- 博客(19)
- 资源 (2)
- 收藏
- 关注
RSS订阅原创 OpenCV固定阈值二值化
threshold：固定阈值二值化，ret, dst = cv2.threshold(src, thresh, maxval, type)1src： 输入图，只能输入单通道图像，通常来说为灰度图dst： 输出图thresh： 阈值maxval： 当像素值超过了阈值（或者小于阈值，根据type来决定），所赋予的值type：二值化操作的类型，包含以下5种类型： cv2.THRESH_BI...
2018-11-21 18:26:46
1989
原创 线性回归模型的性能评价指标
本节讨论下线性回归模型的性能评价指标对于机器学习的两个基本问题分类和回归的评价方式有所不同，分类问题一般通过分类准确率、召回率、F1值、ROC/AUC等手段进行模型的评估。对于回归问题，该如何评价？ 这里简要列举部分评估方法。1、残差估计总体思想是计算实际值与预测值间的差值简称残差。从而实现对回归模型的评估，一般可以画出残差图，进行分析评估、估计模型的异常值、同时还可以检查模型是否是...
2018-11-20 14:09:09
12743
原创 线性回归及RANSAC异常值清除算法案例
线性回归及RANSAC异常值清除算法案例1、常规线性回归import matplotlib.pyplot as pltimport seaborn as snsimport pandas as pdimport numpy as npfrom sklearn.linear_model import LinearRegressionfrom sklearn.linear_mode...
2018-11-20 12:46:51
5919
1
原创 seaborn中pairplot函数可视化探索数据特征间的关系
seaborn中pairplot函数可视化探索数据特征间的关系，案例使用数据集为波士顿房价数据集。读者可自行下载。 import matplotlib.pyplot as pltimport seaborn as snsimport pandas as pdimport numpy as np# 读取数据df = pd.read_csv('boston.csv', sep='...
2018-11-20 11:22:57
13414
6
原创 中科院NIPS 2017论文提出深度离散哈希算法，可用于图像检索：Deep Supervised Discrete Hashing
中国科学院 提出了一种深度离散哈希算法（discrete hashing algorithm），该算法认为学习到的二值编码应该也可以用于分类。 实验结果表明该方法在基准数据集上的表现要好过目前最好的哈希方法。图 1 深度离散哈希编码示意图由于网络上的图像和视频数据的快速增长，哈希算法（Hashing）在近几年间引起了极大的关注。由于其较低的计算成本和较高的存储效率，是图像搜索和视...
2018-11-19 13:13:54
3219
原创 机器学习算法实战案例
1、svm算法 from sklearn.svm import SVC svm = SVC(kernel='rbf', random_state=0, gamma=0.2, C=1.0) svm.fit(featureListArray) pred = svm.predict(featureListArray) print(pred)2、KMeans...
2018-11-16 20:24:26
1668
原创 Google Colab 免费GPU服务器使用教程
官方说明Colaboratory 是一个研究项目，可免费使用。（暂不确定这个项目是不是长久有效）Colaboratory 支持 Python 2.7 和 Python 3.6。谷歌中文说明：https://colab.research.google.com/notebook以下教程基于Google浏览器（桌面版 Chrome）操作，并且使用代理访问Google。申请Colabo...
2018-11-15 18:39:22
2101
原创 《Learning Deep Features for Discriminative Localization》文章解读
摘要 在这项工作中， 我们重新审视了《 Network in network》中提出的全局平均 池化层（global average pooling），并阐明了它是如何通过图片标签就能让卷积神经网络具有卓越的定位能力。虽然这项技术以前被当做正则化训练的一种方法，但是我们发现它实际构建了一种通用的适用于各种任务的能定位的深度表示。尽管global average pooling很简单，我们仍然能够在...
2018-11-14 16:39:13
794
原创 图像卷积网络模型汇总
New weights files: NASNet, DenseNet fchollet released this on 16 JanAssets12densenet121_weights_tf_dim_ordering_tf_kernels.h532.5 MB densenet121_weights_tf_dim_ordering_tf_kernels_notop.h528.6 ...
2018-11-13 18:18:50
2594
原创 Keras迁移学习提取特征
Application应用Kera的应用模块Application提供了带有预训练权重的Keras模型，这些模型可以用来进行预测、特征提取和finetune模型的预训练权重将下载到~/.keras/models/并在载入模型时自动载入可用的模型应用于图像分类的模型,权重训练自ImageNet：XceptionVGG16VGG19ResNet50InceptionV3所有的这...
2018-11-13 18:13:58
5119
原创 Keras迁移学习实现图像分类和特征提取
Kera的应用模块Application提供了带有预训练权重的Keras模型，这些模型可以用来进行预测、特征提取和finetune模型的预训练权重将下载到~/.keras/models/并在载入模型时自动载入可用的模型应用于图像分类的模型,权重训练自ImageNet： Xception VGG16 VGG19 ResNet50 InceptionV3InceptionResNetV2 ...
2018-11-13 17:57:58
5985
1
原创 Vim命令总结
/xxx 搜索关键字 xxx 按n就会自动把光标跳到下一个:noh 取消搜索关键字的高亮 dd 删除一行 n dd 删除n行 n为整数，而不是字母nshift+ZZ 快速保存并退出 ...
2018-11-12 13:10:09
86
原创 python将nan, inf转为特定的数字
在有些机器学习和神经网络模型训练过程中，可能会遇到原始数据集经过预处理后，数据中包含Nan、Inf等占位符，导致模型训练损失函数计算出现偏差，最终导致模型准确率低的问题。所以需要在预处理阶段，将该部分数据进行处理操作，常见操作为数据标准化处理后用0代替， 另一种方法是利用插值方法进行数据填充。本部分只讲解0填充方法。代码：import numpy as npa = np.arra...
2018-11-12 12:58:07
1396
原创 Keras模型训练过程汇总acc为0的问题
直接叙述问题，在模型训练过程中， 出现准确率为0.0000e+00 (using Keras)的情况，查找了很多原因，初步确定问题出在数据集处理不恰当，导致计算损失过程中， 要么是0，要么是1.下面贴出在 Stack Overflow上查找的可能原因：My recommendations regarding the issue:try different optimizers, f.e...
2018-11-11 19:57:57
11647
1
原创 机器学习：样本去中心化目的
在回归问题和一些机器学习算法中，以及训练神经网络的过程中，通常需要对原始数据进行中心化（Zero-centered或者Mean-subtraction）处理和标准化（Standardization或Normalization）处理。目的：通过中心化和标准化处理，得到均值为0，标准差为1的服从标准正态分布的数据。 计算过程由下式表示： 下面解释一下为什么需要使用这些数据预处理步骤。在一些实...
2018-11-09 11:12:56
2466
原创 传统图像特征处理方法：颜色直方图、SIFT、HOG
之前学过的机器学习都是对一些有标签的数据通过分类器进行学习，那么对带标签的图像如何进行学习呢？ 如果我们用一些特征来描述这些图片则也可以进行机器学习，因此我们来介绍几种常用的图像特征描述。（虽然现在有了CNN，CNN可以自己进行特征提取，但还是需要对OPenCV传统的特征提取方法有一些了解的）我们对特征的描述是根据最后的应用场景设计特征，如应用场景更关心颜色则用颜色特征，因此无普适性（ 但是...
2018-11-06 22:13:39
7240
原创 方向梯度直方图-Hog算法简介
本文来自于对网上文章的归纳整理，再加入了一些自己的理解。图像梯度介绍一下图像梯度的含义：上图中，标量场是黑白的，黑色表示大的数值，而相应的梯度用红色箭头表示。可以把图像看成二维离散函数，图像梯度其实就是这个二维离散函数的求导：图像梯度: G(x,y) = dx i + dy j;dx(i,j) = I(i+1,j) - I(i,j);dy(i,j) = I(i,j+1) -...
2018-11-06 20:09:48
795
原创 HOG 特征的提取--基于scikit-image
简介HOG 特征, histogram of oriented gradient, 梯度方向直方图特征, 作为提取基于梯度的特征, HOG 采用了统计的方式(直方图)进行提取. 其基本思路是将图像局部的梯度统计特征拼接起来作为总特征. 局部特征在这里指的是将图像划分为多个Block, 每个Block内的特征进行联合以形成最终的特征. 具体来说:将图像分块: 以Block 为单位, 每个Bl...
2018-11-06 18:08:10
1246
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人