行类别划分。词袋模型（Ba
2022-06-19 20:57:52
198
1
原创 计算机视觉实验四
参考教材：计算机视觉 编程 【人民邮电出版社】语言：python 软件：VS code目的：求出相机的内、外参数以及畸变参数标定相机后通常是想做两件事：一个是由于每个镜头的畸变程度各不相同，通过相机标定可以校正这种镜头畸变矫正畸变，生成矫正后的图像；另一个是根据获得的图像重构三维场景。相机标定方法：标定原理：相机标定指建立相机图像像素位置与场景点位置之间的关系，根据相机成像模型，由特征点在图像中坐标与世界坐标的对应关系，求解相机模型的参数。相机需要标定的模型参数包括内部参数和外部参数。针孔相机成像原理
2022-06-19 20:50:42
415
原创 计算机视觉实验三
参考教材：计算机视觉 编程 【人民邮电出版社】语言：python 软件：VS code基本原理：将两幅或多幅具有重叠区域的图像，通过特征匹配将具有相同的特征点（SIFT特征点）的图像拼接在一起，将来自多个不同视角拍摄的图像变换到同一视角下，拼接成一张宽视野图像。基本流程：针对某个场景拍摄多张/序列图像计算第二张图像与第一张图像之间的变换关系将第二张图像叠加到第一张图像的坐标系中变换后的融合/合成在多图场景中，重复上述过程RANSAC 是“RANdom SAmple Consensus”（随机一致性采样
2022-06-19 20:11:53
600
原创 计算机视觉实验二
参考教材：计算机视觉 编程 【人民邮电出版社】语言：python 软件：VS code角点的定义：局部窗口沿各方向移动，均产生明显变化的点；图像局部曲率突变的点。判断角点算法好坏的标准：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Harris角点算法的基本思想：从图像局部的小窗口观察图像特征；角点定义 : 窗口向任意方向的移动都导致图像灰度的明显变化Harris矩阵Mi的特征值有三种情况:1)如果 λ1和 λ 2都是很大的正数，则该x点为角点;2)如果
2022-06-19 19:57:58
582
原创 计算机视觉实验一
参考教材：计算机视觉编程 【人民邮电出版社】语言：python软件：VScode原始图像直方图图像的直方图可以用来表征该图像像素值的分布情况。用一定数目的小区间(bin)来指定表征像素值得范围，每个小区间对得到落入该小区间表示范围的像素数目。该图像的直方图可以用hist()函数绘制：hist()函数的第二个参数指定小区间的数目。hist()函数值接受一维数组作为输入，所以需要对图像进行压平处理。flatten()方法将任意数组按照行优先准则转换为一维数组。直方图均...
2022-03-17 12:52:27
2786
原创 支持向量机SVM
参考教材：机器学习实战（人民邮电出版社）Peter Harrington【美】著语言：python软件：VS code支持向量机优点：泛化错误率低，计算开销不大，结果容易解释。 缺点：对参数调节和核函数的选择敏感，原始分类器不加修改仅适用于处理二类问题。 适用数据类型：数值型和标称型数据。SVM的一般流程收集数据：可以使用任意方法。 准备数据：需要数值型数据。 分析数据：有助于可视化分隔超平面。 训练算法：SVM的大部分时间都源自训练，该过程主要实现两个参数的调优。 测试.
2022-01-04 13:32:21
651
原创 机器学习——基于概率论的分类方法：朴素贝叶斯
参考教材：机器学习实战（人民邮电出版社）Peter Harrington【美】著语言：python软件：VS code基于贝叶斯决策理论的分类方法“朴素”是因为整个形式化过程只做最原始、最简单的假设。优点：在数据较少的情况下任然有效，可以处理多类问题。 缺点：对于输入数据的准备方式较为敏感。 适用数据类型：标称型数据。朴素贝叶斯的一般过程收集数据：可以使用任何方法 准备数据：需要数值型或者布尔型数据 分析数据：有大量特征时，绘制特征作用不大，此时使用直方图效果更好 训..
2021-11-28 19:17:12
979
原创 C++——STL应用
STL应用代码：#include <iostream>#include <vector>using namespace std;// 取反template<typename T>class negatation {public: T operator()(T input) { return -input; }};// 平方template<typename T>class square {public: T op
2021-11-27 22:31:13
262
原创 机器学习——Logistic回归
Logistic回归进行分类的主要思想：根据现有数据对分类边界线建立回归公式，以此进行分类。这里的“回归”一词源于最佳拟合，表示要找到最佳拟合参数集。Logistic回归的一般过程收集数据：采用任意方法收集数据。 准备数据：由于需要进行距离计算，因此要求数据类型为数值型。另外，结构化数据格式则最佳。 分析数据：采用任意方法对数据进行分析。 训练算法：大部分时间将用于训练，训练的目的是为了找到最佳的分类回归系数。 测试算法：一旦训练步骤完成，分类将会很快。 使用算法：首先，我们需要输入一些数
2021-11-21 21:43:00
270
原创 C++模板
模板类QueueItemtemplate<class Type> class QueueItem { QueueItem(const Type& t) : item(t), next(0) {} Type item; QueueItem* next; friend class Queue<Type>; //输出运算符的重载 friend ostream& operator<<(ostream&am
2021-11-16 22:43:55
667
原创 C++——继承和多态
继承的目的在C++中，我们常要对某个函数进行多次复用，例如: 信息管理系统中，对于教师、学生、教务人员等"类"而言，有部分信息是通用的:姓名，性别，年龄，联系方式等。如果为每一种角色都编写一个"类"，会有不少重复的代码，造成效率上的浪费。 C++ 的“继承”机制就能避免上述浪费，减少代码复用继承的概念如果类B是继承于类A的，我们就把类A叫做“基类”（也叫父类），而把类B叫做“派生类”（也叫“子类”）。一个子类继承了它的父类所有可访问的数据成员和函数，这样，我们在编程时，不需要...
2021-11-03 22:53:23
1422
原创 机器学习——决策树
参考教材《机器学习实战》人民邮电出版社。决策树优点：使用计算成本低，人类易于理解学习结果，缺失值可以，可以处理不相关的特征缺点：容易过拟合适用于：数值、标称值决策树的一般流程：收集数据：可以使用任何方法。 准备数据：树构造算法只适用于标称型数据，因此数值型数据必须离散化。 分析数据：可以使用任何方法，构造树完成后，我们应该检查图形是否符合预期。 训练算法：构造树的数据结构。 测试算法：使用经验树计算错误率。 使用算法：此步骤可以适用于任何监督学习算法，而使用决
2021-10-28 12:50:21
337
原创 C++实验1 CMatrix类设计与实现
一、构造函数CMatrix(): 不带参数的构造函数；CMatrix::CMatrix() :m_nRow(0), m_nCol(0), m_pData(0){}CMatrix(int nRow, int nCol, double *pData=NULL) : 带行、列及数据指针等参数的构造函数,并且参数带默认值；CMatrix::CMatrix(int nRow, int nCol, double* pData) : m_pData(0){ Create(nRow, nCol
2021-10-13 20:57:36
81
原创 机器学习——k邻近算法（kNN）
机器学习——k近邻算法（kNN）参考教材：机器学习实战（人民邮电出版社）Peter Harrington【美】著语言：python软件：VS code1.k近邻算法的概述k近邻算法采用不测量不同特征值之间的距离方法进行分类。算法的距离计算公式为欧式距离公式：k近邻算法的优缺点：优点：精度高、对异常值不敏感、五数据输入假定。 缺点：计算复杂度高、空间复杂度高。 适用数据范围：数据型和标称型。k近邻算法原理：存在一个样本数据集合（训练样本集），切样本集中每...
2021-09-28 21:06:57
3431
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