- 博客(34)
- 资源 (13)
- 收藏
- 关注
原创 004-基于Sklearn的机器学习入门:回归分析(下)
在一般的线性回归中,使用的假设函数是一元一次方程,也就是二维平面上的一条直线。多项式回归中,加入了特征的更高次方(例如平方项或立方项),也相当于增加了模型的自由度,用来捕获数据中非线性的变化。添加高阶项的时候,也增加了模型的复杂度。随着模型复杂度的升高,模型的容量以及拟合数据的能力增加,可以进一步降低训练误差,但导致过拟合的风险也随之增加。本节及后续章节将介绍机器学习中的几种经典回归算法,包括线性回归,多项式回归,以及正则项的岭回归等,所选方法都在Sklearn库中聚类模块有具体实现。
2024-07-08 16:42:41
357
原创 002-基于Sklearn的机器学习入门:基本概念
本节将继续介绍与机器学习有关的一些基本概念,包括机器学习的分类,性能指标等。同样,如果你对本节内容很熟悉,可直接跳过。
2024-07-01 16:11:33
259
原创 003-基于Sklearn的机器学习入门:回归分析(上)
本节及后续章节将介绍机器学习中的几种经典回归算法,所选方法都在Sklearn库中聚类模块有具体实现。本节为上篇,将介绍基础的线性回归方法,包括线性回归、逻辑回归、多项式回归和岭回归等。2.1 回归分析概述。2.1 回归分析概述。
2024-06-30 18:09:37
239
原创 001-基于Sklearn的机器学习入门:数据处理与Sklearn标准数据集
该数据集包含了 506 个波士顿地区的房屋数据,其中每个数据点都有 13 个变量(例如犯罪率、房产税率、房间数量等)和一个目标变量(房屋价格的中位数)。该数据集最初由 Harrison, D. 和 Rubinfeld, D.L. 在 1978 年发布。本节将介绍Sklearn库基本功能,以及其自带的几个标准数据集的调用方法。本节是学习后面内容的基础,如果您已经对本节内容相当熟悉,可跳过本节内容。Sklearn自带许多标准数据集,这些数据集从简单到复杂,可用于机器学习的各个领域。(1)波士顿房价数据集。
2024-06-18 18:16:20
148
原创 010-基于Sklearn的机器学习入门:聚类(上)
它是按照某个特定标准(如距离)把一个数据集分割成不同的类或簇,使得同一个簇内的数据对象的相似性尽可能大,同时不在同一个簇中的数据对象的差异性也尽可能地大。按照策略不同,传统的聚类方法主要可以分为三类:划分式聚类方法(Partition-based Methods)、基于密度的聚类方法(Density-based methods)、层次化聚类方法(Hierarchical Methods)等。本节及后续章节将介绍深度学习中的几种聚类算法,所选方法都在Sklearn库中聚类模块有具体实现。
2024-06-17 17:26:08
249
原创 000-基于Sklearn的机器学习入门:工作环境搭建与配置
本专栏将介绍基于Scikit-learn(简称Sklearn)的机器学习入门知识。包括但不一定限于,机器学习基本知识、Sklearn库简介,基于Sklearn库的机器学习实践。这是本专栏的第000篇,将介绍如何安装和配置Sklearn环境,不仅包括Sklearn库的安装和配置,还包括本教程所用的Python开发环境——Jupyterlab软件的安装配置。
2024-06-04 21:05:02
384
原创 用Skimage学习数字图像处理(021):图像特征提取之线检测(下)
本节是特征提取之线检测的下篇,讨论基于Hough变换的线检测方法。首先简要介绍Hough变换的基本原理,然后重点介绍Skimage中含有的基于Hough变换的直线和圆形检测到实现。
2024-04-16 12:12:25
264
原创 用Skimage学习数字图像处理(018):图像形态学处理(下)
本节图像形态学处理的下篇,介绍基于基本形态学操作的图像应用,包括边界提取:,上述功能均有对应的独立函数。
2024-04-09 12:12:48
144
原创 用Skimage学习数字图像处理(018):图像形态学处理(上)
本节开始讨论图像形态学处理,这是上篇,将介绍与二值形态学相关的内容,重点介绍两种基本的二值形态学操作:腐蚀和膨胀,以及三种复合二值形态学操作:开、闭和击中击不中变换。
2024-04-04 09:35:43
272
原创 002-基于Pytorch的手写汉字数字分类
本节将介绍一个简单而典型的基于Pytorch框架的图像分类任务,所用的数据集是手写体汉字数字,模型是LeNet-5。通过该实例的学习,可以了解基于深度网络模型的计算机视觉任务的基本流程。
2024-03-25 17:50:43
360
原创 004 基于Jetson Nano+YoloV4-tiny的目标检测
本节介绍有关行人检测的。首先完成一种针对单幅图像的人体检测,然后介绍一种在线行人检测实例。
2024-03-20 12:16:07
266
原创 003-基于Jetson Nano平台的在线二维码检测
本节为上篇,主要介绍如何在Jetson Nano平台读取和处理视频文件,以及设置摄像头,并从摄像头中读取和显示视频流。
2024-03-19 17:29:20
151
原创 用Skimage学习数字图像处理(020):图像特征提取之线检测(上)
本节重点讨论图像线特征检测,这是上篇,首先给出与图像直线模型、图像边缘有关的背景知识,然后重点介绍几种常用的基于梯度算子的边缘检测技术。介绍图像中的直线模型。
2024-03-18 18:07:50
369
原创 用Skimage学习数字图像处理(016):图像的金字塔表示
本节介绍图像的多分辨率金字塔表示,首先介绍相关的背景知识,包括图像的尺度空间、图像的多分辨率表示等,然后重点介绍图像的金字塔结构表示,包括高斯金字塔和拉普拉斯家金字塔表示。最后,介绍Skimage中所提供的金字塔表示函数的声明和使用。
2024-03-14 22:45:41
385
1
原创 002-Jetson Nano开发环境搭建与配置-开启绿色之眼(下)
本节继续介绍有关Jetson Nano开发环境的配置,包括JupyterLab安装和配置,以及一些主要 扩展库(如OpenCV)的安装等等。
2024-03-12 16:45:46
634
1
原创 用Skimage学习数字图像处理(014):图像复原之图像去噪(下)
本节是图像去噪的下篇,主要介绍几种有代表性的专用去噪技术,包括基于基于带阻滤波器去除周期噪声,使用维纳滤波和总变分方法的去噪技术等。
2024-02-27 12:27:02
502
原创 用Skimage学习数字图像处理(015):图像复原之图像去模糊
(欢迎对DIP+python算法开发感兴趣的初学者,尤其是相关专业本科和低年级研究生关注,本专栏完将持续更新,总篇数不会少于50篇,每篇不会少于5000字,专栏完成之前(差不多到2024年5月份)完全免费阅读,敬请关注)从本节开始,开始介绍图像复原部分。本节将介绍图像复原中的一个重要内容:图像去噪。本节是下篇,将介绍有代表性的频域滤波图像去噪技术。)是指图像在生成、记录、处理和传输过程中,由于成像系统、记录设备、传输介质和处理方法的不完善,导致图像质量下降。7.4 基于频域滤波的图像滤波。
2024-02-26 16:51:19
412
原创 用Skimage学习数字图像处理(013):图像复原之图像去噪(上)
从本节开始,开始介绍图像复原部分。本节将介绍图像复原中的一个重要内容:图像去噪。本节是上片,主要介绍一些背景知识,然后重点几种有代表性的空域滤波图像去噪技术。
2024-02-21 11:50:13
547
1
原创 用Skimage学习数字图像处理(012):图像频域滤波基础
本节是图像频域处理的上篇,介绍有频域处理有关的基本概念,以及两类基本的频域滤波器:低通滤波器和高通滤波器。本节所用的函数主要来自Skimage和SciPy的相关模块。
2024-02-18 09:02:50
558
1
原创 用Skimage学习数字图像处理(011):图像空域增强之邻域处理(下)
本节为图像空域增强的第四篇,介绍重要的图像空域增强技术:邻域处理,本节是下篇。本节将重点介绍图像空域增强处理中的非线性平滑技术,以及锐化技术。除了Skimage.filter模块之外,本节还会用到SciPy的ndimage.filter模块中的部分函数。
2024-02-14 18:51:11
462
1
原创 用Skimage学习数字图像处理(010):图像空域增强之邻域处理(上)
本节为图像空域增强的下篇,介绍重要的图像空域增强技术:邻域处理。通过本节的学习,读者将了解邻域处理的基本概念,包括邻域的概念,以及相关和卷积运算,在此基础之上,重点介绍两类用于图像增强的邻域处理技术:平滑和锐化。这一部分主要用到了Skimage中的filter模块中的部分函数。
2024-02-12 21:22:37
446
1
原创 用Skimage学习数字图像处理(009):图像空域增强之直方图操作
本节为图像空域增强的中篇,介绍一类基础图像空域增强技术:直方图操作。通过本节的学习,读者将初步了解图像空域增强中常用的直方图操作,比如直方图、归一化直方图和累积直方图的计算方法,以及直方图均衡和直方图匹配等两种经典的直方图操作。这一部分主要用到了Skimage中的exposure模块中的部分函数。
2024-02-11 22:01:19
600
原创 用Skimage学习数字图像处理(008):图像空域增强之灰度级点运算
从本节开始,开始介绍图像空域增强的内容。本节为上篇,介绍一类基础图像空域增强技术:面向灰度级的点运算。通过本节的学习,读者将初步了解图像空域增强中常用的灰度级点运算,比如Gamma校正、对比度拉伸、反色变换等等。这一部分主要用到了Skimage中的exposure模块。
2024-02-08 01:45:59
408
原创 用Skimage学习数字图像处理(007):图像的几何变换(下)
本节将介绍与图像几何变换相关的内容,主要涉及到五种常见的图像二维几何变换:平移、镜像、旋转、错切和放缩。本节是下篇,介绍图像的平移、镜像、旋转和错切变换,它们可以归为一种典型的二维空间综合几何变换,即仿射变换。
2024-02-05 02:51:01
527
1
原创 用Skimage学习数字图像处理(006):图像的几何变换(上)
本节将介绍与图像几何变换相关的内容,主要涉及到五种常见的图像二维几何变换:平移、镜像、旋转、镜像、错切和放缩。本节是通过本节学习,将了解到各种几何变换的Skimage实现过程。
2024-02-02 11:22:47
640
原创 用skimage学习数字图像处理(005):图像文件的基本操作
本节将介绍基于Skimage的图像基本操作,包括文件数据的载入、读取、显示、保存等内容。如果你是新手,或者想了解一下Skimage在这些方面有何不同之处,则欢迎阅读。
2024-01-30 18:58:48
556
1
原创 用skimage学习数字图像处理(004):Skimage各模块初探(下)
本节介绍了Skimage中的feature模块,也是Skimage中最具特色的模块之一。通过阅读本节,您将对Skimage提供的各类特征提取算法有初步的了解。
2024-01-29 11:39:55
774
原创 用skimage学习数字图像处理(003):Skimage各模块初探(中)
本节简要介绍了Skimage中的图像滤波(filter)、图像复原(restoration )、形态学(morphology)、图像分割(segmentation)等四个模块,这些模块是DIP最核心最重要的内容。读者通过阅读本节,可以迅速了解每个模块的基本组成和主要功能函数,可以作为手册使用。
2024-01-27 11:52:03
660
原创 用skimage学习数字图像处理(002):Skimage各模块初探(上)
本节将简要介绍skimage扩展库,重点介绍各个子库的功能,大家可以将其作为一个手册来查询。
2024-01-25 09:28:03
879
原创 用skimage学习数字图像处理(001):环境搭建
本节将介绍如何一步一步地搭建基于Python+skimage的DIP算法设计开发环境。不一定是最详细的介绍,但一定是最用心的介绍。
2024-01-24 11:36:18
549
原创 用skimage学习数字图像处理(000):引言
本节将介绍为何选用Python-Skimage作为数字图像处理学习和算法设计的平台。里面涉及到与DIP编程相关的几种常见语言,以及Python中常用的几个DIP扩展库的介绍。
2024-01-24 01:34:43
503
1
stanford compter vision 2017课件 第2部分
2018-02-26
stanford compter vision 2017课件
2018-02-26
DICOM图像浏览转换控件
2011-02-21
A first course in probability(概率论基础教程)
2008-09-19
数字图像处理(matlab版) 自带的 DIPUM_toolbox_m-file_v1.1.3
2008-09-09
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人