人工智能
文章平均质量分 95
计算机视觉
自然语言处理
吃_早餐
web渗透,人工智能,AI安全
展开
-
【自然语言处理】深度学习基础
网络结构的理解:不同的网络结构区别就是不同的函数,就会出现不同的参数以DNN为例解释代码模型结构。原创 2022-10-24 16:12:20 · 2841 阅读 · 1 评论 -
【计算机视觉】深度学习框架-Keras
Keras是基于theano/tensorflow的深度学习框架。是一个高层神经网络API,支持快速实验,能够把你的idea迅速转换为结果,如果有如下需求,可以优先选择Keras:a)简易和快速的原型设计(keras具有高度模块化,极简,和可扩充特性)b)支持CNN和RNN,或二者的结合c)无缝CPU和GPU切换。原创 2022-09-15 13:44:18 · 1747 阅读 · 1 评论 -
【计算机视觉】神经网络推理训练
此篇只讲解深度学习有关的基础概念和知识点。原创 2022-09-13 18:09:02 · 1002 阅读 · 0 评论 -
【计算机视觉】OpenCV算法解析
此篇主要介绍opencv大坑,以及对前面没有学到的比较简单的常见算法进行补充:包括最小二乘法、RANSAC、哈希算法RANSAC是一个求解已知模型的参数的框架。它不限定某一特定的问题,可以是计算机视觉的问题,同样也可以是统计数学,甚至可以是经济学领域的模型参数估计问题。它是一种迭代的方法,用来在一组包含离群的被观测数据中估算出数学模型的参数。RANSAC是一个非确定性算法,在某种意义上说,它会产生一个在一定概率下合理的结果,其允许使用更多次的迭代来使其概率增加。解释。原创 2022-09-06 17:17:26 · 1045 阅读 · 0 评论 -
【计算机视觉】尺度不变特征变换(SIFT)
Sift(尺度不变特征变换Scale Invariant Feature Transform):Sift提取图像的局部特征,在尺度空间寻找极值点,并提取出其位置、尺度、方向信息。Sfit的应用范围:物体辨别、机器人地图感知与导航、影像拼接、3D模型建立、手势识别、影像追踪等分别提取待拼接图片的特征点、拟合透视矩阵得到不同场景下的同一物体将两个图片中的相似点进行连接Sift特征的特点对视角变化、噪声等也存在一定程度的稳定性;独特性,信息量丰富,适用于在海量特征数据中进行快速,准确的匹配;......原创 2022-08-30 17:56:09 · 1189 阅读 · 0 评论 -
【计算机视觉】图像聚类&噪声
有目的地强调图像的整体或局部特性,将原来不清晰的图像变得清晰或强调某些感兴趣的特征,扩大图像中不同物体特征之间的差别,抑制不感兴趣的特征,使之改善图像质量、丰富信息量,加强图像判读和识别效果,满足某些特殊分析的需要。图像增强常用方法(包括但不限于):翻转、平移、旋转、缩放分离单个r、g、b三个颜色通道添加噪声直方图均衡化Gamma伽马变换反转图像的灰度增加图像的对比度缩放图像的灰度均值滤波中值滤波高斯滤波。...原创 2022-08-28 16:27:38 · 910 阅读 · 0 评论 -
【计算机视觉】相机模型&立体视觉
相机成像原理就是三次坐标系的转换其中U和V是需要求的未知量XYZ为物体的坐标(已知)f 焦距,dx,Uo和Vo是相机的内参,已知的固定值R和t是相机的外参,随拍摄的图片而改变简化后为。原创 2022-08-23 16:34:56 · 786 阅读 · 0 评论 -
【计算机视觉】特征选择&特征提取
特征的主要分类:相关特征:对于学习任务(例如分类问题)有帮助,可以提升学习算法的效果;无关特征:对于我们的算法没有任何帮助,不会给算法的效果带来任何提升;冗余特征:不会对我们的算法带来新的信息,或者这种特征的信息可以由其他的特征推断出。进行特征选择的主要目的: 降维 、降低学习任务的难度、提升模型的效率特征选择标准定义:从N个特征中选择其中M(M...原创 2022-07-10 11:05:18 · 558 阅读 · 0 评论 -
【计算机视觉 】数字图像
1. 图像1.1 基本概念像素:像素是分辨率的单位。像素是构成位图图像最基本的单元,每个像素都有自己的颜色。分辨率(解析度)① 图像分辨率就是单位英寸内的像素点数。单位为PPI(Pixels Per Inch)② PPI表示的是每英寸对角线上所拥有的的像素数目:③ 屏幕尺寸指的是对角线长度④ 在生活中被混用,或者说错误的用做衡量图像内的像素点数量。灰度:表示图像像素明暗程度的数值,也就是黑白图像中点的颜色深度。范围一般为0-255。白色为255,黑色为0。通道:把图像分解成原创 2022-05-22 21:34:48 · 414 阅读 · 0 评论 -
【机器学习&深度学习】06 数据处理(一)
数据处理1. 去除重复值1.1 drop_dumplicates()1.2 【练习】根据指定属性完成数据去重2. 数据标准化2.1 数据标准化处理的介绍2.2 数据标准化处理的类型2.2.1 指标一致化处理2.2.2 无量纲化处理① min-max 标准化(归一化)【练习】使用 min-max 标准化对数据进行标准化② z-score标准化(规范化)【练习】使用z-score对数据进行标准化3. 缺失值处理3.1 缺失值的分类3.2 删除缺失值3.3 缺失值处理3.3.1 均值插补3.3.2 同类均值插补3原创 2022-05-10 18:27:13 · 1254 阅读 · 0 评论 -
【机器学习&深度学习】05 sklearn简单基础
sklearn简单基础1 介绍2 分类2.1 估计器2.2 转化器3 基于 MNIST 数据集的手写数字图像识别1 介绍scikit-learn是基于 Python 语言的机器学习工具包。有六大功能模块分别是分类、回归、聚类、数据降维、模型选择和数据处理。2 分类将此模块函数进行分类:估计器(Estimatior)和转化器(Transformer)2.1 估计器分类(Classification):识别样本属于哪个类别,常用算法有 SVM(支持向量机)、nearest neighbors(最近邻原创 2022-05-06 12:00:06 · 1090 阅读 · 0 评论 -
【机器学习&深度学习】04 Numpy
Numpy1 介绍2 ndarray对象3 数据类型3.1 dtype对象3.2 dtype 生成数据类型对象4 Numpy数组/矩阵创建4.1 从原生的数组创建① numpy.empty② numpy.zeros③ numpy.ones④ numpy.arange⑤ 经典例题:创建一个8x8的国际象棋棋盘矩阵4.2 从已有数组创建① numpy.asarray② numpy.frombuffer4.3 使用特殊库函数生成数组5 数组切片5.1 使用slice函数5.2 直接使用下标索引6 数组索引6.1原创 2022-05-06 11:48:14 · 859 阅读 · 0 评论 -
【机器学习&深度学习】03 Matplotlib
Matplotlib1 pylot介绍2 图像的读取、绘制、显示、保存2.1 figure():用来打开输出窗口2.2 show()/imshow():显示图像2.3 plot():绘制函数2.4 imread():从外部读取图像2.5 savefig():保存图像2.6 subplot()/subplots():显示多张图片3 图像组件3.1 刻度范围3.2 刻度划分3.3 显示刻度标签3.4 坐标轴标签或标题4 绘图函数4.1 饼状图: `plt.pie()`4.2 直方图:`plt.hist()`4.原创 2022-05-05 11:41:53 · 1022 阅读 · 0 评论 -
【机器学习&深度学习】02 Pandas
文章目录1 介绍2 数据结构2.1 Pandas.DataFrame2.2 索引2.3 层次化索引2.4 数据的合并2.5 数据的分割与拆分3 文件读写3.1 读写数据(1)read_csv函数:读取csv数据(2)read_table函数:读取txt数据(3)to_csv方法:把数据写入 CSV 文件中并生成3.2 缺失值数据处理/数据清洗(1)删除缺失值(2)填充缺失值(3)判断缺失值4 数据特征分析4.1 排序4.2 基本统计数据4.3 累计统计数据4.4 相关性分析1 介绍pandas 是一个原创 2022-04-30 16:29:24 · 2003 阅读 · 0 评论 -
【机器学习&深度学习】01 anaconda的安装及使用方法
文章目录1. Windows 系统下的环境安装配置2. anaconda基本使用方法2.1 environment模块介绍2.2 连接pycharm3. 参考1. Windows 系统下的环境安装配置Anaconda是Python的一个科学计算发行版,内置了Python和数百个Python经常会使用的库,也包括许多我们做机器学习或数据挖掘的库,包括Scikit-learn、NumPy、SciPy、Pandas等,其中可能有一些还是深度学习框架TensorFlow的依赖库。我们在安装这些库时,通常都需要原创 2022-04-30 14:34:33 · 2546 阅读 · 0 评论