- 博客(15)
- 收藏
- 关注
RSS订阅原创 计算机视觉——图像检索与识别
进行图像检索的时候，我们可以用穷举的方法，但是一一匹配效率太过低，工作量过大，于是参考文本信息检索的模型，提取特征点进行降维处理。在文本信息检索中，BOW模型假定对于一个文档，忽略它的单词顺序和语法、句法等要素，将其仅仅看作是若干个词汇的集合，文档中每个单词的出现都是独立的，不依赖于其它单词是否出现。也就是说，文档中任意一个位置出现的任何单词，都不受该文档语意影响而独立选择的。BoW(Bag of Words)词袋模型最初被用在文本分类中，将文档表示成特征矢量。它的基本思想是假定对于一个文本，忽略其词序和语
2022-06-17 17:43:27
1470
原创 Python计算机视觉———照相机标定
1.1概念针孔照相机模型 （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。对于大多数应用来说，针孔照相机模型简单，并且具有足够多精确度。这个名字来源于一种类似暗箱机的照相机。该照相机从一个小孔采集射到暗箱内部的光线。针孔相机模型就是把相机简化成小孔成像，在这种模型下，物体的空间坐标和图像坐标之间是线性的关系，因此对相机参数的求解就归结到求解线性方程组上。而相机标定就是确定相机的内部参数和外部参数1.2 坐标转换摄像机标定简单来说是从世界坐标系转换为相机坐标系，再由相机坐标系转换为图像坐
2022-06-09 14:25:38
1079
2
原创 Python计算机视觉--全景图像拼接
一、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图像拼接基础流程1.针对某个场景拍摄多张/序列图像2.计算第二张图像与第一张图像之间的变换关系1.提取特征点，生成描述符2.特征匹配3.将第二张图像叠加到第一张图像的坐标系中1.图像映射、图像扭曲4.变换后的融合/合成5.在多图场景中，重复上述过程1.简介首先是在连续图像对间使用SIFT特征寻找匹配对应点对，S
2022-05-12 14:30:10
864
1
原创 计算机视觉--局部图像描述子：Harris角点检测算法、SIFT(尺度不变特征变换)
所需准备库：PCV、VLfeat、Graphivz等库的安装教程一、Harris角点检测算法Harris角点检测算法是一个极简单的角点检测算法。该算法的主要思想是，如果像素周围显示存在多于一个方向的边，我们认为该点为兴趣点，该点便称为角点。角点检测算法基本原理人眼对角点的识别通常是在一个局部的小区域或小窗口完成的。使用一个固定窗口在图像上进行任意方向上的滑动，比较滑动前与滑动后两种情况，如果滑动前后窗口内区域的灰度发生了较大的变化，那么就认为在窗口内遇到了角点；如果滑动前后窗口内区域的灰度没有发生
2022-03-30 22:43:56
1818
原创 计算机视觉——简单图像处理
1.语言环境1.1python环境的下载下载了Anaconda，Anaconda指的是一个开源的Python发行版本，其包含了conda、Python等180多个科学包及其依赖项。这里采用的是Anaconda2-5.0.0进行下载，为了配合课本的学习，采用了python2.7的版本。Anaconda包括Conda、Python以及一大堆安装好的工具包，比如：numpy、pandas等。环境配置好之后打开cmd输入：conda --version输出版本号之后说明安装成功了1.2编辑器下载我下载
2022-03-16 22:06:38
4213
原创 机器学习——SVM
一、SVM介绍SVM(Support Vector Machine)指的是支持向量机，是常见的一种判别方法。在机器学习领域，是一个有监督的学习模型，通常用来进行模式识别、分类以及回归分析。它在解决小样本、非线性及高维模式识别中表现出许多特有的优势，并能够推广应用到函数拟合等其他其他问题中。支持向量机（Support Vector Machine, SVM）是一类按监督学习（supervised learning）方式对数据进行二元分类（binary classification）的广义线性分类器（gen
2021-12-26 23:10:28
3690
原创 机器学习——Logistic回归
Logistic回归简介Logistic回归是统计学习中的经典分类方法，属于对数线性模型，所以也被称为对数几率回归。该模型是一种分类算法，Logistic回归是一种线性分类器，针对的是线性可分问题。我们要了解Logistic回归进行分类的主要思想是：根据现有的数据对分类边界线建立回归方程，然后以此进行分类。这里回归一词源于最佳拟合参数，表示要找到最佳拟合参数集。Logistic回归的优点在于计算代价不高，易于理解和实现。缺点是容易发生欠拟合现象，分类的精度不高。适合于数值型和标称型数据进行分类。1.基
2021-12-07 14:14:02
1993
原创 机器学习——基于概率论的分类方法：朴素贝叶斯
朴素贝叶斯(naive Bayes)算法是基于贝叶斯定理与特征条件独立假设的分类方法，对于给定的训练数据集，首先基于特征条件独立假设学习输入/输出的联合概率分布，然后基于此模型，对给定的输入x，利用贝叶斯定理求出后验概率最大的输出y，朴素贝叶斯法实现简单，学习与预测的效率都很高，是一种常见的方法。朴素贝叶斯(naive Bayes)算法是有监督的学习算法，解决的是分类问题，如客户是否流失、是否值得投资、信用等级评定等多分类问题。该算法的优点在于简单易懂、学习效率高、在某些领域的分类问题中能够与决策树、神经
2021-12-07 13:51:20
679
原创 C++——模板
C++模板模板定义：模板是实现代码重用机制的一种工具，它可以实现类型参数化，即把类型定义为参数，从而实现了真正的代码可重用性。模板分类：函数模板和类模板。函数模板针对参数类型不同的函数；类模板仅针对数据成员和成员函数类型不同的类。使用模板目的：让程序员编写与类型无关的代码。注意：模板的声明或定义只能在全局，命名空间或类范围内进行。即不能在局部范围，函数内进行，如不能在main函数中声明或定义一个模板。一、模板函数1.一般模板函数形式：template < typename T>（
2021-11-16 22:44:09
629
原创 C++——实验二继承和多态
一、继承访问权限测试设计类A具有public, protected, private等不同属性的成员函数或变量；类B通过public, protected, private等不同方式继承A，在类B的成员函数中测试访问A的成员函数或变量；在类B中添加public, protected, private等不同属性的成员函数或变量，在外部测试访问B的各个成员函数或变量；B以private方式继承A，尝试把A中的部分public成员提升为public。二、友元类继承测试设计类A含有私有变量a，在类A中友
2021-11-02 15:33:06
326
原创 机器学习——构造决策树方法
一、决策树的基本概念顾名思义，决策树就是一棵树，一颗决策树包含一个根节点、若干个内部结点和若干个叶结点；叶结点对应于决策结果，其他每个结点则对应于一个属性测试；每个结点包含的样本集合根据属性测试的结果被划分到子结点中；根结点包含样本全集，从根结点到每个叶子结点的路径对应了一个判定测试序列。下面直接上个图，让大家看下决策树是怎样决策的（以二元分类为例），图中给定一个样例（表中数据）决策树的决策过程：通过上述例子，构建过程的关键步骤是选择分裂属性，即年龄、长相、收入、公务员这4个属性的选择先后次序。分裂属
2021-10-28 21:15:32
1578
原创 C++——实验1 CMatrix类设计与实现
一、实验要求：1、构造函数CMatrix(): 不带参数的构造函数；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(const char * strPath): 带文件路径参数的构造函数；CMatrix(const CMatrix& m): 拷贝构造函数此外会用列表初始化成员变量：CMatrix(): m_nRow(0), m_nCol(0), m_pDat
2021-10-13 18:58:49
116
原创 机器学习———K近邻算法实例
K-近邻算法之约会网站配对及手写识别系统一、约会网站配对1.1案例分析我的朋友海伦一直使用在线约会网站寻找适合自己的约会对象。尽管约会网站会推荐不同的人选，但她没有从中找到喜欢的人。经过一番总结，她发现曾交往过三种类型的人：□ 不喜欢的人□ 魅力一般的人□ 极具魅力的人海伦收集了自己的一些约会记录的数据信息。每个样本数据占据一行，总共有1000行。数据文件 datingTestSet2.txt海伦的样本数据局主要包含以下3种特征：□ 每年获得的飞行常客里程数□ 玩视频游戏所耗时间百分比
2021-10-10 22:41:14
656
原创 机器学习——K-近邻算法
机器学习——K-近邻算法简单地说，k-近邻算法采用测量不同特征值之间的距离方法进行分类一、K-近邻算法K近邻（K-Nearest Neighbor, KNN）是一种最经典和最简单的有监督学习方法之一。K-近邻算法是最简单的分类器，没有显式的学习过程或训练过程，是懒惰学习（Lazy Learning）。当对数据的分布只有很少或者没有任何先验知识时，K 近邻算法是一个不错的选择。 K近邻算法既能够用来解决分类问题，也能够用来解决回归问题。该方法有着非常简单的原理：当对测试样本进行分类时，首先通过扫描训
2021-09-27 22:57:47
556
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