- 博客(15)
- 收藏
- 关注
RSS订阅原创 申请公司苹果开发者账号
申请资料部分包括：营业执照原件、公章刻字面、确认知悉函（这里下载【填写信息】下面的确认知悉函模板，以防万一可以把step1选择申请原因下面的确认知悉函模板下载填好一起提交）。邓白氏公司已审核完成后，1~2个工作日会下发D-U-N-S编码，拿到编码5-14个工作日数据上传完成后再进行Apple Developer app的注册及验证。成功注册登录后在左侧导航栏点击【申请邓白氏编码】，之后选择【苹果开发者（Apple Developer）】 ，最后点击【下一步】。注意：这里的网站是硬性要求！
2024-01-22 16:47:04
2433
原创 相机模型与增强现实（实验四）
1、针孔照相机模型针孔照相机模型（有时称为射影照相机模型）是计算机视觉中广泛使用的照相机模型。该照相机从一个小孔采集射到暗箱内部的光线。 在针孔照相机模型中，在光线投影到图像平面之前，从唯一一个点经过，也就是照相机中心C。针孔照相机模型。图像点 x 是由图像平面与连接三维点 X 和照相机中心 C 的直线相交而成的。虚线表示该照相机的光学坐标轴。三维点 X 投影为图像点 x（两个点都是用齐次坐标表示的）x = PXP 为照相机矩阵（或投影矩阵）；在齐次坐标系中.
2022-05-25 22:32:46
258
原创 图像到图像的映射（实验三）
目录1、单应性变换1.1 直接线性变换算法1.2 仿射变换2、图像扭曲2.1 图像中的图像2.2 分段仿射扭曲2.3 图像配准3、创建全景图3.1 RANSAC3.2 稳健的单应性矩阵估计3.3 拼接图像1、单应性变换1.1 直接线性变换算法1.2 仿射变换2、图像扭曲2.1 图像中的图像2.2 分段仿射扭曲2.3 图像配准3、创建全景图3.1 RANSAC3.2 稳健的单应性矩阵估计
2022-04-13 12:44:02
2726
原创 局部图像描述子（实验二）
1. Harris角点检测器2. SIFT（尺度不变特征变换）2.1 兴趣点2.2 描述子2.3 检测兴趣点2.4 匹配描述子3. 匹配地理标记图像3.1 从Panoramio下载地理标记图像3.2 使用局部描述子匹配3.3 可视化连接的图像...
2022-03-30 22:49:15
187
原创 基本的图像操作和处理（实验一）
一、读取并显示图片的三种方式（Pillow、matplotlib、opencv）1、Pillow方式读取显示图片实现代码：from PIL import Imagepil_im = Image.open('E:\Junior_N\computerVision\imgTest\IMG20190831164243.jpg')pil_im.show()测试结果：2、matplotlib方式读取显示图片实现代码：import matplotlib.pyplot as p.
2022-03-16 23:44:11
5044
原创 机器学习——————支持向量机
1. 基于最大间隔分割数据支持向量机：优点：泛化错误率低，计算开销不大，结果易解释。缺点：对参数调节和函数的选择敏感，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。如下图中A-D共4个方框中的数据点分布，不能画出一条直线将圆形点和方形点分开。故其为线性不可分的数据集。 图1.1 4个线性不可分数据集而如图1.2...
2021-12-26 02:15:43
281
原创 C++------STL应用
1. STL的基础知识1.1 STL的基本概念STL(标准模板库)，广义上分为容器、算法和迭代器。容器和算法之间通过迭代器进行无缝连接。SLT几乎所有代码都采用了模板类或者模板函数。1.2 STL六大组件STL六大组件：容器、算法、迭代器、仿函数、适配器（配接器）、空间配置器。1、容器：各种数据结构，如vector、list、deque、set、map等，用来存放数据。2、算法：各种常用的算法，如sort、find、copy、for_each等。3、迭代器：扮演了容器和算.
2021-12-09 02:04:04
1033
原创 C++———模板
1.什么是模板C++另一种编程思想称为泛型编程，主要利用的技术就是模板。模板就是建立通用的摸具，大大提高复用性。模板不能直接使用。C++提供两种模板机制：函数模板和类模板。2.函数模板2.1 函数模板的作用函数模板的作用：建立一个通用函数，其函数返回值类型和形参类型可以不具体确定，用一个虚拟的类型来代表。2.2 函数模板语法//函数模板 函数声明或定义template<typename T>template------声明创建模板typenam.
2021-11-30 22:47:04
274
原创 【基于概率论的分类方法：朴素贝叶斯】
4.1 基于贝叶斯决策理论的分类方法朴素贝叶斯优4点：在数据较少的情况下仍然有效，可以处理多类别问题。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。朴素贝叶斯是贝叶斯决策理论的一部分。先简单了解一下贝叶斯决策理论，假设有两类数据的统计参数，p1(x,y)表示数据点(x,y)属于类别1的概率，p2(x,y)表示数据点(x,y)属于类别2的概率。那么对于一个新的数据点(x,y)，可以用下面的规则来判断它的类别：如果p1(x,y) >p2(x,y) ，..
2021-11-28 18:37:38
682
原创 【机器学习---Logistic回归】
一、基于Logistic回归和Sigmoid函数的分类Logistic回归：优点：计算代价不高，易于理解和实现。缺点：容易欠拟合，分类精度可能不高。使用数据类型：数值型和标称型数据。 我们想要的函数是：能够接受所有的输入然后预测出类别。...
2021-11-21 01:07:54
377
原创 C++实验二（继承多态）
一、继承1.1基类和派生类（public、protected、private）三种访问权限：private: 只能由该类中的函数、其友元函数访问,不能被任何其他访问，该类的对象也不能访问。即public可以被任意实体访问。 protected: 可以被该类中的函数、子类的函数、以及其友元函数访问,但不能被该类的对象访问 。即protected只允许子类及本类的成员函数访问。 public: 可以被该类中的函数、子类的函数、其友元函数访问,也可以由该类的对象访问。private只允许本类的成
2021-11-03 23:49:48
163
原创 机器学习实验二（决策树）
一、原理1.1决策树决策树（Decision Tree）是一种基本的分类与回归方法，在这里主要讨论用于分类的决策树。决策树的学习通常包含三个步骤：特征选择，决策树的生成，决策树的剪枝。1.2决策树的特点：优点：计算复杂度不高，输出结果易于理解，对中间值的缺失不敏感，可以处理不相关特征数据。 缺点：可能会产生过度匹配的问题。 适用数据类型：数值型和标称型（数值型需要离散化）。1.3决策树的一般流程（1）收集数据：可以使用任何方法。（2）准备数据：树构造算法只适用于标称型数据，因.
2021-10-27 23:01:59
1942
原创 C++实验一（类与对象）
构造函数1. CMatrix(): 不带参数的构造函数CMatrix::CMatrix() //方法1{ m_nRow = 0; m_nCol = 0; *m_pData = NULL;}CMatrix::CMatrix():m_nRow(0),m_nCol(0),m_pData(NULL) //方法2{}2. 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 *pDat
2021-10-13 22:57:38
78
原创 机器学习（K-近邻算法实战）
标题Array()接受1到2个位置参数，但给出了4个def classi
2021-10-10 23:46:17
266
原创 机器学习实验一
机器学习实验一配置python+numpy环境python下载安装在https://www.python.org/downloads/下载安装Python 3.9.7（由于本人在此之前已安装，便不再重复。）numpy下载安装在 https://pypi.org/project/numpy/#files下载安装numpy，并选择对应的版本。如python版本为3.9，则选择numpy版本含“cp39”，并根据自身电脑的系统和配置做出相应的选择，我这里是Windows系统，64位，故选择了n
2021-10-03 19:11:44
568
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