- 博客(13)
- 收藏
- 关注
RSS订阅原创 机器学习——逻辑回归(多元分类)编程训练
机器学习——逻辑回归(多元分类)编程训练参考资料：1.黄海广老师：吴恩达机器学习笔记github本文是吴恩达机器学习课程中的第三个编程训练的第一部分。编程任务：使用逻辑回归来识别手写数字（0到9）数据集：来自黄海广老师的GitHub仓库，具体链接本数据集为.mat文件，包含两个变量 X,yX,yX,y变量XXX包含了5000个手写数字的样本图片，每个样本图片大小为20×20像素，因此将每个样本表示为400维，其中的数值代表每个像素格的灰度值。变量yyy则是5000个样本所对应的标签，例
2021-10-12 15:39:46
1018
原创 机器学习——正则化逻辑回归(分类)编程训练
机器学习——正则化逻辑回归(分类)编程训练参考资料：1.黄海广老师：吴恩达机器学习笔记github本文是吴恩达机器学习课程中的第二个编程训练的第二部分。关于逻辑回归的详细介绍可以参考吴恩达机器学习课程编程任务：实现如下数据的分类问题：0.过拟合介绍当我们处理的数据较为复杂时，我们可以通过增添特征或者增加高次项来获得较好的拟合结果。例如在线性回归中：假设函数（1）：hθ(x)=θ0x0+θ1xh_θ(x) = θ_0x_0 + θ_1xhθ(x)=θ0x0+θ1x假设函数（2）
2021-10-09 12:25:27
415
原创 机器学习——逻辑回归(分类)编程训练
机器学习——逻辑回归(分类)编程训练参考资料：1.黄海广老师：吴恩达机器学习笔记github本文是吴恩达机器学习课程中的第二个编程训练。关于逻辑回归的详细介绍可以参考吴恩达机器学习课程编程任务：已知一些学生的两次考试成绩和录取情况，训练一个分类器，可以根据两次考试成绩判断学生是否被录取1.逻辑回归算法原理逻辑回归算法的实现流程基本上同线性回归的实现流程是一样的。读取数据获取特征值获取标签值特征缩放构建特征与标签之间的函数关系（假设函数）构建代价函数求取代价函数的偏导数最小化代
2021-10-08 12:12:39
567
原创 机器学习——线性回归编程训练
机器学习——线性回归编程训练参考资料：1.Python机器学习算法：线性回归2.黄海广老师：吴恩达机器学习笔记github3.梯度下降法本文是吴恩达机器学习课程中的第一个编程训练。关于线性回归的详细介绍可以参考吴恩达机器学习课程，参考资料1也介绍的较为详细1.线性回归线性回归其本质上就是对数据进行拟合，从大量的数据中，获得一个方程来近似描述这些数据，并用该方程对新的输入进行预测举个例子就是：知晓了很多房子的面积与价格，我们可以拟合出面积与价格之间的一个函数关系，并用这个函数关系预测一个新房子
2021-09-29 11:29:47
607
原创 4.相机标定——张氏标定原理（无畸变）
4.相机标定——张氏标定原理（无畸变）1.相机标定：坐标系转换学习2.相机的畸变介绍3.相机标定原理(不考虑径向畸变)A Flexible New Technique for Camera Calibration 张氏标定论文原文在第一篇博客中已经对坐标系转换做了详细介绍。在张氏标定原理中便不再介绍，直接使用其结论。请配合论文原文进行食用。4.1坐标系转换回顾[Pxi∗ZcPyi∗ZcZc]=[M∗f−M∗f∗cotθM∗Px0N∗f/sinθN∗Py001]∗(R∣−RC)∗[xwywzw
2021-09-06 17:33:20
1008
2
原创 3.相机标定原理（不考虑径向畸变）
3.相机标定原理（不考虑径向畸变）3.1坐标转换在进行相机标定之前，首先要进行相机的各个坐标的转换，最终得到得到投影矩阵。1.相机标定:坐标系转换学习中已经详细的讲述了一个点从世界坐标系到像素坐标系下的坐标转换。已知一点在世界坐标系中的坐标为(xw,yw,zw)(x_w,y_w,z_w)(xw,yw,zw),其转换到像素坐标系下坐标(Pxi,Pxi)(P_{x_i},P_{x_i})(Pxi,Pxi)的转换公式如下：[Pxi∗ZcPyi∗ZcZc]=[m∗f−m∗f∗cotθm∗Px
2021-09-02 12:14:19
534
原创 Python代码实现霍夫变换检测圆
霍夫变换检测圆参考资料：计算机视觉 北京邮电大学 鲁鹏1.简单的介绍一下霍夫变换我们在使用canny算子检测到图像的边缘之后，我们要如何去描述这些图像的边缘？我们是否可以通过一些简单的特征来描述这些图像边缘？比如利用直线、圆等简单的集合形状来描述边缘的特征？这就是霍夫变换的目的。霍夫变换准确来说是一种特征检测，不仅能识别直线，也能够识别任何形状，常见的有圆形、椭圆形。2.霍夫变换检测圆的原理一个圆所具有的的基本属性：圆心坐标(x,y)(x,y)(x,y)，半径r已知一个圆形边缘，如何得出其
2021-08-26 14:43:41
7652
29
原创 Python代码实现Canny算法——图像边缘轮廓提取
Python代码实现Canny算法——图像边缘轮廓提取一、Canny算法主要思路：1.通过高斯核进行滤波，去除噪声点，使图像平滑2.通过求取偏导，使用梯度强度和方向来提取边缘轮廓3.采用非极大值抑制的方法，将提取到的粗犷的边缘轮廓细化4.采用双阈值来进一步过滤噪声即过滤掉不想要的线条，同时保证轮廓的连续性1.高斯核滤波众所周知，正态分布又叫做高斯分布，高斯核滤波其实就是正态分布的一个应用。高斯分布：(和标准的二维正态分布有点差别)Gσ=1/(2πσ1σ2)∗e−(x−μ)2/σ12+(y−
2021-08-20 14:11:22
19829
26
原创 2.相机的畸变介绍
2.相机的畸变介绍畸变是指光学系统对物体所成的像相对于物体本身而言的失真程度，是光学透镜的固有特性，其直接原因是因为透镜的边缘部分和中心部分的放大倍率不一样。透镜的畸变是不可消除的，但在实际的应用中可以通过一些软件来进行畸变的补偿，如OpenCV、MATLAB等。相机的畸变主要分为以下几类：切向畸变径向畸变薄棱镜畸变通常情况下径向畸变的相应要远远大于其他畸变，因此由Brown在《Close-Range Camera Celibration》一文中所提及的径向畸变模型和切向畸变模型应用比较广
2021-08-12 21:25:30
10306
15
原创 python之pygame模块（太空生存小游戏）学习(二)
python之pygame模块（太空生存小游戏）学习(二)太空生存小游戏所使用的资源可前往百度网盘下载，大小为25M网盘链接提取码：ybqv继上次的太空生存小游戏之后，进行了进一步的完善。这是上一次代码解释的文章链接由于是在上一次代码的基础上的增添代码，解释起来有些麻烦，代码解释就不那么详细了。在完整代码后附带有部分代码解释。这次增加了游戏的初始界面；增加复活次数显示框；增加了爆炸动画；重新修改了游戏内引用图形，界面更加美观；增加游戏的奖励机制1.完整代码：import osimpor
2021-08-11 22:21:50
851
原创 Python之pygame模块（太空生存小游戏）学习(一)
Python之pygame模块（太空生存小游戏）学习太空生存小游戏pygame官方教程链接1.构建整体框架import pygamepygame.init() # 初始化WIDTH = 500HEIGHT = 600screen = pygame.display.set_mode((WIDTH, HEIGHT)) # 创建视窗，视窗参数为一个元组，第0个元素表示宽度，第1个元素表示高度pygame.display.set_caption("太空生存") # 修改视窗标题cl
2021-08-10 22:23:06
1160
原创 1.相机标定:坐标系转换学习
1. 相机标定之坐标系转换在进行相机标定的时候需要涉及到几个坐标系需要明确一下：世界坐标系：即物体在真实的物理环境所在坐标系。相机坐标系：即以相机的的中心点为原点而建立的坐标系。相机的光轴通过该原点，且为该坐标系的Z轴图像坐标系：即所获得的图像所在的坐标系，图像的中心即为该坐标系的原点需要注意的是，相机的光轴也通过图像坐标系的原点像素坐标系：即以图像的左上角（或者左下角）为原点的坐标系需要注意的是，像素坐标系中的点，以像素来表示，而非距离单位像素坐标系与图像坐标系在同一
2021-08-09 16:04:22
2448
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