.Gjy.-CSDN博客

原创计算机视觉-图像检索与识别

词序无关的文本表述: 根据文本中的词频分布，构造文本描述子特征提取学习 “视觉词典（visual vocabulary）”针对输入特征集，根据视觉词典进行量化把输入图像转化成视觉单词（visual words）的频率直方图最小化每个特征 xi 与其相对应的聚类中心 mk之间的欧式距离算法流程：随机初始化 K 个聚类中心重复下述步骤直至算法收敛:• 对应每个特征，根据距离关系赋值给某个中心/类别• 对每个类别，根据其对应的特征集重新计算聚类中心聚类是实现 visual vocabulary

2022-06-11 23:36:06 515 1

原创 python计算机视觉- 相机模型与参数标定

文章目录相机投影模型针孔相机模型像主点偏移内参矩阵畸变现象畸变矫正外参矩阵两类参数相机标定线性回归 (最小二乘)非线性优化标定过程实验过程MATLAB进行标定相机投影模型针孔相机模型针孔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，即照相机中心C。如下图所示：据x=fXZx=\frac{fX}{Z}x=ZfX以及y=fYZy=\frac{fY}{Z}y=ZfY可推出：像主点偏移内

2022-05-25 16:21:27 755

原创 python计算机视觉-图像映射与全景拼接

文章目录全景拼接基础流程图像映射图像映射流程图像映射类型参数求解平移问题仿射变换单应性变换前向映射逆向映射像素插值RANSAC求解单应矩阵RANSAC loopAPAP算法图割方法图像融合图像拼接整体流程实验过程全景拼接基础流程针对某个场景拍摄多张/序列图像计算第二张图像与第一张图像之间的变换关系将第二张图像叠加到第一张图像的坐标系中变换后的融合/合成在多图场景中，重复上述过程在上述流程当中，我们可以发现图像之间的变换关系是一个关键部分。图像映射图像映射流程针对两张/多张图像提

2022-04-13 23:08:35 4057 1

原创 python计算机视觉-局部图像描述子

文章目录局部图像描述子Harris角点角点（corner points）角点检测算法HARRIS角点检测算法的基本思想Harris检测当中的数学表达Harris角点检测器响应函数Harris角点检测Harris角点检测的优缺点在图像间寻找对应点SIFT（尺度不变特征变换）SIFT算法可以解决的问题SIFT算法实现细节关键点检测什么是关键点（特征点）什么是尺度空间高斯金字塔DoG关键点方向分配关键点匹配检测兴趣点描述子匹配局部图像描述子Harris角点角点（corner points）局部窗口沿各方

2022-03-30 23:58:22 3521

原创 Python计算机视觉——基本图像操作和处理

文章目录图像基本操作读取并显示图像创建图像缩略图复制和粘贴图像区域调整尺寸和旋转绘制图像、点和线图像轮廓和直方图图像轮廓图像直方图基本原理绘制方法灰度变换直方图均衡化基本原理实现过程高斯滤波基本原理实现过程图像基本操作读取并显示图像在读取图像时，我们可以使用PIL（Python Imaging Library, 图像处理类库）中的函数进行操作，PIL中最重要的模块为Image，要读取一幅图像，我们可以使用Image.open进行操作。from PIL import Imagepil_im = Im

2022-03-13 16:42:25 2272

原创 SVM支持向量机实验（基于SVM的手写体数字识别）

文章目录最大间隔与分类对偶问题等式约束不等式约束的KKT条件二次规划SMO核函数软间隔与正则化支持向量回归实现SMO算法处理小规模数据集简化版SMO算法利用完整Platt SMO算法加速优化在复杂数据上应用核函数基于SVM的数字识别实验总结最大间隔与分类线性模型：在样本空间中寻找一个超平面，将不同类别样本分开。当数据点在二维平面上时，分隔超平面是一条直线。若数据集是三维的，分隔数据的即为一个平面。高维情况时分隔数据的是超平面，也就是分类的决策边界。分布在超平面一侧的所有数据都属于某个类别，而分布在另一

2021-12-26 23:40:54 3509

原创朴素贝叶斯分类实验（垃圾邮件分类以及垃圾短信过滤数据集）

文章目录贝叶斯公式先验概率后验概率贝叶斯定理朴素贝叶斯分类器拉普拉斯修正防溢出策略实现垃圾邮件分类实现垃圾短信过滤（SMS数据集）贝叶斯公式先验概率P(cj)P(c_j)P(cj)代表未有训练模型之前，根据历史数据/经验估算cjc_jcj拥有的初始概率。P(cj)P(c_j)P(cj)常称为cjc_jcj的先验概率（prior probability）,它反映了cjc_jcj的概率分布，该分布独立于样本。公式如下所示：P(cj)=∣cj∣∣D∣P(c_j)=\frac{|c_j|}{|D

2021-11-28 23:29:10 3146

原创实验4 STL应用

文章目录实验要求实验内容STL简介STL基本组件撰写自己的算法和函数，结合容器和迭代器解决序列变换（如取反、平方、立方），像素变换（二值化、灰度拉伸）；1.序列变换（取反、平方、立方）2.像素变换（二值化，灰度拉伸）用set存储学生信息，并进行增删改查操作；实验要求撰写自己的算法和函数，结合容器和迭代器解决序列变换（如取反、平方、立方），像素变换（二值化、灰度拉伸）；用set存储学生信息，并进行增删改查操作；输入一个字符串，用map统计每个字符出现的次数并输出字符及对应的次数。实验内容STL

2021-11-26 20:37:11 447

原创 Logistic回归（原理与Facebook指标数据集的实验）

文章目录Logistic回归分类问题极大似然估计梯度下降实验内容Logistic回归一般过程基于Logistic回归和Sigmoid函数的分类基于最优化方法的最佳回归系数确定梯度上升法训练算法：使用梯度上升找到最佳参数分析数据：画出决策边界训练算法：随机梯度上升实现Logistic回归（Facebook指标数据集）Facebook指标数据集实现过程实验总结Logistic回归分类问题回归：假设现在有一些数据点，我们用一条直线对这些点进行拟合（该线称为最佳拟合直线），这个拟合过程就称作回归。利用Log

2021-11-21 22:06:06 954

原创实验3 模板

文章目录一、实验要求1、模板函数（compare）一般模板函数特化模板函数2、模板类Queue或Stack模板类（Queue，Stack）成员模板函数模板特化：模板函数特化、模板成员函数特化、模板类特化3、模板类AutoPtr构造函数析构函数拷贝构造函数等号、->、*等运算符重载主函数调用AutoPtr二、实验内容1、模板函数（compare）一般模板函数特化模板函数2、模板类Queue或Stack模板类（Queue，Stack）成员模板函数模板特化：模板函数特化、模板成员函数特化、模板类特化模板函数

2021-11-16 23:58:24 582

原创实验2 继承和多态

文章目录一、实验要求1、继承访问权限测试2、友元类继承测试3、多态性综合运用4、作业提交方式二、实验过程继承访问权限测试1. peson.h文件2. main.cpp文件3.实验结果分析友元类继承测试1.main.cpp文件多态性综合运用一、实验要求1、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pu

2021-11-02 20:46:24 174

原创决策树的完整实现

文章目录决策树决策树的构造信息增益划分数据集递归构建决策树决策树决策树(Decision Tree)是在已知各种情况发生概率的基础上，通过构成决策树来求取净现值的期望值大于等于零的概率，评价项目风险，判断其可行性的决策分析方法，是直观运用概率分析的一种图解法。决策树是一种树形结构，其中每个内部节点表示一个属性上的测试，每个分支代表一个测试输出，每个叶节点代表一种类别。机器学习中，决策树是一个预测模型;他代表的是对象属性与对象值之间的一种映射关系。树中每个节点表示某个对象，而每个分叉路径则代表的某个可能

2021-10-23 20:27:40 3060

原创 KNN算法学习-实现海伦约会网站与手写体识别实验

文章目录前言一、实验介绍二：实验过程：1.数据准备：二、使用步骤1.引入库2.读入数据总结前言一、K-近邻算法是什么？简而言之，k-近邻算法就是采用测量不同特征值之间的距离方法进行分类。k-近邻算法的工作原理：存在一个样本数据集合（训练样本集），在样本集当中的每个数据都存在标签，即我们知道样本集中每一个数据与其所属分类的对应关系。在输入无标签的新数据后，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，然后通过算法提取出样本集中特征最为相似数据（最近邻）的分类标签。一般来说，我们只选择样本数据集

2021-10-10 20:30:34 723

gjy_hahaha的博客