python
文章平均质量分 94
Belouga-
拂彼白石,弹吾素琴。幽涧愀兮流水深,善手明徽高张清。
展开
-
pytorch编程练习 GPU手写体字符识别
pytorch_GPU1. 超参数的确定2. 模型的训练和评估3. 代码3.1 导入相关的包3.2 获取手写数字的训练集和测试集3.3 模型搭建和参数优化3.4 整合后的代码本文将在PyTorch中构建一个简单的卷积神经网络,并使用MNIST数据集训练它识别手写数字。在MNIST数据集上训练分类器可以看作是图像识别的“hello world”。MNIST包含70,000张手写数字图像:60,000张用于培训,10,000张用于测试。图像是灰度的,28x28像素的,并且居中的,以减少预处理和加快运行。原创 2021-01-07 22:14:40 · 793 阅读 · 0 评论 -
吴恩达机器学习:神经网络学习和作业
(一)神经网络模型理解1.1 模型这是一个三层神经网络,第一层为输入层,第二层为隐藏层,第三层为输出层。简单模型:线性回归模型逻辑回归模型优点是容易理解、可解释性较强,但是为了达到相对好的预测效果,可对原始特征进一步抽象,增加更多的特征项来弥补模型在处理非线性问题上的缺陷。LR是一种广义的线性模型,为了提高LR对非线性问题的处理能力,要引入多项式特征,为了充分考虑特征关联,通常也会执行特征之间交叉组合。若仅考虑二次项,也就是只考虑特征两两组合,这样也会得到接近5000个组合特征,若再考虑原创 2020-09-20 16:10:33 · 1808 阅读 · 0 评论 -
机器学习笔记二 单型线性回归
线性回归(一)介绍(二) 数学模型2.1 一元线性回归公式2.2 方差 - 损失函数 Cost Function2.3 优化方法 Optimization Function2.4 算法步骤(三)Python 实现(一)介绍机器学习即指机器可以自我学习,而机器学习的方法就是利用现有的数据和算法,解出算法的参,从而得到可以用的模型。监督学习就是利用已有的数据(我们叫X,或者特征),和数据的标注(叫Y),找到x和y之间的对应关系,或者说是函数f。回归分析是一种因变量为连续值的监督学习。而线性回归指一种x原创 2020-09-12 21:03:45 · 258 阅读 · 0 评论 -
Python计算机视觉编程学习笔记 十 OPENCV
(一)OpenCV 的 Python 接口Python 很强大,而且也有自己的图像处理库 PIL,但是相对于 OpenCV 来讲,它还是弱小很多。跟很多开源软件一样 OpenCV 也提供了 完善的 python 接口,非常便于调用。几乎任何一个能想到的成熟算法 都可以通过调用 OpenCV 的函数来实现,超级方便。OpenCV 是一个C++ 库,它包含了计算机视觉领域的很多模块。除了 C++ 和 C, Python 作为一种简洁的脚本语言,在 C++ 代码基础上的 Python 接口得到了越来越广泛的支原创 2020-09-03 15:18:55 · 527 阅读 · 0 评论 -
Python计算机视觉编程学习笔记 九 图像分割
图像分割是将一幅图像分割成有意义区域的过程。区域可以是图像的前景与背景或 图像中一些单独的对象。这些区域可以利用一些诸如颜色、边界或近邻相似性等特 征进行构建(一)图割(Graph Cut)图论中的图(graph)是由若干节点(有时也称顶点)和连接节点的边构成的集合。边可以是有向的或无向的,并且这些可能有与它们相关联的权重。图割是将一个有向图分割成两个互不相交的集合,可以用来解决很多计算机视觉方 面的问题,诸如立体深度重建、图像拼接和图像分割等计算机视觉方面的不同问题。 从图像像素和像素的近邻创建一个原创 2020-09-01 20:20:05 · 643 阅读 · 1 评论 -
Python计算机视觉编程学习笔记 八 图像内容分类
(一)K邻近分类法 (KNN)把待分类文本表示成文本向量,与训练样本组成的样本空间中的向量计算相似度,得到k篇与该文本距离最近(最相似)的文本,根据这k篇文本所属的类别判定新文本所属的类别,在新文本的k个邻居中依次计算每类的权重,将文本分到权重最大的类中。KNN 是非参数的(non-parametric),基于实例(instance-based)的算法。非参数意味着其不在底层的数据分布上进行任何的臆测。而基于实例意味着其不是明确地学习一个模型,而是选择记忆训练的实例们。由于 KNN 是基于实例的算法,也原创 2020-08-19 21:18:56 · 394 阅读 · 0 评论 -
Python计算机视觉编程学习笔记 七 图像搜索
(一)基于内容的图像检索CBIR(Content-Based Image Retrieval,基于内容的图像检索)定义 : 即从图像库中查找含有特定目标的图像,也包括从连续的视频图像中检索含有特定目标的视频片段。目前,对于通用的静止图像检索,用于检索的特征主要有颜色(Colour)、纹理(Texture)、草图(Sketch)、形状(Shape)等,其中颜色、形状、纹理等应用尤为普遍。...原创 2020-08-15 20:03:28 · 485 阅读 · 0 评论 -
python3.X 环境安装PCV包
下载PCV包:https://codeload.github.com/Li-Shu14/PCV/zip/master;压缩包不用解压,直接pip install即可。打开Anaconda的prompt窗口,切换到下载好的PCV包所在的路径下;执行以下命令:pip install PCV-master.zip其他包的安装方法进入官网:https://pypi.org/ ,查找自己需要的包并下载;下载完之后解压;打开Windows命令行界面:win+R;切换到包所..原创 2020-08-10 19:56:05 · 1867 阅读 · 0 评论 -
Python计算机视觉编程学习笔记 六 图像聚类
(一)K-means聚类(K均值聚类)定义:k-means算法中的k代表类簇个数,means代表类簇内数据对象的均值(这种均值是一种对类簇中心的描述),因此,k-means算法又称为k-均值算法。k-means算法是一种基于划分的聚类算法,以距离作为数据对象间相似性度量的标准,即数据对象间的距离越小,则它们的相似性越高,则它们越有可能在同一个类簇。K-Means算法原理:对给定的样本集,事先确定聚类簇数K,让簇内的样本尽可能紧密分布在一起,使簇间的距离尽可能大。该算法试图使集群数据分为n组独立数据样本原创 2020-08-09 14:20:23 · 650 阅读 · 0 评论 -
Python计算机视觉编程学习笔记 五 多视图几何
(一)外极几何如果有一个场景的两个视图以及视图中的对应图像点,那么根据照相机间的空间相对位置关系、照相机的性质以及三维场景点的位置,可以得到对这些图像点的一些几何关系约束。外极几何是研究两幅图像之间存在的几何。它和场景结构无关,只依赖于摄像机的内外参数。研究这种几何可以用在图像匹配、三维重建方面。介绍:...原创 2020-08-07 10:25:11 · 584 阅读 · 1 评论 -
Python计算机视觉编程学习笔记 四 照相机模型与增强现实
本章将尝试对照相机进行建模,并有效地使用这些模型。在之前的章节里,已经讲述了图像到图像之间的映射和变换。为了处理三维图像和平面图像之间的映射,还需要在映射中加入部分照相机产生图像过程的投影特性。本章学习如何确定照相机的参数,以及在具体应用中,如增强现实,如何使用图像间的投影变换。(一)针孔照相机模型1.1 照相机模型相机将三维世界中的坐标点映射到二维图像平面的过程能够用一个几何模型进行描述。这个模型有很多种,其中最简单的称为针孔模型。在现实生活中,针孔相机是由前方有 一个小洞(针孔)所构成。现实世界原创 2020-08-03 17:15:46 · 665 阅读 · 0 评论 -
Python计算机视觉编程学习笔记 三 图像到图像的映射
(一)单应性变换单应性变换是将一个平面内的点映射到另一个平面内的二维投影变换。在这里,平面是指图像或者三维中的平面表面。单应性变换具有很强的实用性,比如图像配准、图像纠正和纹理扭曲,以及创建全景图像。 本质上, 单应性变换 H,按照下面的方程映射二维中的点(齐次坐标意义下):对于图像平面内的点,齐次坐标是个非常有用的表示方法。点的齐次坐标是依赖于其尺度定义的, x=[x,y,w]=[αx,αy,αw]=[x/w,y/w,1]x=[x,y,w]=[αx,αy,αw]=[x/w,y/w,1]x=[x,y,原创 2020-07-31 22:00:42 · 564 阅读 · 0 评论 -
Python计算机视觉编程学习笔记 二 局部图像描述子
寻找图像间的对应点和对应区域。介绍用于图像匹配的两种局部描述子算法。图像的局部特征是许多计算机视觉算法的基础,使用特征点来代表图像的内容包括运动目标跟踪,物体识别,图像配准,全景图像拼接,三维重建等...原创 2020-07-28 16:27:31 · 430 阅读 · 0 评论 -
python计算机视觉编程学习笔记 一 基本的图像操作和处理
(一)PIL:Python图像处理类库PIL(Python Imaging Library,图像处理库)提供了通用的图像处理功能,以及大量有用的基本图像操作。PIL库已经集成在Anaconda库中,推荐使用Anaconda,简单方便,常用库都已经集成。1.1 读入一副图像再转换格式:(1)读入图片,这是所有操作中的基本中的基本操作:from PIL import Imagefrom pylab import *# 添加中文字体支持from matplotlib.font_manager im原创 2020-07-25 23:20:47 · 1227 阅读 · 2 评论 -
Python学习笔记 1 列表知识点:增删改查序
列表知识点:增删改查序Python列表知识点汇总:增删改查序。1.1 增1.2 删1.3 改1.4 查1.5 序Python列表知识点汇总:增删改查序。对列表进行新增元素、删除元素、改变元素、查询元素、列表排序。1.1 增对列表新增元素,有四种方式1、用 extend 方法:#用 extend 方法l = [1, 2, 3]j = [4, 5, 6]l.extend(j)print(l)效果:2、用运算符 + 对列表直接进行拼接:#用运算符 + 对列表直接进行拼接l = [1,原创 2020-07-20 14:09:45 · 177 阅读 · 0 评论 -
数字图像处理学习笔记 十一 表示与描述
前言综述:将一幅图像分割成多个区域后,分割后的像素集经常以一种合适于计算机进一步处理的形式来表示和描述。表示表示一个区域的两种选择:根据区域外部特征(如边界)来表示区域根据内部特征(如组成该区域的像素)来表示区域表示是直接具体地表示目标,好的表示方法应具有节省存储空间易于特征计算等优点。表示的下一步工作是描述。表示方式的选择要使数据有利于描述工作的展开。当关注的重点是形状特征时,可选择外部表示;当关注的重点是内部属性(如颜色和纹理)时,可选择内部表示。描述描述是较抽象地表示目标。好的原创 2020-07-05 12:33:01 · 810 阅读 · 0 评论 -
数字图像处理学习笔记 十 图像分割
(一)点、线和边缘检测1.1 孤立点的检测一阶导数通常在图像中产生较粗的边缘二阶导数对精细细节,如细线、孤立点和噪声有较强的响应二阶导数在灰度斜坡和灰度台阶过渡处会产生双边缘响应二阶导数的符号可用于确定边缘的过渡是从亮到暗还是从暗到亮孤立点的检测:拉普拉斯模版,响应绝对值超过指定阈值即为孤立点。注:对于一个导数模版,系数之和为零表明在恒定灰度区模版响应将是零。拉普拉斯算子特点:■中心为正,邻近为负;模板和为0■对噪声敏感、产生双象素宽边缘,没有方向信息用途:■少用于边缘检测■原创 2020-06-29 18:41:09 · 1768 阅读 · 0 评论 -
数字图像处理学习笔记 八 图像压缩
(一)基础知识原创 2020-06-19 11:21:56 · 2261 阅读 · 0 评论 -
数字图像处理学习笔记 九 形态学处理
前言:首先明确一点形态学操作都是针对二值图像,在灰度图像的形态学处理也是先根据一些前置操作转化为二值图像(如高帽运算后再阈值化),这是因为形态学的任何操作都是需要击中这个概念,膨胀开闭其实可以看成包含击中的是一个点,其他操作可以看成击中的是一个模版。(一)腐蚀与膨胀1.1 结构元素形态学处理的核心就是定义结构元素,在OpenCV-Python中,可以使用其自带的getStructuringElement函数,也可以直接使用NumPy的ndarray来定义一个结构元素。 如下:十字架:element原创 2020-06-23 17:04:41 · 2159 阅读 · 0 评论 -
数字图像处理学习笔记 六 彩色图像处理
一 彩色模型之间的转换计算机中的颜色表示 在计算机中,显示器的任何颜色〈色彩全域〉都可以自红、绿、蓝3种颜色组成,称为三基色.每种基色的取值范围是0~255.任何颜色都可以用这3种颜色按不同的比例混合而成, 这就是三原色原理. 在计算机中, 三原色的原理可以这样解释: 计算机中的任何颜色都可以由3种颜色按不同比例混合而成;而每种颜色也都可以分解成三种基本颜色; 三原色之间相互独立,任何一种颜色都不能由其余两种颜色组成; 混合色的饱和度由3种颜色的比例来决定 混合色的亮度...原创 2020-06-11 11:54:52 · 7209 阅读 · 0 评论 -
数字图像处理学习笔记 五 图像复原与重建
一、图像复原1、基本概念:图像复原的一般过程:分析退化原因——建立退化模型——反向推演——恢复图像 图像增强:旨在改善图像质量,提高图像的可懂度,更偏向主观判断。即要突出所关心的信息,满足人的视觉系统,具有好的视觉效果。 图像复原:根据图像畸变或退化的原因,进行模型化处理,将质量退化的图像重建或恢复到原始图像。即恢复退化图像的本来面目,忠于原图像,因此必须根据一定的图像退化模型来进行图像复原。 图像复原方法思路:关键是要由退化后的图像估计出退化函数和噪声函数,然后可以得到恢复算子。恢复计.原创 2020-06-06 19:41:17 · 4857 阅读 · 0 评论 -
数字图像处理学习笔记 三 灰度变换与空间滤波
一 背景基础知识 1、 对于图像的处理有两种思路,一种是对图像本身的直接处理,即空间域处理;另一种是在频率域进行处理。关于空域和频域,可以参考傅里叶变换。在空间域的处理相对简单,因此首先介绍的是空域处理法。空域中有两种重要处理方法:灰度变换(或亮度变换)和空间滤波(或邻域处理、空间卷积)。 空间域: 指图像平面本身,这类图像处理方法直接以图像中的像素操作为基础。操作分为灰度变换和空间滤波。 灰度变换: 在图像的单个像素上操作,以对比度和阈值处理为主要目的。 ...原创 2020-06-01 12:09:18 · 2187 阅读 · 1 评论 -
数字图像处理学习笔记 四 傅里叶变换和频率域滤波
一 傅里叶级数一维傅里叶变换数学推导傅里叶级数,形如:是由三角函数系1,cosx,sinx,cos2x,sin2x,…,cosnx,sinnx,…(2)经过组合所产生的三角级数。a0,an,bn 称为傅里叶系数。为了求傅里叶系数,我们先引出下面的预备知识。三角函数系(2)中任何两个不相同的函数的乘积在 [−T2,T2]上的积分等于0。即:而三角函数系(2)中任何两个相同函数的乘积在 [−T2,T2] 上的积分都不等于0。对(1)式在 [−T2,T2] 逐项.原创 2020-06-03 17:32:46 · 8009 阅读 · 0 评论