模式识别
番茄发烧了
一介匹夫 随心而去
展开
-
Datawhale CV之街道字符识别-赛题理解
活动介绍本赛题是由Datawhale组织的组队自学活动,感兴趣的都可以报名参加。本次自学活动是通过进行街道字符识别比赛来进行的,目标导向明确。学习期限一个月,通过博客方式进行学习总结来打卡,是非常好的学习机会。赛题介绍街道字符识别是识别街道图片中的字符,本题是识别数字。和最基本的手写数字识别不同,街道图片字符识别需要定位到字符的位置,并且字符长度不固定。数据集来源自SVHN。字符表示为了降低赛事难度,Datawhale举办方将数据集进行了简化,标注了街道图片中字符的位置,通过json格式进行组织原创 2020-05-20 20:56:46 · 350 阅读 · 1 评论 -
【模式识别】贝叶斯分类器的训练
贝叶斯分类决策规则:依据计算得到的后验概率对样本进行归类条件:先验概率和类条件概率已知。因此只要知道P(wj)P(w_j)P(wj)和P(x∣wj)P(x|w_j)P(x∣wj)就可以设计出贝叶斯分类器,而P(wj)P(w_j)P(wj)和P(x∣wj)P(x|w_j)P(x∣wj)并不能预先知道,需要用样本集中的信息去进行估计,所以贝叶斯分类器的训练就是通过样本集中去估计P(wj)...原创 2020-03-10 22:45:36 · 1628 阅读 · 0 评论 -
【模式识别】最小风险贝叶斯决策
贝叶斯公式如果每一类在空间中互不相交,有清晰的决策边界,那么就没有必要用贝叶斯方法了。这种叫做确定统计分类。如果这些类相互之间有重合,新的样本的特征落到一个重合区域,那么就要判断该样本属于某一类的概率。从而通过最小风险或最小错误率的公式来计算具体属于哪一类。这种叫做不确定统计分类。我们的训练数据是样本特征和样本标签。所以我们已知的是属于某一类的样本具有的特征。即知道某一类样本的统计分布特...原创 2020-03-10 19:01:55 · 13806 阅读 · 4 评论 -
【模式识别】核Fisher判别详细推导
核Fisher判别又称KFD(Kernal Fisher Discrimination),将数据映射到高维空间进行Fisher判别。首先对xxx进行非线性变换,映射到高维空间FFF中x→ϕ(x)→Fx \to\phi(x)\to Fx→ϕ(x)→F所以判别方程由J=wTSbwwTSww J=\frac{w^TS_bw}{w^TS_ww}J=wTSwwwTSbw变成J=wTS...原创 2020-03-10 16:16:03 · 2393 阅读 · 1 评论 -
【模式识别】Fisher线性判别详细推导
思想Fisher的思想是选出一个投影方向,将高维数据投影到低维,投影后的两类相隔尽可能远步骤1、假设有两个样本数据W1=x10,x11,x12,...x1nW_1={x_1^0,x_1^1,x_1^2,...x_1^n}W1=x10,x11,x12,...x1n和W2=x20,x21,x22,...x2mW_2={x_2^0,x_2^1,x_2^2,...x_2^m}W2=x20...原创 2020-03-10 01:57:38 · 3486 阅读 · 0 评论