- 博客(24)
- 收藏
- 关注
RSS订阅原创 计算机视觉编程 第九章
本专栏按《python计算机视觉编程 ——Jan Erik Solem》一书为参考，第九章介绍图像分割，图像分割是将图像分割成有意义区域的过程，本章将展示其相关概念和其下的不同分割技术。
2023-08-29 23:41:24
107
原创 计算机视觉编程 第六章
本专栏按《python计算机视觉编程 ——Jan Erik Solem》一书为参考，第六章介绍用K-means方法进行图像聚类，进而寻找到相似的图像组合，此外还介绍了层次聚类和谱聚类两种聚类方法和示例。
2023-08-26 00:38:39
103
原创 计算机视觉编程 多视图几何
本专栏按《python计算机视觉编程 ——Jan Erik Solem》一书为参考，第五章介绍用多个视图来三维重建，即恢复相机位置和三维结构。主要包含特征匹配、估计基础矩阵和照相机矩阵。
2023-08-20 12:16:42
314
原创 计算机视觉编程 第四章
本专栏按《python计算机视觉编程 ——Jan Erik Solem》一书为参考，第四章介绍照相机的相关内容，包含照相机建模和投影建模、计算照相机参数、增强现实等技术。
2023-08-15 11:58:20
86
原创 计算机视觉编程 第三章
本专栏按《python计算机视觉编程 ——Jan Erik Solem》一书为参考，第三章介绍图像间的变换，如图像扭曲、图像位置映射、图像匹配和构建全景图等。本质上是以线性代数变换为基础的图像映射方法。
2023-08-11 21:12:16
76
1
原创 计算机视觉编程 第二章
本专栏按《python计算机视觉编程 ——Jan Erik Solem》一书为参考，第二章介绍图像的局部角点和图像间对应点和区域，通过匹配描述子点达到图像匹配的效果，主要有Harris角点检测器和SIFT技术，在创建全景图、目标跟踪、三维重建等技术中有重要的作用。
2023-08-07 19:36:26
57
原创 计算机视觉编程 第一章
本专栏按《python计算机视觉编程 ——Jan Erik Solem》一书为参考，第一章介绍学习计算机视觉编程的基本操作和知识，并介绍了相关的基本工具如图像转换缩放、画图等，之后的章节都会使用这些基本工具。
2023-08-03 21:15:34
160
1
原创 机器学习实战 第十三章 PCA
假设我们有一个二维数据集，其中包含5个样本点（n=5）。数据集可以表示为一个2x5的矩阵，如下所示降维后的数据集是一个1维数组，这就是经过PCA降维后的结果。由于PCA是基于数据的协方差矩阵计算的，每次运行结果可能会略有不同，但整体的结果都比较接近。其中在PCA中，特征向量是协方差矩阵的特征向量，而协方差矩阵描述了数据在各个特征上的方差和相关性。每个特征向量都对应着一个特征值，特征值表示了数据在该特征向量方向上的方差大小。
2023-07-27 21:29:14
123
1
原创 机器学习（西瓜书）第五章
神经元模型是人工神经网络中的基本计算单元，它模仿了生物神经网络中的神经元。：它主要有俩部分，“级联”和“相关”，级联是指建立层次连接的层级结构，刚开始训练时网络只有输入层和输出层，是最小拓扑结构，随着训练的进行，加入新的隐层神经元，其输入端连接权值是固定的。显然多层的神经网络学习力比单层的感知器强的多，训练的规则也更复杂，**误差逆传播算法(BP)**就是训练多层前馈神经网络的一种算法，这种算法说白了就是按照梯度下降的方法使预测结果与实际结果的误差达到最小，其中使用很多中间变量参数进行求偏导简化学习过程。
2023-07-26 16:20:56
105
1
原创 机器学习实战第十章 K-均值聚类
经过本章的学习，加深了对k-均值的了解，一个典型的聚类算法，主思想是将样本数据划分为K个簇，使得每个样本点都属于离其最近的簇中心，也就是质点，K-均值算法的优点包括简单、易于实现和计算效率高。然而，该算法的结果受到初始簇中心的选择和数据分布的影响，可能会陷入局部最优解。因此，在使用K-均值算法时，通常需要进行多次运行并选择最优的结果。
2023-07-20 20:56:57
936
原创 机器学习实战 第七章
函数首先初始化弱学习器列表（weakClassArr）、样本数量（m）、权重向量（D），以及累计类别估计值（aggClassEst），再迭代训练指定次数（numIt），在当前样本权重（D）下，使用"buildStump"函数构建最佳弱学习器（bestStump）。在这种情况下，TPR 和 FPR 的比例是相等的，分类器无法区分正例和负例。再迭代训练弱学习器，即使用当前样本权重下的训练数据，训练一个弱学习器（例如决策树），之后使用弱学习器对训练数据进行预测，并计算预测结果与实际标签不一致的样本权重之和。
2023-07-18 19:36:36
146
1
原创 机器学习实战 第六章
实现效果如上，自上而下分别是自定义参数k=1.8、1.3和0.1时的结果，0.1中每个支持向量的影响度少因此需要较多数量， 易产生过拟合情况，而比较1.8和1.3的情况可以知道1.3的参数更加合适，支持向量数量少且错误率也不差。用于计算核函数转换后的数据。函数根据给定的核函数类型，计算输入数据矩阵X与样本点A之间的核函数值，并返回结果。到分隔面的距离来确定我们要寻找数据集的最佳分隔直线，SVM通过寻找最优的分隔超平面，并利用支持向量来确定分隔超平面的位置和方向，从而实现对线性可分数据的最佳分隔。
2023-07-15 17:32:18
145
1
原创 机器学习实战 第五章
首先要理解最优化的含义，求不同地点间的最短距离、最少工作量得到最大效率，这种就是最优化，而Logistic回归就是一个最优化算法，它对数据进行分类，其主要思想是：根据现有的数据对分类边界线建立回归公式，以此进行分类。其中回归一词是指用一条线对数据点进行拟合的过程，通过最佳拟合达到“最优化”下面举一个Logistic回归的一个二分类例子：邮件长度是否包含特定关键词是否包含多个感叹号来自陌生发件人邮件是否包含大量大写字母并且有标签垃圾邮件为1、非垃圾邮件为0。
2023-07-12 20:54:08
95
1
原创 机器学习实战 第四章
朴素贝叶斯是一种基于贝叶斯定理的概率图模型，适合用于分类和预测问题，和之前几章具体明确属于哪种类型的算法不同，朴素贝叶斯是通过概率来选择更大可能类别的分类器，下面用一个简单的例子来说明：假设有一个垃圾邮件过滤器，使用朴素贝叶斯分类器来判断一封邮件是否是垃圾邮件。我们的训练数据中有两个类别：垃圾邮件（1）和非垃圾邮件（0）。“免费”，“优惠”，“限时”，标签：1“您好”，“最近好吗”，“周末过得怎么样”，标签：0“立刻购买”，“促销”，“折扣”，标签：1。
2023-07-08 22:18:22
138
原创 机器学习实战 第三章
决策树，就像它的名字一样，利用决策的方法形成的一棵树用来处理数据，它的工作原理与“二十个问题”的小游戏类似，都是通过层层分级缩小范围最后给出答案。用判断邮件类别举个例子：判断一封邮件类别时，首先看它的发送邮件域名地址，若是’‘myEmployer.com’'则判断为无聊时阅读的邮件；否则进行下一层判断，根据是否包含"曲棍球"这个词来判断是需要及时处理的朋友邮件还是垃圾邮件以上图像中，长方形的代表判断模块，椭圆形代表终止模块，左右箭头称作分支，这样就是一个决策树的基本框架。
2023-07-06 20:00:31
111
1
原创 机器学习实战 第二章
K-近邻算法的基本原理数据点1: (0.5, 0.8, 0)数据点2: (1.0, 0.7, 0)数据点3: (0.5, 0.6, 1)数据点4: (1.0, 0.9, 1)同时，我们有一个新的数据点(0.7, 0.8)首先，对于每个数据点，计算新数据点与它们的特征之间的距离，选取距离最小的那个数据点；然后，我们选择距离最小的K个数据点，即距离新数据点最近的K个数据点。对于上面的例子，距离新数据点最近的3个数据点分别是数据点1, 数据点4, 和数据点2；
2023-06-30 22:58:56
95
原创 机器学习实战 第一章
机器学习（Machine Learning，ML）是人工智能（Artificial Intelligence，AI）的一个分支，它是一种能够让计算机系统从数据中学习并改进的技术。简单来说，机器学习就是让计算机自动从数据中发现规律和模式，从而进行预测、分类、回归等任务，而无需进行明确的编程监督学习（Supervised Learning）：这是最常见的机器学习类型。在监督学习中，我们提供数据和对应的标签，也就是说，我们告诉机器我们想要它预测的结果是什么。
2023-06-27 22:13:50
132
1
原创 第九章 形态学图像处理
本章主要从二值图像的形态学入手，了解了形态学的基础知识，不断组合类似于搭积木的样子得到更多的工具形式，并扩展到灰度图像的处理本章学习了形态学的相关知识，从二值图像延伸到灰度图像。腐蚀和膨胀是基础，在腐蚀和膨胀的组合之下形成了开闭运算，并可以组合成更为复杂的工具。在二值图像中，学习到了运用形态学能够执行平滑、边缘检测、凸壳等任务，以及形态学重建，和之前的章节对应了起来，并延伸至灰度图像的相关处理，并简要实现了纹理分割的算法实例。
2023-06-24 15:08:00
134
1
原创 第八章 图像压缩和水印
图像压缩是我们比较熟悉的应用技术，它能减少图像所需的数据量，从而降低存储空间，在传输上也有很好的效果，与之对应的解压技术也是重要的一环。本章主要讲述了压缩的技术，能应用在静止图像和视频，最后介绍了图像水印的技术在本章学习了图像压缩的相关知识，比如压缩的各类编码，有针对编码冗余的霍夫曼编码、Golomb编码、算数编码，也有针对空间冗余的行程编码和基于符号的编码，以及其他编码内容，最后简要分析了数字图像水印的生成和相关的知识。
2023-06-19 17:22:39
241
原创 第六章 彩色图像处理
彩色有着很强的描述性，不同颜色可以代表不同的因素加强图像中的相关提取人眼对彩色的识别能力远大于对灰色的识别能力彩色图像处理分为假彩色图像(从灰度到彩色的转换)和全彩色图像处理(顾名思义)两类，同时一些灰度图像的处理过车也可以运用在彩色图像中本章学习了彩色图像处理的相关知识，了解了颜色和色谱的主要基本知识，熟悉了几种常见的彩色处理模型，其中RGB针对显示器，HIS针对人的视觉效果，两者在图像分割和边缘检测中的效果也不同；明白了灰度分层的实际运用效果和原理，对于灰度图像到彩色图像。
2023-06-10 16:57:42
1013
原创 第五章 图像复原与重建
前章的图像增强主要是主观，而本章的图像复原主要是客观的，通过图像的退化现象先验知识复原已退化的图像，简单说就是用模型进行逆过程恢复图像陷波滤波器的传递函数一般形式为HNRuv∏k1QHkuvH−kuvHNRuvk1∏QHkuvH−kuv其中三种常见的滤波器之前已经有了解，下面是理想、巴特沃斯和高斯陷波带阻滤波器传递函数的三维图（透视图）陷波滤波器能降低图像的噪声消除干扰。
2023-06-08 09:58:49
265
原创 数字图像处理第四章：频率域滤波
第四章：频率域滤波1.背景2.基本概念复数傅立叶级数冲激函数及其取样性质连续单变量函数的傅立叶变换卷积3.取样和取样函数的傅立叶变换取样取样后的傅立叶变换取样定理与混叠重建函数4.单变量的离散傅立叶变换由取样函数变换的DFT取样和频率间隔的关系5.二变量函数的傅立叶变换二维冲激及其取样性质二维连续傅立叶变换对二维取样及取样定理图像中的混叠DFT及IDFT6.二维离散傅立叶变换和反变换的性质空间间隔和频率间隔的关系平移和旋转周期性对称性傅立叶频谱和相角二维离散卷积定理7.频率域滤波基础频率域的其他性质频率域滤
2023-05-31 20:37:14
2193
1
原创 数字图像处理第三章
由之前学习过的章节可以知道，空间图像域是包含图像中的像素的平面，也就是图像平面本身，本章节就针对于图像的空间域进行相关知识和技术原理的笔记总结，参考教材为《数字图像处理》（第四版）冈萨雷斯不同的应用要选择不同的滤波器，前提是要熟悉各种滤波器的原理，才能在使用时更加适合，同时可以使用不同的滤波器相互组合使用，以此来达到最佳适合的处理方法。
2023-05-15 14:41:00
250
1
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