![](https://img-blog.csdnimg.cn/20201014180756919.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
人工智能
文章平均质量分 80
醉意丶千层梦
这个作者很懒,什么都没留下…
展开
-
Python基于keras训练简单微笑识别
文章目录一、数据预处理二、训练模型创建模型训练模型训练结果三、预测效果四、源代码pretreatment.pytrain.pypredict.py一、数据预处理实验数据来自genki4k提取含有完整人脸的图片def init_file(): num = 0 bar = tqdm(os.listdir(read_path)) for file_name in bar: bar.desc = "预处理图片: " # a图片的全路径原创 2022-01-18 16:51:49 · 4358 阅读 · 2 评论 -
Java基于OpenCV+Hog+SVM实现微笑检测
一、配置Java的OpenCV环境二、训练1.读取所有的图片,截取图片中的人脸并保存2.把所有的人脸图片进行随机分组3.计算梯度值4.提取Hog值5.训练模型6.模型评估7.训练结果三、预测1.读取摄像头2.创建显示图片的窗体3.捕获读取到的人脸4.标注人脸5.对获取到的人脸进行提取Hog特征值并进行预测6.对预测结果进行相关操作7.预测结果四、源代码SmileTrainSmilePredict五、总结六、参考原创 2021-12-05 00:54:06 · 833 阅读 · 0 评论 -
OpenCV+Python实现将车牌数字分割为单个的字符图片
一、实现代码1.图片预处理读取图片处理车牌上的螺丝转灰度二值化闭运算找字符边界绘制边界预处理效果2.切割字符预处理图转灰度计算每一列的黑色和白色数量以及最大值定义找右边界函数切割字符以及保存切割结果到文件切割结果3.源代码二、原数据三、最终结果四、总结五、参考原创 2021-12-03 23:14:36 · 8124 阅读 · 2 评论 -
OpenCV+Python简单实践
文章目录一、基础练习1.基础函数2.找中心3.修改4.读取图片和视频一、基础练习1.基础函数读取图片img = cv.imread('../Resources/Photos/park.jpg')转灰度图片gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)高斯滤波blur = cv.GaussianBlur(img, (7,7), cv.BORDER_DEFAULT)边缘检测canny = cv.Canny(blur, 125, 175)膨胀d原创 2021-12-03 15:09:03 · 858 阅读 · 0 评论 -
OpenCV+Python简单实践之硬币检测以及条形码检测
一、简单图片格式1.位图2.文件压缩比二、用奇异值分解(SVD)对一张图片进行特征值提取(降维)处理1.代码2.效果三、采用图像的开闭运算(腐蚀-膨胀),检测出2个样本图像中硬币、细胞的个数1.硬币检测代码读取图片转为灰度图片图片二值化腐蚀膨胀找到硬币中心标识硬币显示结果最终结果源码2.细胞检测四、 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读取图片转为灰度图片高斯滤波处理Sobel算子计算梯度差均值方波消除高频噪声原创 2021-12-01 22:25:15 · 2819 阅读 · 0 评论 -
基于OpenCV+dilb建立自己的人脸数据集及进行简单人脸识别
文章目录一、原理二、代码实现1.提取人脸2.获取人脸的特征点人脸识别三、结果1.提取人脸效果2.提取特征值3.人脸预测四、总结五、参考一、原理参考前面的博客基于OpenCv+Python+Dlib实现简单人脸数据采集二、代码实现1.提取人脸输入需要录制的人的姓名用来创建对应文件夹来保存图片,通过摄像头捕获到的图片进行人脸检测,当检测到人脸后用矩形进行标注。按下s键进行保存,ESC键盘退出。import cv2import dlibimport osimport sysimport ran原创 2021-11-14 16:28:25 · 6797 阅读 · 0 评论 -
基于LibSVM得到决策函数
文章目录一、原理二、代码1.下载LIbSVm2.解压3.选择对应语言代码4.准备数据5.进行训练三、结果1.代码运行结果2.输出文件3.模型数据数据说明线性模型多项式模型高斯核模型4.决策函数四、总结五、参考一、原理svm算法可以参考博客基于Sklearn实现SVM算法二、代码1.下载LIbSVm下载地址2.解压解压后文件如图3.选择对应语言代码我使用的是Java,故把java文件下的文件都引入到项目当中。Idea中如图4.准备数据打开libsvm文件下的windows文件原创 2021-11-13 18:38:13 · 1240 阅读 · 5 评论 -
基于Sklearn+matlab绘制SVM决策函数
文章目录一、原理二、实现1.引包2.定义函数3.月亮数据集多项式拟合结果高斯核拟合结果4.鸢尾花数据集多项式拟合结果高斯核拟合结果三、总结四、参考一、原理将实例的特征向量(以二维为例)映射为空间中的一些点,如下图的实心点和空心点,它们属于不同的两类。SVM 的目的就是想要画出一条线,以“最好地”区分这两类点,以至如果以后有了新的点,这条线也能做出很好的分类。二、实现1.引包import numpy as npimport matplotlib.pyplot as pltfrom sklear原创 2021-11-10 20:27:56 · 1672 阅读 · 0 评论 -
基于OpenCv+Python+Dlib实现简单人脸数据采集
文章目录一、原理二、代码1.标点2.画墨镜3.全部代码三、效果1.原图2.特征点3.墨镜四、总结五、参考一、原理1.调用dlib库来进行人脸识别,调用预测器 “shape_predictor_68_face_landmarks.dat”进行68点标定2.存入68个点坐标3.利用cv2.circle来画68个点4.利用cv2.putText()函数来画数字1-68二、代码1.标点detector = dlib.get_frontal_face_detector()predictor = d原创 2021-11-10 16:24:55 · 3634 阅读 · 0 评论 -
基于Sklearn实现SVM算法
文章目录一、SVM算法二、算法实现1.引包2.加载数据3.修改数据4.定义函数5.线性处理6.非线性处理7.核函数处理8.高斯核函数处理三、总结四、参考一、SVM算法将实例的特征向量(以二维为例)映射为空间中的一些点,如下图的实心点和空心点,它们属于不同的两类。SVM 的目的就是想要画出一条线,以“最好地”区分这两类点,以至如果以后有了新的点,这条线也能做出很好的分类。二、算法实现1.引包import numpy as npimport matplotlib.pyplot as pltfro原创 2021-11-05 19:53:45 · 4310 阅读 · 0 评论 -
基于Sklearn实现LDA算法
文章目录一、LDA算法二、sklearn实现LDA三、结果如图四、总结五、参考一、LDA算法1.线性判别分析(Linear Discriminant Analysis, LDA)方法常被用于数据预处理中的降维(dimensionality reduction)步骤。LDA在保证良好的类别区分度的前提下,将数据集向更低维空间投影,以求在避免过拟合(“维数灾难”)的同时,减小计算消耗。2.计算步骤计算数据集中不同类别数据的 d 维均值向量。计算散布矩阵,包括类间、类内散布矩阵。计算散布矩阵的特征向原创 2021-11-05 16:44:10 · 10372 阅读 · 2 评论 -
西瓜决策树-纯算法
文章目录ID3决策树算法一、理论二、代码实现1.引入数据和需要用到的包2.函数计算熵拆分数据集选择最好的特征寻找最多的,作为标签生成树初始化画图3.结果三、参考ID3决策树算法一、理论纯度(purity)对于一个分支结点,如果该结点所包含的样本都属于同一类,那么它的纯度为1,而我们总是希望纯度越高越好,也就是尽可能多的样本属于同一类别。那么如何衡量“纯度”呢?由此引入“信息熵”的概念。信息熵(information entropy)假定当前样本集合D中第k类样本所占的比例为pk(k=1,原创 2021-10-24 00:57:05 · 1148 阅读 · 0 评论 -
西瓜决策树-sklearn实现
文章目录sklearn实现ID3、C4.5、CART算法实现一、引包二、读取数据三、数据编码四、ID3拟合ID3算法DecisionTreeClassifier参数说明sklearn拟合代码五、CART拟合CART算法基尼指数:六、参考sklearn实现ID3、C4.5、CART算法实现一、引包import pandas as pdfrom sklearn.preprocessing import LabelEncoderfrom sklearn.tree import DecisionTreeC原创 2021-10-24 00:54:12 · 1361 阅读 · 0 评论 -
sklearn多元线性回归预测房价
多元线性回归一、不处理数据直接求解import pandas as pdimport numpy as npimport mathimport matplotlib.pyplot as plt # 画图from sklearn import linear_model # 线性模型data = pd.read_csv('house_prices.csv') #读取数据data.head() #数据展示 house_id neighb原创 2021-10-24 00:44:31 · 3605 阅读 · 1 评论 -
多元线性回归模型预测房价
文章目录一、基础包与数据导入导入需要用到的包读取数据二、数据清洗1.常用数据清洗方法数字异常值|Numeric OutlierZ-score2.函数实现三、分析数据四、拟合1.引入模型2.建模3.模型优化4.再次建模5.处理多元共线性参考一、基础包与数据导入导入需要用到的包import pandas as pdimport numpy as npimport seaborn as snsimport matplotlib.pyplot as plt读取数据df = pd.read_csv(原创 2021-10-23 20:18:15 · 416 阅读 · 0 评论 -
用Excel求线性回归方程
文章目录一、何为线性回归二、如何制作线性回归最小二乘法三、利用Excel求线性回归方程操作方法1.选择需要拟合的数据2.点击工具栏的插入,选择插入散点图3.在生成的表格右上角勾选上生成渐近线4.右击生成的渐近线,选择设置渐近线格式5.勾选线性以及显示公式6.最终效果拟合数据1、选取前20组数据2、选取前200组数据3、选取前2000组数据一、何为线性回归线性回归是利用数理统计中回归分析,来确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法,运用十分广泛。其表达形式为y = w’x+e,e为误差原创 2021-09-28 13:46:27 · 33220 阅读 · 0 评论