qq_45659777的博客

文章目录一.学习资料二.Section11.basic_functions.py2.contours.py3.draw.py4.read.py5.thresh.py6.transformations.py三.Section21.bitwise.py2.blurring.py3.colour_spaces.py4.gradients.py5.histogram.py6.masking.py7.rescale_resize.py8.splitmerge.py四.总结一.学习资料链接：https://pan.

文章目录一.实验准备二.图片预处理三.Dlib提取人脸特征四.微笑识别1.建立模型2.图片检测模型3.相机检测模型五.总结六.参考链接一.实验准备下载实验所需包pip install scikit-imagepip install playsoundpip install pandaspip install sklearn二.图片预处理这里图片的预处理包括人脸识别裁剪，数据集划分，具体操作和https://blog.csdn.net/qq_45659777/article/detai

文章目录一.实验准备二.图片预处理三.划分数据集四.CNN提取人脸识别笑脸和非笑脸1.创建模型2.归一化处理3.数据增强4.创建网络5.单张图片测试6.摄像头实时测试五.Dlib提取人脸特征识别笑脸和非笑脸六.参考链接：一.实验准备环境搭建pip install tensorflow==1.2.0pip install keras==2.0.6pip install dlib==19.6.1pip install h5py==2.10如果是新建虚拟环境，还需安装以下包pip inst

文章目录一.在Anaconda的虚拟环境下安装selenium 和webdrive等必要库1.虚拟环境的主要操作命令1.创建虚拟环境2.查看已经创建的虚拟环境3.激活虚拟环境4.退出虚拟环境5.删除虚拟环境2.安装本次实验所需安装包二.对百度进行自动化测试1.打开浏览器，进入百度搜索界面三.爬取指定网页[http://quotes.toscrape.com/js/](http://quotes.toscrape.com/js/)的名言四.Selenium:requests+Selenum爬取京东图书五.总结

文章目录一.OpenCV+Python车牌字符分割二.代码实现关键代码完整代码：处理效果：三.参考链接一.OpenCV+Python车牌字符分割车牌号检测大致分为以下四个部分：1.车辆图像获取2.车牌定位3.车牌字符分割4.车牌字符识别处理原理：车牌定位需要用到的是图片二值化为黑白后进canny边缘检测后多次进行开运算与闭运算用于消除小块的区域，保留大块的区域，后用cv2.rectangle选取矩形框，从而定位车牌位置车牌字符的分割前需要准备的是只保留车牌部分，将其他部分均变为黑色背景

文章目录一.比较不同位深度BMP文件二.用奇异只分解对图片进行降维处理三.采用图像的开闭运算，检测出2个样本图像中硬币、细胞的个数四.采用图像梯度、开闭、轮廓运算等，对图片中的条形码进行定位提取；再调用条码库获得条码字符五.总结六.参考链接：一.比较不同位深度BMP文件从网页上下载一张彩色图片，查看该图片信息，显示位深度24通过电脑画图程序和PS软件，分别将该图片保存为 32位、16位彩色和256色、16色、单色的位图（BMP)文件。得到以下图片分别查看这些图片信息首先是32位彩色图col

文章目录一.爬虫1.初识网络爬虫2.网络爬虫的分类2.1 通用网络爬虫2.2 增量爬虫2.3 垂直爬虫2.4 Deep Web爬虫3.Robots协议二.创建anaconda虚拟环境三.爬取网站 http://www.51mxd.cn/练习题目数据并保存四.爬取网站http://news.cqjtu.edu.cn/xxtz.html中近几年的消息通知的发布日期和标题五.总结六.参考链接一.爬虫1.初识网络爬虫什么是爬虫？网络爬虫英文名叨Web Crawler戒Web Spider。它是一种自动浏

文章目录一.下载LibSVM二.使用LibSVM制作鸢尾花数据集三.利用上述数据集实现模型训练并写出决策函数的数学公式四.总结：五.参考链接：一.下载LibSVM传送门：https://www.csie.ntu.edu.tw/~cjlin/libsvm/二.使用LibSVM制作鸢尾花数据集将下载的压缩文件解压如下：该文件夹中有多种语言的代码，可自行根据自己的需要进行使用。点击windows文件夹，在文件夹中找到名为svm-toy.exe的运行程序并运行手动绘制数据集的点：使用时，在程序运

文章目录一.人脸识别数据集的建立基于dlib库人脸特征提取二.总结三.参考链接一.人脸识别数据集的建立基于dlib库人脸特征提取1.采集自己的脸部图片20张，保存到文件夹中源码：import cv2import dlibimport osimport sysimport random# 存储位置output_dir = 'D:/myworkspace/JupyterNotebook/People/person/631907060311'size = 64 if not os.pa

文章目录一.汉字点阵字库原理1 汉字编码1.1 区位码1.2 机内码2 点阵字库结构2.1 点阵字库存储2.2 16×16点阵字库2.3 14×14与12×12点阵字库3 汉字点阵获取3.1 利用区位码获取汉字3.2 利用汉字机内码获取汉字二.Ubuntu+OpenCV+C++显示图片三.总结一.汉字点阵字库原理1 汉字编码1.1 区位码在国标 GD2312—80 中规定，所有的国标汉字及符号分配在一个 94 行、94 列的方 阵中，方阵的每一行称为一个“区”，编号为 01 区到 94 区，每一列

文章目录一.安装dlib以及OpenCV二.dlib的68点模型三.Python实现摄像头人脸检测一.安装dlib以及OpenCV到此处http://dlib.net找到自己合适的安装包下载，下载后解压缩包。在Anaconda Prompt中使用命令pip install dlib-19.17.99-cp37-cp37m-win_amd64.whl命令中的cp37是指自己的python版本为3.7，如果是其他版本要下载对应的安装包，不要下错了！！！。命令pip install opencv-pyth

文章目录一核函数多项式核函数RBF核函数二.超参数（\gamma γ）三.总结四.参考链接一核函数在现实当中，大部分时候数据并不是线性可分的，这个时候满足这样条件的超平面就根本不存在。核函数特点及优点：不需要每次都具体计算出原始样本点映射的新的无穷维度的样本点，直接使用映射后的新的样本点的点乘计算公式即可；减少计算量减少存储空间一般将原始样本变形，通常是将低维的样本数据变为高维数据，存储高维数据花费较多的存储空间；使用核函数，不用考虑原来样本改变后的样子，也不用存储变化后的结果，只需要直接使

文章目录一.线性判别准则（LDA）二.线性分类算法支持向量机（SVM）三.编程实践1.编程生成模拟数据集，进行LDA算法练习LDA算法处理鸢尾花数据集：处理月亮数据集：2.对月亮数据集进行SVM分类四.总结五.参考链接一.线性判别准则（LDA）LDA是一种监督学习的降维技术。也就是说它的数据集的每个样本是有类别输出的，这点和PCA不同。PCA是不考虑样本类别输出的无监督降维技术。LDA的思想可以用一句话概括，就是“投影后类内方差最小，类间方差最大”。LDA算法既可以用来降维，又可以用来分类，但是目前来

文章目录一.决策树1.画法2.决策树的剪枝3.挑西瓜决策树3.1利用信息增益选择最优划分属性3.2python代码实现二.sk-learn库对西瓜数据集，分别进行ID3、C4.5和CART的算法代码实现1.ID3算法2.C4.5算法3.CART算法三.总结四.参考链接：一.决策树在机器学习中，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。Entropy = 系统的凌乱程度，使用算法ID3, C4.5和C5.0生成树算法使用熵。这一度量是基于信息学理论中熵的概念。1.画法机器学

文章目录一.多元线性回归1.常见数据预处理1.1数据挖掘中使用数据的原则1.2常见的数据预处理方法2.数据清洗2.1缺失值处理的方法2.2噪声数据处理2.2.1分箱的方法：有4种：等深分箱法、等宽分箱法、最小熵法和用户自定义区间法。2.2.2数据平滑方法3.数据集成4.数据变换数据变换策略主要包括以下几种：5.数据归约6.特征共线性6.1产生原因6.2判别多重共线性6.3影响6.4处理原则6.5处理方法7.参数估计7.1普通最小二乘估计7.2最大似然估计7.3矩估计二.用EXcel做房价预测线性回归1.剔除

一.安装OpenCV3.4.11参考该链接https://blog.csdn.net/ssj925319/article/details/109231145完成OpenCV3.4.11 的安装。二.图片示例创建code目录，在该目录下创建test1.cpp文件test1.cpp#include <opencv2/highgui.hpp>#include <opencv2/opencv.hpp>using namespace cv;using namespace std

一.gcc生成静态库和动态库1.编辑生成例子程序hello.h,hello.c和main.c。使用命令创建目录，并进入该目录。使用gedit命令编辑文件hello.h#ifndef HELLO_H#define HELLO_Hvoid hello(const char *name);#endif //HELLO_Hhello.c#include <stdio.h>void hello(const char *name){printf("Hello %s!\n", n