- 博客(9)
- 收藏
- 关注
RSS订阅原创 计算机视觉（三）——图像拼接
计算图像之间的变换结构：·提取特征点·生成描述子·特征匹配·计算变换结构like this将图像变换到目标坐标系变换后融合/合成多图场景时就重复上述过程。
2023-05-05 11:04:00
1030
原创 计算机视觉——角点检测
Harris角点检测概念：总的来说就是当图像灰度发生明显变化时，这个点就是角点，角点对掌握目标的轮廓特征具有决定作用判断角点的方法：分别对平均区域、边缘区域、角落区域进行计算，观察结果： 取最小值，边缘特征值就会为0，可以使边缘与角点区分开来。这种方法的缺点：窗口滑动只有8个方向，当边缘角落的角度不落在这8个方向则检测不准。数学定义： 公式化简：泰勒公式回顾： 遇到的问题：未安装PCV库，参考下面这个博客(44条消息) 【python】python中PCV库安装的方法步骤_python安装p
2023-04-19 09:55:37
270
原创 计算机视觉实验1
两段代码的区别是下面的这个少了一个cv2.nameWindow('Demo')，当我运行上面这段代码的时候，会出现nameWindow的报错，但是把这一句删去就不会报错，（对了还要把waitkey里面的0删掉，不然会报错）2.resize()方法不会改变对象的大小，只会返回一个新的Image对象,而thumbnail()方法会直接改变对象的大小，返回值为none；maxLevel： 控制所绘制的轮廓层次的深度，为0则表示第0层的轮廓，为其他的非零正数则表示绘制最高层及以下的相同数量层级的轮廓。
2023-03-23 10:52:05
429
原创 机器学习——logistic回归知识准备
z=0是两个分类（0和1）的分界处，所以，设定横坐标为x1，纵坐标为x2，这个方程的位置参数是w0,w1,w2,，也就是我们求的回归系数（最优参数），已经求解出的就是回归系数[w0,w1,w2],通过系数就可以确定不同数据之间的分割线，画出决策边界。梯度上升算法需要每次都遍历一次数据集，当数据集小的时候可以，但是当数据集很大的时候，机如果是数十亿、数百万的时候，那么该计算方法的计算复杂度就太高了。由于改进的随机梯度上升算法，随机选取样本点，所以每次的运行结果是不同的。改进的随机梯度上升算法收敛效果更好。
2022-12-11 18:09:52
308
原创 机器学习——朴素贝叶斯代码实现
代码：链接：https://pan.baidu.com/s/17Cm6Yq99WCT3XB0D19fqGA?pwd=3kfh提取码：3kfh运行结果：判断是正常邮件还是垃圾邮件的概率：判断的结果：反思。
2022-11-30 11:44:18
432
原创 机器学习——朴素贝叶斯原理（知识基础）
已知袋子里有m个黑球，n个白球，摸一个球摸出黑球的概率是多大？：一个未知的袋子里有一些黑球和白球，随机摸出一个或者好几个球，观察摸出的球可以对袋子里的黑球白球的比例做出什么样的推测？朴素贝叶斯要解决的问题就是如何求逆向概率：已知学校中的60%的人是男生，40%的人是女生，其中男生总是穿着长裤，女生则一半穿长裤，一半穿裙子。正向概率：随机选择一个男生或者女生，她/他穿长裤/长裙的概率是多少？逆向概率：迎面走来一个穿长裤的人，不能确定ta的性别，你能推断出ta是男生/女生的概率是多少？
2022-11-30 10:36:32
488
原创 机器学习-决策树1基础知识准备
那肯定是选择是否大于15岁比较好。在筛选的时候，肯定是能筛出更多的分类是最好的。在算法中，很多时候我们可以借助数学公式来简便计算，在以后的学习当中我们会经常用到对数函数：在A的方案中，左边分类的结果里取出红圈的概率是75%，在B的方案中，左边取出红圈的概率是100%，体现到公式里，概率越大，东西越纯，越接近0，熵值越小。也就是说，在分类之前，熵值为c，分类之后，A方案的熵值为a，B方案的熵值为b，AB两个方案的熵值跟原来相比，都减小了，但是B方案的熵值更小，所以最终选B方案，这也就是信息增益是如何去做的。
2022-11-18 13:21:48
532
原创 机器学习——K近邻算法
存在一个样本数据集合，也称作训练样本集，并且样本集中每个数据都存在标签，即我们知道样本集中每一数据与所属分类的对应关系。输入没有标签的新数据后，将新数据的每个特征与样本集中数据对应的特征进行比较，然后算法提取样本集中特征最相似数据（最近邻）的分类标签。一般来说，只选择样本数据集中前k个最相似的数据，这就是k-近邻算法中k的出处，通常k是不大于20的整数。最后选择k个最相似数据的中出现次数最多的分类，作为新数据的分类。
2022-11-06 16:51:56
551
1
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