- 博客(18)
- 收藏
- 关注
RSS订阅原创 CV笔记11：HOG特征
目录一、写在前面二、HOG(Histogram of Oriented Gradient)特征2.1 Hog特征的求取步骤2.2.1 图像预处理一、写在前面图像描述子，简单来说就是包含了一张图像主要信息的数据集，它是对图像的简化表示，仅仅含有了图像的重要信息。就如对一篇繁长的文章做了一次简写或概述一样。专业一点，图像描述子，也就是我们常提到的“提取图像特征”中的图像特征，这些特征能够更好地让机器理解图象，直白地说就是该特征能够更好的让决策模性进行分类等决策。图像描述子可以分为人工设计的特征和模性学习到
2020-07-06 23:52:29
1113
原创 CV笔记10：人脸检测之Haar-like特征
目录一、背景介绍1.1 人脸检测分类器训练流程1.2 人脸检测测试样例检测流程1.3 人脸检测使用的特征二、Haar-Like特征2.1 Haar特征介绍2.2 haar特征计算之积分图2.3 Haar特征的含义及归一化处理三、后续参考一、背景介绍我们会经常听到人脸检测和人脸识别这两个名词，但是你真的分清了他两者的含义了吗？简单地讲，人脸检测的目标就是将图像中的人脸位置进行标记，通常使人脸位置以矩形框(bounding box)的形式给出，也就是说人脸识别就是找出图像中的人脸。在人脸识别中，其目标是判
2020-07-02 16:21:17
2471
1
原创 CV笔记9：纹理特征之LBP特征（基于python实现）
目录一、背景介绍1.1 什么是纹理特征？1.2 纹理描述方法二、基于python的LBP算法说明及实现2.1 LBP特征提取的一般步骤2.2 原始LBP2.3 圆形LBP算子2.5 旋转不变性2.4 等价模式和混合模式三、基于python-skimage的LBP实现四、基于python-opencv的LBP实现参考一、背景介绍LBP特征曾广泛应用在人脸检测中，但随着深度学习的发展，其竞争力有所下降，但却不能抹灭其存在的价值意义。LBP特征是一种用来描述图像局部纹理的特征描述子，具有旋转不变性、灰度不变
2020-06-28 23:46:39
9546
原创 CV笔记8：角点特征之Harris角点检测算法（基于python-opencv实现）
目录一、背景介绍1.1 什么是特征1.2 为什么做特征检测1.3 特征检测的方法二、Harris角点检测原理三、基于python-opencv实现Harris角点检测一、背景介绍1.1 什么是特征在数据挖掘、计算机视觉等领域经常会提起“特征”一词，那么究竟什么才是特征？数据挖掘中我们可以称被分析数据集的某一属性（一行为一个样本，一列为一个属性）为特征，因为它反映了该数据集的某一种特性，是该数据集的一种固有标识。在计算机视觉中，一张图像的特征其实也有类似的概念，这种特征也能够描述这张图像的全部（或局部
2020-06-23 23:22:59
8764
6
原创 K-means与K-means++（基于python实现）
目录一、K-means二、K-means++三、代码实现K-means及K-means++原理相对简单，直接引用了下文中的内容：https://www.cnblogs.com/yixuan-xu/p/6272208.html本文重点是基于python实现了K-means和K-means++算法，并做了测试。一、K-means二、K-means++起步由于 K-means 算法的分类结果会受到初始点的选取而有所区别，因此有提出这种算法的改进:K-means++。..
2020-06-15 13:21:42
3349
1
原创 过拟合、欠拟合及L1、L2正则化
一、过拟合及欠拟合在机器学习中我们会经常遇到过拟合和欠拟合的情况，他们在回归问题和分类问题中也有不同的体现，通过下面的讲解能够较好的理解，也只有对其充分的了解才能够在实践中解决实际问题。1.1 欠拟合、过拟合定义在回归问题中，如上图。对于同样的5个点，我们使用不同的曲线进行拟合，我们使用一条一次函数进行拟合，并不能将所有的点拟合到，会有较大的偏差，不能够很好的反映5个点的位置分布，这就称为欠拟合；第二条曲线，采用二次函数进行拟合，虽然曲线并没有全部经过了5个点，但是能够较好的反映5点的.
2020-06-10 14:29:16
347
转载 关联规则之Apriori算法
目录一、关联规则二、Apriori算法2.1 Apriori算法思想2.2 Apriori算法流程一、关联规则关联规则分析(Association Rule Analysis)是为了发掘数据背后的关联关系而诞生的。我们可以定义一个关联规则：其中，X，Y分别表示两个互斥事件，Y称为前因，X称为后果，上述的关联规则表示Y会导致X。但是我们又怎么评判这两个事件之间的关系强弱呢？我们能够通过频繁项集的评估标准来进一步分析。在常用的频繁项集的评估标准中有支持度,置信度和提升
2020-06-08 21:33:09
5520
1
原创 CV笔记3：图像几何变换(基于python-opencv实现)
目录1 简介2 常见仿射变换3 算法理论介绍3.1 变换形式3.2 变换矩阵的理解和记忆4 坐标系变换4.1 图像坐标系与笛卡尔坐标系转换关系：5 反向映射6 插值代码实现参考1 简介几何变换的原理大多都是相似，只是变换矩阵不同，因此，我们以最常用的平移和旋转为例进行学习。在深度学习领域，我们常用平移、旋转、镜像等操作进行数据增广；在传统CV领域，由于某些拍摄角度的问题，我们需要对图像进行矫正处理，而几何变换正是这个处理过程的基础，因此了解和学习几何变换也
2020-05-27 18:44:36
1256
原创 CV笔记2：图像插值算法—最近邻插值、双线性插值
1.1 简介在图像处理中，平移变换、旋转变换以及放缩变换是一些基础且常用的操作。这些几何变换并不改变图象的象素值，只是在图象平面上进行象素的重新排列。在一幅输入图象[u，v]中，灰度值仅在整数位置上有定义。然而，输出图象[x，y]的灰度值一般由处在非整数坐标上的（u，v）值来决定。这就需要插值算法来进行处理，常见的插值算法有最近邻插值、双线性插值和三次样条插值。1.2 最近邻插值最近邻插值，是指将目标图像中的点，对应到源图像中后，找到最相邻的整数点，作为插值后的输出。如上图所示，目.
2020-05-27 18:43:41
2577
原创 CV笔记7：计算机视觉的通俗理解
目录一、图像处理与计算机视觉1.1 PhotoShop与图像处理1.2 图像处理【实质+常见方法】1.3 计算机视觉比图像处理区别在哪里二、通俗理解计算机视觉决策流程2.1 流程的简单实现2.2 eature提取2.3 model2.4 决策性的result2.5 小结补充图像灰度直方图 --> 对图像统计方面的描述一、图像处理与计算机视觉1.1 PhotoShop与图像处理ps就是封装好的图像处理的算法，用一个软件形式进行展示并操作。1
2020-05-22 16:51:22
1563
1
原创 CV笔记6：图像边缘检测之一阶微分算子、二阶微分算子、Canny边缘检测(基于python-opencv实现)
目录一、边缘简介1.1 何为边缘1.2 产生原因二、边缘检测方法2.1 一阶微分算子计算原理2.2 噪声对一阶微分算子的影响及解决方案2.3 常见的一阶微分算子2.3.1 Roberts算子2.3.2 Prewitt算子2.3.3 Sobel算子2.4 二阶微分算子计算原理2.5 常见的二阶微分算子2.5.1 拉普拉斯(Laplace)算子2...
2020-05-07 18:33:46
18096
3
原创 CV笔记5：图像分割之最大类间方差法、自适应阈值分割(基于python-opencv实现)
目录一、简介二、最大类间方差法（大津法）2.1 最大类间方差法原理2.2 基于opencv的实现（简单阈值分割、Otsu阈值分割）三、自适应阈值分割参考一、简介图像阈值化分割是一种传统的最常用的图像分割方法，因其实现简单、计算量小、性能较稳定而成为图像分割中最基本和应用最广泛的分割技术。它特别适用于目标和背景占据不同灰度级范围的图像。它不仅可以极大的压缩数据量，而且...
2020-04-29 19:10:06
9074
原创 CV笔记4：图像噪声及图像平滑(基于python-opencv实现)
目录一、图像噪声介绍1.1 高斯噪声1.2 椒盐噪声二、图像滤波三、图像平滑（降噪）3.1 均值滤波（方框滤波的特殊情况）3.2 高斯滤波3.3 中值滤波3.4 双边滤波参考一、图像噪声介绍图像噪声（image noise）是图像颜色的随机变化，是被拍摄的物体本身没有的颜色变化，是多余的干扰信息。噪声产生的原因：图像获取过程：数码相机的传感器...
2020-04-27 20:52:46
3815
1
原创 CV笔记1：颜色空间介绍及转换
目录一、颜色空间介绍1.1 RGB模型1.2 CMYK模型1.3 YUV（YCbCr）模型1.4HSI模型1.5 HSV(HSB)模型二、颜色空间转换2.1 RGB转灰度图2.2 RGB和HSV相互转换2.3 RGB和HSI相互转换2.4 RGB和YUV相互转换参考一、颜色空间介绍颜色空间也称彩色模型(又称彩色空间或彩色系统）它的用途是在某...
2020-04-25 18:08:43
1635
1
原创 模型融合
基本内容模型融合是建模后期一个重要的环节，大体来说有如下的类型方式。1. 简单加权融合:回归（分类概率）：算术平均融合（Arithmetic mean），几何平均融合（Geometric mean）； 分类：投票（Voting) 综合：排序融合(Rank averaging)，log融合2. stacking/blending:构建多层模型，并利用预测结果再拟合预测。4. b...
2020-04-04 21:29:38
506
原创 数据挖掘建模调参
主要内容1. 模型性能验证：评价函数与目标函数； 交叉验证方法； 留一验证方法； 针对时间序列问题的验证； 绘制学习率曲线； 绘制验证曲线；2. 嵌入式特征选择：Lasso回归； Ridge回归； 决策树；3. 模型对比：常用线性模型； 常用非线性模型；4. 模型调参：贪心调参方法； 网格调参方法； 贝叶斯调参方法示例读取数据时，减少数据的内存占...
2020-04-01 21:56:10
381
原创 特征工程
常见特征工程1. 异常处理通过箱线图（或 3-Sigma）分析删除异常值； BOX-COX 转换（处理有偏分布）； 长尾截断；2. 特征归一化/标准化：标准化（转换为标准正态分布）； 归一化（抓换到 [0,1] 区间）； 针对幂律分布，可以采用公式：3. 数据分桶：等频分桶； 等距分桶； Best-KS 分桶（类似利用基尼指数进行二分类）； 卡方分桶；4. 缺失...
2020-03-28 19:49:00
205
原创 数据挖掘之数据探索分析（EDA）
前言数据探索在机器学习中我们一般称为EDA（Exploratory Data Analysis）： 是指对已有的数据（特别是调查或观察得来的原始数据）在尽量少的先验假定下进行探索，通过作图、制表、方程拟合、计算特征量等手段探索数据的结构和规律的一种数据分析方法。1.1 EDA目标EDA的价值主要在于熟悉数据集，了解数据集，对数据集进行验证来确定所获得数据集可以用于接下...
2020-03-24 21:08:18
2730
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