python
文章平均质量分 90
不发文不改名
这个作者很懒,什么都没留下…
展开
-
依据提供的人脸图像库facedatabase和非人脸图像库nonfacedatabase,利用 PCA 降维与欧式距离判断输入的测试图像是否是人脸,要求测试集facetestset 的准确率不低于 6
依据提供的人脸图像库facedatabase和非人脸图像库nonfacedatabase,利用 PCA 降维与欧式距离判断输入的测试图像是否是人脸,要求测试集facetestset 的准确率不低于 65%。提示:由于最高的几个 PCA 向量倾向于捕捉亮度模式而不是人脸特性,可删除前 3~5 个 PCA 向量。可借助提供的readInFaces.m,isFaceTest.m 和 isFace.m 等编写 Matlab 代码完成检测并给出准确率,显示测试集中所有错误检测的图。答:1、首先读取数据集中的所原创 2021-04-21 22:20:38 · 660 阅读 · 0 评论 -
skipping ‘mesh_core_cython.cpp‘ Cython extension (up-to-date)
我在pycharm中编译C++文件,但是出现了如下错误:running build_extskipping 'mesh_core_cython.cpp' Cython extension (up-to-date)且 run setup.py文件显示报错:no commands supplied解决办法:python setup.py install然后再编译C++文件:python setup.py build_ext -i问题就解决啦...原创 2020-11-09 20:30:35 · 3014 阅读 · 7 评论 -
MinGW-w64安装配置全过程
前言《简单易懂的MinGW-w64安装教程》这篇文章由 居红乡 (https://rsreland.net)于2016年09月24日 编写,MinGW-w64 对应的 gcc 是 6.2.0 版本(也可能适用6.3.0及以上版本),运行环境是 Windows 10 操作系统。(请注意本文的编写时间,及软件版本,来判断本文是否还有效。)本文主要讲述如何安装 C语言 编译器——MinGW-w64,特点是文章附有完整详细的实际安装过程截图,文字反而起说明提示作用。编写本文的原因始于我的一个观点:图片.原创 2020-10-27 09:48:44 · 5467 阅读 · 2 评论 -
吴恩达<深度学习>第二周编程作业 详细注解
import numpy as npimport matplotlib.pyplot as pltimport h5py # 用于与存储在H5文件中的数据集交互# scipy和PIL 用于最后用你自己的图片测试你的模型import scipyfrom PIL import Imagefrom scipy import ndimagefrom lr_utils import load_dataset #该函数在lr_utils.py文件中train_set_x_orig , trai.原创 2020-10-14 19:12:48 · 569 阅读 · 0 评论 -
向量化的好处举例
1、向量化向量化(Vectorization)就是利用矩阵运算(代替for循环),提高运算速度。如上图所示:向量化计算的速度是for循环计算速度的600倍原创 2020-10-11 11:23:32 · 846 阅读 · 1 评论 -
图像处理的第一个Demo Mask R-CNN :基于 Win10 的 Mask RCNN 环境搭建+Mask R-CNN demo演示
准备工作:下载好源码和cocoAPI包Mask R-CNN论文地址:https://arxiv.org/abs/1703.06870开源地址:https://github.com/matterport/Mask_RCNN将该项目下载下来。同时下载 Mask RCNN 的预训练模型 “mask_rcnn_coco.h5”,放置于本地 Mask_RCNN 开源库的根目录下。“mask_rcnn_coco.h5” 下载地址:https://github.com/matterpo原创 2020-10-09 21:10:49 · 344 阅读 · 0 评论 -
python矩阵的切片(或截取)
矩阵一般有行也有列,所以矩阵的截取也需要包含行和列两个参数。 假设a是一个矩阵,a的截取就可写成:a[起始行:终止行,起始列:终止列],中括号中有一个逗号,逗号前的是为了分割行的,逗号后的是为了分割列的。例如:a1=np.array([[1,2,3,4],[5,6,7,8],[11,12,13,14],[2,3,4,5]]) 1 2 3 importnumpy as np a1=np.array([[1,2,3,4],[5,6,7,8].转载 2020-09-24 19:28:14 · 8441 阅读 · 0 评论 -
k-近邻算法代码细节
k-邻近算法概述:k-邻近算法采用测量不同特征值之间的距离方法进行分类优点:精度高、对异常值不敏感、无数据输入假定缺点:计算复杂度高、空间复杂度高使用数据范围:数值型和标称型工作原理:存在一个样本数据集合(也称作训练样本集),并且样本集中每个数据都存在标签,即我们知道样本集中每一数据与所属的对应关系。输入没有标签的新数据后,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,然后算法提取样本集中特征最相似数据(最邻近)的分类标签。一般来说,选取样本数据集中前k个最相似的数据,这就是k-.原创 2020-09-21 19:48:46 · 256 阅读 · 0 评论