- 博客(46)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 2022-05-08 基于卷积神经网络ResNet的车型识别（实验）
人工智能应用——基于卷积神经网络ResNet的车型识别一、实验目的熟悉ResNet卷积神经网络熟悉物体检测+识别的整体流程二、实验内容与记录在给定的6类车型图片数据库上，使用ResNet18进行车型分类训练并测试。尝试对比pretrained分别为false和true的情况。（注意内存或者显存小的话，把输入图片大小、批大小减小）在第12次训练中得到最高正确率为0.9259。三、实验分析和总结ResNet的结构可以极快的加速神经网络的训练，模型的准确率也有比较大的提升。同时Res
2022-05-20 23:15:01
1797
2
原创 2022-05-01 词汇与语句的表达（实验）
人工智能应用——词汇与语句的表达一、实验目的熟悉深度语义向量的原理，表现和意义；掌握使用word2vec等深度语义工具计算词汇的语义向量；掌握通过池化的方式获取句子的语义向量；熟悉深度语义向量的简单应用。二、实验内容与记录预处理数据并使用word2vec等工具计算词汇语义向量。计算联合国会议记录词向量：相关代码：编写向量相似性判断逻辑，根据相似性判断结果调优工具参数。改变window大小，当window=3时，输出0.66。相关代码：找满足类似于 king
2022-05-20 23:08:28
227
原创 2022-04-17 深度学习与应用 二 （网课）
深度学习基础知识1. 机器学习经典算法1.1 K均值聚类（K-Means）1.2 线性回归1.2.1 过拟合 vs 欠拟合（泛化能力）1.3 梯度下降法1.4 随机梯度下降法（Stochastic Gradient Descent, SGD）1.5 逻辑回归1.6 K近邻分类（KNN）1. 机器学习经典算法算法：无监督学习之K均值，线性回归、逻辑回归方法，K近邻分类，线性判别函数，支持向量机，线性vs非线性，朴素贝叶斯分类方法。1.1 K均值聚类（K-Means）① 随机选取K个样本为初始聚类中心；
2022-05-20 22:56:00
142
原创 2022-04-10 深度学习与应用 一（网课）
深度学习与应用（一）1、课程目标2、基础知识1、课程目标学习深度学习基础知识，包括经典模型、优化方法、训练技巧。很多知识已经被研究过了，多动手训练。Keywords：基础：pytorch基础、机器学习基础、感知器、前馈神经网络、误差反向传播…近代网络：卷积神经网络、常用CNN模型、视觉目标分类、监测、分割.其他：生成式神经网络、循环神经网络、LSTM、GRU、注意力机制.应用实践：“动态人脸识别系统比拼”、“基于注意力网络的人脸表情识别”.成绩评估：实践作业(35%，共7次) >
2022-04-20 16:36:54
3294
原创 2022-04-03 特征点和Hough变换形状检测（实验）
人工智能应用——特征点和Hough变换形状检测一、实验目的掌握图像特征点提取掌握图像的边缘提取掌握Hough形状检测二、实验内容与记录使用OpenCV对图像进行Harris，SIFT特征点提取，并标注特征点。Harris：SIFT：代码：import cv2import numpy as npimport imutils img = cv2.imread("\small_fish.jpg",1)# Harris特征点提取origin = img.copy()
2022-04-12 14:17:09
2888
原创 2022-03-27 图像滤波和几何变换（实验）
人工智能应用——图像滤波和几何变换一、实验目的（1）掌握图像颜色空间和直方图知识（2）掌握图像的点运算和集合变换（3）掌握数学形态学滤波二、实验内容与记录使用OpenCV将彩色图片转成灰度图片，并得到图片的灰度直方图代码：import cv2 as cvimg = cv.imread("\small_fish.jpg",1)img_1 = cv.cvtColor(img,cv.COLOR_BGR2GRAY)cv.imshow('gray',img_1)cv.imshow('c
2022-04-12 13:55:17
3626
原创 2022-03-20 图像处理基础（实验）
人工智能应用——图像处理基础一、实验目的（1）熟悉使用C语言读取图像文件并修改像素保存（2）掌握利用OpenCV和Pillow读取和存储图片并显示（3）掌握利用OpenCV读取摄像头并保存视频二、实验内容与记录（1）参考课件代码，使用C语言编程读取图像文件，并修改像素且保存文件。（2）用Python的OpenCV和Pillow工具包，读取和存储图片并显示。a) OpenCV：b) Pillow：（3）用Python的OpenCV读取摄像头并保存视频。三、实验分析和总结1
2022-04-12 12:26:58
2881
原创 2022-03-13 安装Pytorch（加避坑）
安装Pytorch详细教程安装Anaconda新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入安装Anaconda你好！ 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Markdown编辑
2022-03-20 13:40:36
3710
原创 2022-03-06 《信息检索导论》学习笔记（三）
第一章——布尔检索1.3 布尔查询的处理求两个倒排记录表交集的一个简单有效的合并算法。笔记：两个词的倒排记录表按照全局统一指标排列（例：从小到大排列），两边列表的指针进行同步线性查找和对比，若两边指针所对应的文档ID不同，则对应较小ID的指针向后移动，这种合并算法的时间复杂度（time complexity）为O(N)，与线性扫描的时间复杂度相比并没有很大的提升。查询优化(query optimization)：指的是如何通过组织查询的处理过程来使处理量最小。在与逻辑中，结果往往不会
2022-03-11 15:48:01
341
原创 2022-02-20 《信息检索导论》学习笔记（一）
第一章——布尔检索1.1 基本概念信息检索：信息检索是从大规模非结构化数据(通常是文本)的集合(通常保存在计算机上)中找出满足用户信息需求的资料(通常是文档)的过程。非结构化数据(unstructured data)：指的是那些没有清晰、明显语义结构的数据，而计算机不易处理这类数据。半结构化数据(semistructured data)：有一些文本无明显语义的结构，但其仍然具有例如标题、段落、脚注等结构，信息检索往往也支持这种半结构化数据的搜索。聚类(clustering)：聚类是一种基于文档的内
2022-03-11 14:22:33
795
原创 2022-02-13 机器学习基本概念
Basic Concept1、Bias（偏移量）和Variance（方差）：Bias： 所有点的平均值f*与目标值f的距离。（较复杂的Model Bias较小，但数据训练时可能会出现overfitting情况）Variance： 所有点的散落程度，越小说明点越聚集，越大越发散。（简单的Model Variance较小，因为简单的Model幂次小，不太受数据波动的影响）Overfitting：Model的error（误差）来自于variance太大。Underfitting：Model的error
2022-02-15 11:25:30
459
原创 2022-02-06 机器学习案例笔记
Regression：Case Study应用：Stock Market Forecast（股票市场预测）、Self-driving Car（自动驾驶汽车）、Recommendation（推荐系统）。拿到一个案例后，分三步骤走：Step 1：ModelA set of function：y = b+wxLinear model：y = b+∑ w_i x_ix is an attribute of input. x feature；w_i is weight；b is bias.Step
2022-02-15 10:33:10
84
原创 2022-01-26 机器学习拓展笔记
机器学习拓展笔记1、机器学习环境不建议用Windows，建议用Linux或macOS。2、pyenv是一个管理不同python版本的工具，使用者可以在系统中安装不同且彼此独立的python版本，pyenv可维持系统原生python不被别的套件所污染、移除。（安装pyenv参考：https://github.com/pyenv/pyenv）常用pyenv指令：① pyenv versions——列出系统中所有安装的python的版本② pyenv version——显示呢默认使用的python版本
2022-02-13 19:50:23
876
原创 2022-01-23 深度学习笔记
第七章——决策树（二）7.3 决策树的过拟合7.4 对于连续变量和回归的决策树 7.3 决策树的过拟合1、决策树表现与节点数目的之间的关系防止过拟合的方案：当一个叶节点里包含的所有样本都属于同一个类别、或者特征都一样时可以停止分裂。决策树过拟合：在训练数据上表现的很好，但放到测试数据就表现得很糟糕。减少过拟合现象：决策树越简单、节点越少越好（模型复杂度低）。2、用于防止过拟合的方案直接减少节点个数在实际操作中不易实现，因为决策树的构建过程是递归的过程。避免决策树过拟合的方法：
2022-01-23 22:44:16
608
原创 2021-1-8 大数据期末复习
大数据期末复习第1章 大数据概述1、应用：金融、汽车、零售、餐饮、电信、能源、政务、医疗、体育、娱乐、思维方式、社会发展、就业市场、人才培养。2、4v特征：volume大量化、velocity快速化、variety多样化、value价值化。3、大数据的两大核心技术：分布式存储：GFS/HDFS、BigTable/HBase、NoSQL；分布式处理：MapReduce。4、批处理计算：针对大规模数据的批量处理。MapReduce、Spark。流计算：针对流数据的实时计算。Storm、S4、Flum
2022-01-08 21:42:06
1384
原创 2021-12-29 神经网络
第十章——10.1 10.2 神经元 10.1 聚类介绍1、聚类的介绍无监督学习模型的样本是没有标签的，没有标签的样本可以通过聚类分析进行利用。聚类分析：聚类分析可以把样本中拥有相似特性的样本聚在一起，将样本分成几大类。简而言之：可以被利用的样本是需要被分类的，聚类分析中的样本不用贴标签，因为它利用的是样本本身的特性。K-means是聚类分析中的一个流行万能算法。2、聚类的应用场景举例：图像分割（风景图被分割成山、水、蓝天、白云）3、K-means的迭代过程两个步骤：
2022-01-02 12:40:35
587
原创 2021-12-26 K-means
第九章——K-means9.1 聚类介绍9.2 K-means的细节 9.1 聚类介绍1、聚类的介绍无监督学习模型的样本是没有标签的，没有标签的样本可以通过聚类分析进行利用。聚类分析：聚类分析可以把样本中拥有相似特性的样本聚在一起，将样本分成几大类。简而言之：可以被利用的样本是需要被分类的，聚类分析中的样本不用贴标签，因为它利用的是样本本身的特性。K-means是聚类分析中的一个流行万能算法。2、聚类的应用场景举例：图像分割（风景图被分割成山、水、蓝天、白云）3、K-me
2021-12-26 18:04:18
1243
原创 2021-12-13 集成模型
第八章——集成模型8.1 集成模型和它的优势8.2 集成模型的稳定性8.3 随机森林的训练8.4 随机森林的过拟合 8.1 集成模型和它的优势1、决策树表现与节点数目的之间的关系防止过拟合的方案：当一个叶节点里包含的所有样本都属于同一个类别、或者特征都一样时可以停止分裂。决策树过拟合：在训练数据上表现的很好，但放到测试数据就表现得很糟糕。减少过拟合现象：决策树越简单、节点越少越好（模型复杂度低）。2、用于防止过拟合的方案直接减少节点个数在实际操作中不易实现，因为决策树的构建
2021-12-19 23:59:24
1019
原创 2021-12-02 决策树（二）
第七章——决策树（二）7.3 决策树的过拟合7.4 对于连续变量和回归的决策树 7.3 决策树的过拟合1、决策树表现与节点数目的之间的关系防止过拟合的方案：当一个叶节点里包含的所有样本都属于同一个类别、或者特征都一样时可以停止分裂。决策树过拟合：在训练数据上表现的很好，但放到测试数据就表现得很糟糕。减少过拟合现象：决策树越简单、节点越少越好（模型复杂度低）。2、用于防止过拟合的方案直接减少节点个数在实际操作中不易实现，因为决策树的构建过程是递归的过程。避免决策树过拟合的方法：
2021-12-02 11:02:30
1391
原创 2021-11-28 决策树（一）
第七章——决策树（一）7.1 理解决策树7.2 不确定性及信息增益 7.1 理解决策树1、决策树的应用决策树是一种基本的分类与回归的方法，它是几个经典集成模型（随机森林，提升树）的基础。2、决策树的形态与决策边界决策树由节点（跟节点、叶节点）和边组成。从数据中得到决策树，需要学习到三样东西：树的形状、每一个决策的阈值θ、叶节点的值。3、决策树的学习在学习树的结构时会遇到NP-hard问题，一般般对于这类的问题是没有⼀个很好的⽅式来求出全局最优解的。而经典的近似算法——“
2021-11-29 23:04:42
1386
原创 2021-11-16 情感分析
第六章——情感分析一、运用场景监控舆情竞品分析量化投资二、三、jieba使用jieba进行分词6.2.2 停用词的过滤停用词：对句子贡献不大的词。过滤掉这些词可以大大增加搜索效率。可以导入现有的停用词库。单词的过滤：将停用词或使用频率很低的词过滤（使用频率一般小于10到20次）网上的停用词库资源：NLTK（Natural Language Tool Kit）处理特殊符号。处理数字：将数字用其他字符串表示例如“NUM”，而不能直接去掉，因为数字也有意义。6.2.4 标准化操作St
2021-11-22 00:16:18
1330
原创 2021-11-14 随机生成100000个十六位数字
随机生成100000个十六位的数字，导入到表格中，并以Excel表格的形式下载到本地# Python，生成100000个十六位的随机数并导出Excel表import xlwt # 表格需要的包import xlrdimport randomfrom datetime import datetimestr = ''n = 0wb = xlwt.Workbook() # 生成文件对象（在没有用wb.save()命名前，文件格式不定，因为还有csv、txt格式）style0 = xlwt
2021-11-15 19:18:46
711
原创 2021-11-07 2021-电赛-Openmv
2021电赛openmv代码前视OpenMV，识别条形码并进行亮灯功能。# 识别条形码数字，并进行闪灯import sensor, image, time, math, pybsensor.reset()sensor.set_pixformat(sensor.GRAYSCALE)sensor.set_framesize(sensor.VGA) # High Res!sensor.set_windowing((640, 80)) # V Res of 80 == less work (4
2021-11-07 23:57:56
794
2
原创 2021-10-25 计算机网络笔记（三）
计算机网络笔记（三）第二章：物理层物理层特性：机械特性、电气特性、功能特性、过程特性；数据通信系统主要由源系统、传输系统和目的系统组成。关键词：数据、信号（模拟信号、数字信号、码元）、速率（码元传输速率、信息传输速率）、带宽、基带信号、编码、调制（基带调制、带通调制）、带通信号；信道相关：信源、信宿、信道、通信方式（单工通信、半双工通信、全双工通信）；数字信号常用编码方式：不归零制(NRZ)、曼彻斯特编码、差分曼彻斯特编码；常用调制方式：调幅(AM)、调频(FM)、调相(PM)。与信道传输
2021-10-25 10:16:43
73
原创 2021-9-28 计算机网络笔记（二）
计算机笔记笔记（二）第一章：部分课后习题练习试从多个方面比较电路交换、报文交换和分组交换的主要优缺点。答：（1）电路交换优点：数据不会丢失，且数据保持原来的序列，简单可靠；缺点：建立连接后一直占用信道，使其利用率降低，却对通信终端物理上有要求，难以差错控制。（2）报文交换优点：采用存储转发技术，不存在建立连接的时延，用户随时可以发送报文；缺点：报文交换时的排队时延长，且报文本身长度大，对用作转发的路由器暂存空间要求大。（3）分组交换优点：动态分配带宽，逐段占用网络，路由结点交换灵活，
2021-10-10 19:00:09
136
原创 2021-9-27计算机网络笔记（一）
计算机网络笔记（一）第一章：概述计算机的两个重要功能：连通性、共享；计算机网络的组成：由若干结点和连接这些结点的链路组成；网络相关概念：互联网、因特网 (Iternet)、万维网(WWW)、主机；因特网发展的三个阶段：1⃣️从单个网络ARPANET向互联网发展；2⃣️建成三级结构（主干网、地区网、校园或企业网）的互联网；3⃣️逐渐形成多层次ISP（互联网服务提供商）结构的互联网；制定互联网的正式标准需要经历的三个阶段：1⃣️互联网草案——有效期6个月，还不算是RFC文档；2⃣️建议标
2021-10-03 18:39:12
1358
原创 2021-9-26 数据库系统概论笔记（一）
数据库系统概论笔记（一）第一章：基本知识1、数据与其语义是不可分的；2、数据库技术：管理数据的技术；3、数据：数据库管理的基本对象。4、数据库的数据具有永久存储、有组织、可共享这三个基本特点；5、数据模型通常是由数据结构、数据操作、完整性约束三部分组成；6、数据库系统中模型分为概念模型和数据模型；7、根节点：有且只有一个节点没有双亲节点；8、层次模型需满足两个条件：①有且只有一个结点没有双亲，这个节点即是我们所说的根节点；②根以外的其他节点有且只有一个双亲节点；9、网状模型需满足两个条件
2021-09-27 00:06:37
171
原创 2021-09-18
视觉学习链接Robomaster——关于视觉组，你想要了解的都在这里Robomaster算法组（视觉组）学习路线RM视觉算法官方资料库 ——提取码：mtfz北理工机器人队RM视觉组学习参考汇总（持续更新中）2020年1月14-日RoboMaster江苏省赛哨兵自瞄-视觉电控对接技术经验OpenCV官网视觉组 ｜ 新生暑假学习建议交龙战队学习资料北理工视觉学习资料环境配置和软件资料链接大疆妙算使用说明大疆妙算环境配置git教程Ubuntu16.04编译OpenCV3.4.7(w
2021-09-18 22:28:31
766
2
原创 2021-09-09 OpenCV (python)学习笔记（四）
OpenCV 边缘检测之图像增强图像增强代码示例：import cv2#读取图片filename = C:\Users\username\Desktop\opencvimg = cv2.imread(filname + 'picture.jpg',0) #读取图像的灰度图row, column = img.shapeimg_f = np.copy(img)gradient = np.zeros((row,column)) #初始化gradient# 2. 计算图像梯度。首先要对读取的图像
2021-09-12 23:34:25
234
原创 2021-08-26 OpenCV (python)学习笔记（三）
OpenCV 基本操作图像色彩模式转换图像阈值分割图形平缓的典型方法均值滤波方框滤波高斯滤波中值滤波
2021-09-05 19:57:54
177
原创 2021-8-18 OpenCV (python)学习笔记（二）
OpenCV 基本操作基本操作读取图片显示图片保存图片兴趣窗口读取基本操作首先需要进行导包操作：import cv2 读取图片img = cv2.imread(filename, flags)img：返回mat类型，即返回读取的图像；filename：读取图片的文件路径；flags：用于选择读取图片的方式，也可不填写。常用标记举例：cv2.IMREAD_COLOR : 加载彩色图像；cv2.IMREAD_GRAYSCALE : 以灰度模式加载图像；cv2.I
2021-08-26 07:31:00
241
原创 2021-8-16 OpenCV (python)学习笔记（一）
OpenCV (Python版本)环境安装、基本函数操作OpenCV简介：OpenCV（Open Source Computer Vision Library）是一个开源的计算机视觉库，它提供了很多函数，这些函数非常高效地实现了计算机视觉算法（最基本的滤波到高级的物体检测皆有涵盖）。OpenCV 使用 C/C++ 开发，同时也提供了 Python、Java、MATLAB 等其他语言的接口。OpenCV 是跨平台的，可以在 Windows、Linux、Mac OS、Android、iOS 等操作系统
2021-08-18 11:28:07
185
原创 2021-8-15 视觉学习路线
视觉学习路线链接: link.图片: 带尺寸[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-8nBEUcUn-1629023869431)(https:/ =30x30)]居中的图片居中并且带尺寸的图片:
2021-08-15 18:40:36
92
原创 2021-7-31 OpenMV（一）
OpenMV实操简要记录一、一些基本操作：环境为OpenMV IDE定点降落代码示例：文件->示例->MAVLink->mavlink_opticalflow.py保存代码脱机运行，即将代码保存到摄像头里面的flash中，即使没有OpenMV_IDE也可以运行视觉代码。步骤：工具->将打开的脚本保存到OpenMV Cam （作为main.py）->点击yes。点击后会亮灯，红灯亮完后代码就保存好了，会自动replace之前的main.py文件，脱机上电
2021-07-31 22:38:40
1459
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人