weixin_44180993-CSDN博客

原创文本处理常用手动特征获取

例如：随着人工智能的不断发展，文本分析也越来越受到人们的重视，除了通过深度学习方法，一些文本单词处理方法也可以起到不错的效果提示：以下是本篇文章正文内容，下面案例可供参考meanWordChars（平均词字符数）：表示文本中每个单词的平均字符数。计算方法是将文本中所有单词的字符数相加，然后除以单词的总数。W7C（7 字以上的单词比例）：表示文本中长于7个字符的单词在总单词数中的比例。它可以用于衡量文本中较长单词的使用程度。

2024-02-28 10:39:51 167

原创对于文本中的单词进行Word2Vec处理

这里主要讲述一下将字符串转换成wordvec模型Word2Vec是一种用于将单词嵌入到向量空间中的技术，通过将语义上相似的单词映射到相邻的点。这种技术是通过训练神经网络来实现的，通过学习单词在上下文中的分布模式来创建这些嵌入。Word2Vec 模型有两个主要的架构：Skip-gram 和 Continuous Bag of Words (CBOW)。Skip-gram (跳字模型)Skip-gram 的目标是从一个给定的单词预测它周围的上下文。输入是一个中心单词，输出是其周围的上下文单词。

2024-02-28 10:20:20 525

原创粒子群优化算法

介绍一下粒子群优化算法基本思想粒子群优化（Particle Swarm Optimization，PSO）是一种基于群体智能的优化算法，常用于解决搜索和优化问题。它通过模拟鸟群或鱼群等生物体群体协作的行为来进行搜索。在PSO中，解空间中的每个解被称为一个粒子，这些粒子通过在解空间中移动来寻找最优解。PSO算法的基本思想是通过不断调整每个粒子的速度和位置，使得粒子在解空间中搜索最优解。每个粒子的速度和位置是根据其自身历史经验和群体中最优经验来更新的。

2024-02-26 09:29:36 436

原创讲述以下CSV文件的读取保存操作

例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。提示：以下是本篇文章正文内容，下面案例可供参考例如：以上就是今天要讲的内容，本文仅仅简单介绍了pandas对于csv文件的一些处理操作，希望对大家有用。

2024-02-23 09:48:38 214

原创通过Mediapipe获取肢体关键点并手动绘制

例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。提示：以下是本篇文章正文内容，下面案例可供参考以上就是关于Mediapipe对于肢体关键点的获取以及手动绘制的步骤。

2024-02-22 09:31:38 586

原创通过Mediapipe获取手部关键点并且进行展示

这个是讲述Mediapipe获取手部关键点并且进行展示提示：以下是本篇文章正文内容，下面案例可供参考例如：以上就是今天要讲的内容，本文仅仅简单介绍了Mediapipe手部关键点获取以及展示。

2024-02-21 09:46:01 282 1

原创通过视频和Mediapipe计算血氧值

现在通过视频非接触生理指标计算的文章代码很多，自己也测试了一些，下面推荐一些常用的方法提示：以下是本篇文章正文内容，下面案例可供参考今天简单介绍一些通过视频计算血氧的方法，下面会推荐自己测试过的更好的方法。

2024-02-21 09:28:27 153

yolov8肢体模型以及相关测试代码

yolov8肢体模型与测试代码 from ultralytics import YOLO import cv2 # 加载模型 model = YOLO('yolov8x-pose.pt') bady_path = "body.avi" cap = cv2.VideoCapture(bady_path) ret,frame = cap.read() while ret: # 使用模型进行预测 results = model(frame, show=True) cv2.waitKey(1) ret,frame = cap.read() # print(results.xy.xpu()) for result in results[0].keypoints: print(result.xy.cpu()) # 提取关键点 # result_keypoint = results.keypoints.xyn.cpu().numpy()[0]

2024-02-21

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人