![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
AI学习笔记
文章平均质量分 90
小嵌同学
这个作者很懒,什么都没留下…
展开
-
图像聚类算法
目录一、 分类与聚类1、分类2、聚类聚类样本间的属性聚类的常见算法二、K-Means聚类1、定义、优点2、k-means聚类算法的分析流程:3、K-Means优缺点三、 层次聚类1、定义2、凝聚层次聚类的流程3、层次聚类的优缺点4、示例5、树状图分类判断四、密度聚类1、算法2、优缺点五、谱聚类1、算法步骤一、 分类与聚类1、分类 分类其实是从特定的数据中挖掘模式,作出判断的过程。 分类学习主要过程: (1)训练数据集存在一个类标记号,判断它是正向数据集(起积极作用,不垃圾邮件),还是负向数据原创 2022-05-29 19:36:16 · 7554 阅读 · 0 评论 -
立体视觉&点云模型
目录一、立体视觉二、双目系统1、单目系统2、双目系统三、视差Disparity四、点云模型五、Spin image六、拓展-三维重建一、立体视觉 立体视觉是一种计算机视觉技术,其目的是从两幅或两幅以上的图像中推理出图像中每个像素点的深度信息。 立体视觉 主要研究如何借助(多图像)成像技术从(多幅)图像里获取场景中物体的距离(深度)信息。模仿人眼的立体视觉过程,基于一帧或多帧具有共同拍摄场景的图像,由其中的二维形状信息恢复原始场景中三维形状信息的视觉过程。立体视觉的应用领域: 机器人、辅助原创 2022-05-26 21:25:47 · 2808 阅读 · 0 评论 -
计算机视觉之相机模型
目录一、相机模型1、相机与图像2、坐标系3、世界坐标系到摄像机坐标系4、摄像机坐标系到图像物理坐标系5、图像物理坐标系到图像像素坐标系6、摄像机坐标系到图像像素坐标系7、世界坐标系到图像像素坐标系二、 镜头畸变1、相机成像原理2、镜头畸变径向畸变:切向畸变:3、畸变矫正三、透视变换1、定义一、相机模型1、相机与图像针孔相机模型存在四个坐标系:世界坐标系、摄像机坐标系、图像物理坐标系和图像像素坐标系。假设:• 世界坐标系的坐标为Pw(Xw,Yw,Zw),• 对应的摄像机坐标系坐标为Po(x,y原创 2022-05-18 21:10:47 · 3822 阅读 · 3 评论 -
计算机视觉之边缘提取
目录复习一、边缘提取1、什么是边缘?2、什么是边缘提取?(1)边缘检测(2)高频信号&低频信号(3)边缘检测的原理和步骤二、三、复习(1)梯度: 梯度的本意是一个向量(矢量),表示某一函数在该点处的方向导数沿着该方向取得最大值,即函数在该点处沿着该方向(此梯度的方向)变化最快,变化率最大(为该梯度的模)(2)线性滤波 可以说是 图像处理 最基本的方法,它可以允许我们对图像进行处理,产生很多不同的效果。一、边缘提取1、什么是边缘? 图象的边缘是指图象局部区域亮度变化显著的部分,该区域原创 2022-05-16 19:38:08 · 5410 阅读 · 6 评论 -
特征选择与特征提取
目录一、 特征选择1、特征2、特征选择二、 特征提取三、PCA一、 特征选择 卷积解决的问题:卷积负责提取图像中的局部特征.1、特征 特征意为可作为事物特点的象征、标志等。在一些实际问题中,我们得到的样本数据都是多个维度的,即一个样本是用多个特征来表征的。比如在预测房价的问题中,影响房价y的因素有房子面积x1、卧室数量x2等,我们得到的样本数据就是(x1,x2)这样一些样本点,这里的x1、 x2又被称为特征。 为什么要进行特征选择? 在现实生活中,一个对象往往具有很多属性(以下称为特征)原创 2022-05-14 22:44:38 · 14832 阅读 · 3 评论 -
计算机视觉基础之数字图像(2)
目录一、直方图1、什么是直方图?2、直方图的性质3、直方图均衡化二、滤波三、卷积一、直方图1、什么是直方图? 直方图(Histogram),又称质量分布图,是一种统计报告图,由一系列高度不等的纵向条纹或线段表示数据分布的情况。 一般用横轴表示数据类型,纵轴表示分布情况。 在图像处理中,经常用到直方图,如颜色直方图、灰度直方图等。 图像的灰度直方图就描述了图像中灰度分布情况,能够很直观的展示出图像中各个灰度级所占的多少。 图像的灰度直方图是灰度级的函数,描述的是图像中具有该灰度级的像素的原创 2022-05-07 21:31:28 · 2902 阅读 · 0 评论 -
计算机视觉基础之数字图像(1)
目录一、 图像(各种图形和影像的总称)1、像素、分辨率2、灰度、通道、对比度3、RGB模型3、为什么很多图像识别将彩色图像灰度化?二、 图像的取样与量化三、上采样与下采样1、上、下采样2、常用的插值算法一、 图像(各种图形和影像的总称) 图像是人类视觉的基础,是自然景物的客观反映,是人类认识世界和人类本身的重要源泉。“图”是物体反射或透射光的分布,“像“是人的视觉系统所接受的图在人脑中所形成的印象或认识,照片、绘画、剪贴画、地图、书法作品、手写汉学、传真、卫星云图、影视画面、X光片、脑电图、心电图等都原创 2022-04-26 21:11:16 · 4306 阅读 · 0 评论 -
机器学习的数学基础
目录前言一、向量1、标量2、向量二、线性变换三、 矩阵四、导数&偏导数五、梯度六、概率学基础七、熵八、kl散度前言 数学是一切科学的基础, 可以说人类的每一次重大进步背后都是数学在后面强有力的支撑。 从第一次的工业革命到第三次的信息革命, 数学作为快速信息交换工具, 一直在促进我们生产力发展。 数学是一种工具学科, 是学习其他学科的基础。人工智能是建立在信息时代之上的新兴科技, 将成为新型产业带动时代的发展。要想了解并且深入学习人工智能方向的技术,必须了解一些基本的数学知识!一、向量1、标原创 2022-04-24 22:23:48 · 2875 阅读 · 0 评论 -
初入人工智能
目录一、什么是人工智能1、人工智能的定义2、人工智能发展史3、人工智能发展的基石——图灵测试4、人工智能的三大核心要素——数据、算法、算力5、人工智能关系圈二、机器学习&深度学习1、什么是机器学习?2、什么是神经网络?3、什么是深度学习?4、人工智能为什么这么火三、计算机视觉1、什么是计算机视觉?2、计算机视觉的五大应用3、计算机视觉的应用领域一、什么是人工智能1、人工智能的定义 对于人工智能的定义,学界一直有不同的表述,一种被广泛接受的说法是:人工智能是通过机器来模拟人类认知能力的技术。原创 2022-04-16 20:50:42 · 2634 阅读 · 0 评论 -
opencv介绍与简单使用
一、open介绍 OpenCV是一个基于Apache2.0许可(开源)发行的跨平台计算机视觉和机器学习软件库,可以运行在Linux、Windows、Android和Mac OS操作系统上。 它轻量级而且高效——由一系列 C 函数和少量 C++ 类构成,同时提供了Python、Ruby、MATLAB等语言的接口,实现了图像处理和计算机视觉方面的很多通用算法。OpenCV拥有包括300多个C函数的跨平台的中、高层API。它不依赖于其它的外部库――尽管也可以使用某些外部库。 OpenCV用C++语言编写,它原创 2022-03-08 22:22:53 · 9956 阅读 · 0 评论 -
基于YOLOv5开源项目实现垃圾分类功能(2)
目录前言一、基本概念1、什么是权重文件?2、GPU与CPU的区别3、深度学习框架4、PyTorch二、下载和安装nvidia显卡驱动三、训练自己的模型并分析前言 在上篇文章中,我们已经了解并学会如何使用yolov5这个开源项目,在这篇文章中,我们将会进行模型训练,使用自己训练出的权重文件实现我们的垃圾分类功能。一、基本概念1、什么是权重文件? 权重文件保存的就是训练好的网络各层的权值,也就是通过训练集训练出来的。训练好之后,应用时只要加载权值就可以,不再需要训练集了.2、GPU与CPU的区别原创 2022-03-07 17:39:19 · 8067 阅读 · 9 评论 -
基于YOLOv5开源项目实现垃圾分类功能(1)
目录一、垃圾分类目标检测数据集---Pascal Voc数据集二、对数据集进行分析三、开发环境搭建一、垃圾分类目标检测数据集—Pascal Voc数据集参考学习(必看):https://blog.csdn.net/u013832707/article/details/80060327假设一张图片的宽为1000,高为654:标记方式一:bbx的左上角坐标,右下角坐标标记方式二:bbx的中心点坐标以及该点到矩形框底边和侧边的距离可以用python代码实现两种标记格式的转换:def conve原创 2022-03-05 23:28:26 · 9014 阅读 · 10 评论 -
YOLO算法之YOLOv5
目录一、什么是YOLOv5?一、什么是YOLOv5?参考学习:了解YOLO: https://baijiahao.baidu.com/s?id=1664853943386329436&wfr=spider&for=pc https://zhuanlan.zhihu.com/p/25236464了解目标检测(推荐):https://www.bilibili.com/video/BV1m5411A7FD “YOLO”是一个对象检测算法的名字,YOLO将对象检测重新定义为原创 2022-02-28 21:52:41 · 85706 阅读 · 1 评论 -
目标检测算法之YOLO
目录原创 2022-02-27 21:05:38 · 2736 阅读 · 1 评论 -
目标检测算法之SPP-net, Fast R-CNN, Faster R-CNN
目录一、SPP-net算法1、R-CNN的缺陷在于每个候选区域都进行了卷积运算2、SPP-net算法相比于R-CNN,主要进行了两点改进,提出了SPP层3、映射4、SPP层:将特征图转换成固定大小的特征向量5、总结二、Fast R-CNN算法1、相较于R-CNN算法改进的地方2、Rol pooling3、多任务损失4、SPP-net, Fast R-CNN, Faster R-CNN三种算法对比三、Faster R-CNN算法1、改进之处2、RPN原理3、Faster R-CNN的训练组成4、总结一、SP原创 2022-02-25 23:52:23 · 651 阅读 · 0 评论 -
计算机视觉之目标检测
在之前的文章中,我们已经实现了局域网视频流传输功能,朱老师的海思9季课程也结束了,一开始说的剩下的两季内容朱老师不做了,准备放到后边其他系列课程,所以暂时我也无法学习。不过我准备自己完成一些功能,接下来的工作就是:如何充分利用视频流中的图像实现更多的功能,我个人的打算是使用视频流中的图像进行垃圾分类检测。原创 2022-02-25 15:01:57 · 3234 阅读 · 0 评论