作业01

(1)回想一下你初入大学时对计算机专业的畅想

  • 当初是如何做出选择计算机专业的决定的?因为高中喜欢玩电脑,喜欢电脑里面一些好玩的东西,代码打起来也很好玩,学到了不一样的东西。
  • 你认为过去两年中接触到的课程是否符合你对计算机专业的期待,为什么?还可以吧!有些满意,满意的是学到了不一样的关于计算机的知识,不满意的是自己学的不太好!并不能做出什么理想的东西!
  • 你觉得计算机是你喜欢的领域吗,它是你擅长的领域吗?如果不是,你喜欢什么,擅长什么?喜欢这个专业,所以并不厌烦!
  • 将来你会选择从事计算机相关的工作吗?是的话给出你想去的城市、公司和岗位,否的话给出原因。会的。应该先会专升本之后去大连工作,公司没有想好,岗位应该是白领最低选择

(2)即将大三的你,对照前人们走过的路和描述未来发展,现在的你

  • 自我感觉你已经具备的专业知识、技能、能力有哪些?java,ps
  • 离成为一个合格的计算机专业专科学生,在专业知识、技能、能力上还差距哪些?专业知识比较欠缺,技能薄弱,能力还可以

(3)大三是一个人生选择的十字路口,考研、工作、考公、出国,不同的选择在大三就有不同的努力方向。而无论升本还是工作的每条路径,也有许多不同的分支。

  • 对照以上你阅读的前人们的经历,你的选择是什么?专升本之后去工作吧
  • 在这种选择下,你认为你相比其他同学来说有何优势,有何劣势?优势脑袋会更好使一些,也会更努力吧!
  • 针对你的选择,你给自己的大三设定的规划安排是什么?准备专升本考试,准备毕业考试,加强专业技能

(4)你愿意为了一个你感兴趣的、或得到实战锻炼的项目放弃沉迷于游戏或者甚至熬夜吗?你想脱离小菜鸟的level吗?愿意,非常想

(5)针对上述问题(2)、(3)、(4),你对这门课的期待是什么?你打算平均每周拿出多少个小时用在这门课上,以达成你的期待以及你在(2)或(3)或(4)上的目标?

  可以学到更好  懂得更多这方便的知识!  5到6个小时吧

(6)据闻软工实践的有一定挑战性,你了解过这门课吗?如果你的队友什么都不做,你会怎么做?

目前没有!我会教他,并和他一起完成吧!计算机这个专业如果靠自己会更累的吧!团队合作能事半功倍吧!

转载于:https://www.cnblogs.com/l1250531744/p/10534164.html

作业05: 1. RANSAC的全称是Random Sample Consensus(随机抽样一致性)。 2. RANSAC方法是一种用于估计参数模型的迭代方法,它的基本思想是通过随机抽样的方式选择数据集中的一组子集,然后利用这个子集来估计参数模型,再用这个模型来测试数据集中的其他数据点,以确定哪些点适合于该模型,从而得到符合该模型的数据集。RANSAC方法通常用于处理带有噪声和异常值的数据,如图像配准、点云配准、图像拼接、目标跟踪等领域。 3. RANSAC方法的优点在于它可以在存在噪声和异常值的情况下,仍然能够得到较为准确的模型参数估计;缺点在于它的计算复杂度比较高,而且对于数据集中噪声点的比例比较高时,容易产生误判。 4. RANSAC方法适用于多种场景,比如图像配准、点云配准、图像拼接、目标跟踪、3D重建等领域。 作业04: 1. SIFT的全称是Scale-Invariant Feature Transform(尺度不变特征变换)。 2. SIFT方法是一种用于图像特征提取和匹配的算法,它的主要步骤包括尺度空间极值检测、关键点定位、方向分配、关键点描述和关键点匹配。SIFT算法通过对图像进行多尺度分解,并在不同的尺度空间上检测局部极值点,从而获取尺度不变性;然后在每个极值点周围确定其方向,并基于方向构造描述子,从而获取旋转不变性和局部结构性。最后,通过特征点描述子的匹配,实现了图像的配准和识别。 3. SIFT算法可以应用于图像拼接、目标跟踪、三维重建等领域,同时也可以用于图像检索和物体识别等应用。 4. SIFT和HOG的主要区别在于它们所提取的特征不同。SIFT主要用于提取图像中的局部特征,用于物体检测和匹配;而HOG主要用于提取图像中的全局特征,用于目标检测和识别。 作业03: 1. HOG的全称是Histogram of Oriented Gradients(梯度方向直方图)。 2. HOG方法是一种用于图像特征提取的算法,它的主要步骤包括计算梯度、计算梯度方向直方图、块归一化和特征向量的组合。HOG算法通过计算图像中的梯度,获取图像的边缘信息和纹理信息;然后通过计算图像中每个像素点的梯度方向,将图像划分成若干个小块,并统计每个小块内每个梯度方向的直方图,从而获取图像的局部特征;最后,通过将块内的特征向量组合,得到图像的全局特征向量,用于图像分类和识别。 3. HOG算法主要应用于目标检测和识别领域,比如人脸检测、行人检测、车辆检测等。 作业02: 1. SVM的全称是Support Vector Machine(支持向量机)。 2. SVM方法是一种二分类算法,它的主要思想是通过构造一个最大间隔超平面,将不同类别的数据点分隔开来。SVM算法可以处理非线性可分的数据,通过引入核函数,将数据映射到高维空间中,从而实现在高维空间中对数据进行线性分割。SVM算法的训练过程是一个凸优化问题,通过求解对偶问题可以得到最优解。 3. SVM算法主要应用于数据分类问题,比如图像分类、文本分类、生物信息学等领域。 作业01: 1. 计算机视觉是一门研究如何使计算机能够理解和解释视觉信息的学科。 2. 计算机视觉和模式识别的联系在于,模式识别是计算机视觉的一个重要分支,它主要研究如何从数据中发现规律和模式,从而对数据进行分类和识别。计算机视觉则更加注重从图像、视频等视觉数据中提取特征、进行分割、识别和理解等方面的研究。 3. KNN算法是一种基于实例的监督学习算法,其主要思想是通过比较新样本与训练集中的实例样本的距离,来确定新样本所属的类别。KNN算法需要选择一个合适的距离度量方法和一个合适的K值,K值决定了需要考虑多少个最近的邻居,从而决定了算法的复杂度和准确率。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值