- 博客(14)
- 收藏
- 关注
RSS订阅原创 计算机视觉——相机标定
一.相机标定相机标定指建立相机图像像素位置与场景点位置之间的关系，根据相机成像模型，由特征点在图像中坐标与世界坐标的对应关系，求解相机模型的参数。相机需要标定的模型参数包括内部参数和外部参数。......
2022-05-25 22:24:40
856
原创 全景图拼接
目录一.图像拼接基本流程二.RANSAC(随机一致性采样)2.1 RANSAC基本思想：数据中包含正确的点和噪声点，合理的模型应该能够在描述正确数据点的同时摒弃噪声点2.2 RANSAC基本流程：2.3 单应性矩阵2.4 拼接图象三.全景图像3.1 提取图像的特征和关键点，匹配图像间的关键点3.2 估计单应性矩阵3.3 扭曲图像四.实验结果4.2 全景图像拼接4.3 图像数据集一.图像拼接基本流程检测并提取图像的特征和关键点 匹.
2022-04-25 19:41:23
655
原创 局部图像描述子
目录一.Harris角点检测算法2.Harris算法的数学表达：3.代码实现3.1实验结果注：1.特征点必须具有旋转不变性如：①几何不变性: 位移、旋转、尺度，......②光度不变性: 光照、 曝光, …...1.2.特征匹配的基本流程①根据特征准则提取图像中的特征点②提取特征点周围的图像块，构造特征描述符③通过特征描述符对比，实现特征匹配一.Harris角点检测算法角点：① 局部窗口沿各个方向移动，都产生明显变.
2022-03-30 22:00:10
325
原创 机器学习——支持向量机SVM
1.1 SVM（1）优点：泛化错误率低，计算开销不大，结果易解释（2）缺点：对参数调节和核函数的选择敏感，原始分类器不加修改仅适用于处理二类问题。（3）适用数据类型：数值型和标称型数据（4）分隔超平面：将下图数据集分割开来的直线称为分隔超平面（由于数据点都在二维平面上，此时分割超平面是直线；当所给数据集是三维的，此时用来分割数据的就是一个平面）N-1维用来分割数据的对象就是超平面，也就是分类的决策边界。如果数据点离决策边界越远，那么其最后的预测也就越可信两个“间隔..
2022-03-09 20:12:23
294
原创 Ｃ＋＋——STL
１．什么是STL STL（Standard Template Library），即标准模板库，是一个具有工业强度的，高效的C++程序库。它被容纳于C++标准程序库（C++ Standard Library）中，是ANSI/ISO C++标准中最新的也是极具革命性的一部分。该库包含了诸多在计算机科学领域里所常用的基本数据结构和基本算法。为广大C++程序员们提供了一个可扩展的应用框架，高度体现了软件的可复用性。１.１ STL特点：（１）数据结构和算法的分离，例如：由于STL的sort()函数是完全通用
2021-11-27 23:52:30
109
原创 机器学习实战——Logistic回归
一.Logicstic回归的一般过程Logicstic回归分类主要思想：根据现有数据对分类边界线建立回归公式，以此分类。这里的“回归”表示要找到最佳拟合参数集，训练分类器时的做法就是寻找最佳拟合参数，使用的是最优化算法。1.logicstic：优点：计算代价不高，易于理解和实现缺点：容易欠拟合，分类精度可能不高适用数据类型：数值型和标称型数据2.sigmoid函数Sigmoid函数是一种阶跃函数( step function )。在数学中,如果实数域上的某个函数可以用半开区间
2021-11-21 16:07:42
856
原创 机器学习——朴素贝叶斯
一.朴素贝叶斯1.条件概率知识:事件A在另外一个事件B已经发生条件下的发生概率。条件概率表示为P（A|B），读作“在B条件下A的概率。如果已知P(A|B),要求P(B|A),则有：全概率公式：表示若事件A1，A2，…，An构成一个完备事件组且都有正概率，则对任意一个事件B都有公式成立。贝叶斯公式是将全概率公式带入到条件概率公式当中， 对于事件A和事件B有：对于P(Ai∣B)来说，分母都是固定的。所以只用比较分子即可。所谓的“朴素”...
2021-11-21 01:12:37
938
原创 机器学习实战——决策树
一.什么是决策树决策树，就是一个类似于流程图的树形结构，树内部的每一个节点代表的是对一个特征的测试，树的分支代表该特征的每一个测试结果，而树的每一个叶子节点代表一个类别。树的最高层是就是根节点。如下图就是个决策树1.1 决策树的生成（1）特征选择：特征选择是指从训练数据中众多的特征中选择一个特征作为当前节点的分裂标准，如何选择特征有着很多不同量化评估标准标准，从而衍生出不同的决策树算法。（2）决策树生成： 根据选择的特征评估标准，从上至下递归地生成子节点，直到数据集不可分则停止决策...
2021-11-17 20:29:28
963
原创 C++实验三——类的继承
目录公有继承私有继承保护继承友元类继承公有继承设计类Base具有public, protected, private等不同属性的成员函数或变量class Base {public: int a=1;protected: int b=2;private: int c=3;};2.使用public继承Base类，子函数在使用public继承Base类时，子函数内部可以访问到protected部分，外部只能访问到public部分（在公有继承中，基类
2021-10-27 00:29:15
338
原创 C++实验——CMatrix类实验
文章目录前言 一、代码展示 二、结果展示 总结前言记录第一次的C++实验（btw:参考的是老师给的代码）一、代码展示Main.CPP#include<iostream>using namespace std;#include"CMatrix.h"int main(){ double pData[10] = { 2,3,4,5 }; CMatrix m1, m2(2, 5, pData); cin >> m1;
2021-10-13 17:32:36
113
原创 机器学习实验二——k-近邻算法实例（书上）
一.k-近邻算法电影类别分类参照：博客一实现代码import numpy as npimport operatordef knn(trainData, testData, labels, k): # 计算训练样本的行数 rowSize = trainData.shape[0] # 计算训练样本和测试样本的差值 diff = np.tile(testData, (rowSize, 1)) - trainData # 计算差值的平方和 sqr
2021-10-10 22:19:24
341
原创 机器学习——K近邻算法
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录前言 一、k近邻算法 二、代码展示 结果展示 总结前言一、什么是K近邻算法简单地说k近邻算法采用不同特征值之间的距离方法进行分类k-近邻算法的核心思想为：对于一个给定的训练集，当新的样本到来时，找到训练集中与新样本距离最近的k个样本，然后查看这k个样本所属类别，并将新样本归类到这k个样本中大多数样本所属类别中工作原理： 存在一个样本数据集合，也称作训练样本集，并且样本..
2021-10-02 22:00:00
184
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