- 博客(11)
- 收藏
- 关注
RSS订阅原创 基于dlib的人脸识别（jupyter notebook）
文章目录一、构建数据集1、安装dlib库2、基于dlib库构建人脸特征数据集二、特征检测1、python+OpenCv+dlib实现人脸68个关键点检测并标注2、获取特征点并保存数据：get_features三、人脸识别1、人物文件夹2、Python读取wav音频文件3、程序代码假定该系统完成后将工作于学生宿舍门口，摄像头安装于门的猫眼处、或者门侧边墙上；对本宿舍的学生进行人脸识别（身份验证），通过验证就播放语音“欢迎光临！”（模拟开门），否则播放“抱歉，无法验证您的身份！”，同时用数据库记录来访者的身份
2020-07-09 16:27:01
3784
2
原创 基于Ubuntu16.04的Yolo v4 目标检测
文章目录1、安装pip32、安装keras3、安装TensorFlow4、下载Yolo V4-keras5、yolov4.weights权重文件下载6、测试1、安装pip3sudo apt install python3-pip2、安装keraskeras和tensorflow版本需要匹配才可正常使用sudo pip3 install keras==2.2.53、安装TensorFlowsudo pip3 install tensorflow4、下载Yolo V4-kerasgit
2020-07-06 22:26:45
667
原创 人工智能与机器学习---笑脸识别与口罩识别
这里写目录标题一、人脸图像特征提取的方法1、HOG2、Dlib3、卷积神经网络二、三、Python3+Dlib+Opencv实现摄像头采集人脸并对表情进行实时分类判读1、 安装Dlib库一、人脸图像特征提取的方法1、HOG方向梯度直方图（Histogram of Oriented Gradient, HOG）特征是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子。HOG特征通过计算和统计图像局部区域的梯度方向直方图来构成特征。HOG特征提取的流程图如下图所示：2、DlibDlib 是一
2020-07-05 10:25:47
1576
5
原创 人工智能与机器学习----SVM算法深入探究
人工智能与机器学习----SVM算法深入探究一、支持向量机二、如何找到超平面三、最大间隔分类器四、编程练习1、未经过标准化的原始数据点分布2、使用多项式特征和核函数一、支持向量机支持向量机（Support Vector Machine, SVM）是一类按监督学习（supervised learning）方式对数据进行二元分类的广义线性分类器（generalized linear classifier），其决策边界是对学习样本求解的最大边距超平面（maximum-margin hyperplane）。对
2020-05-25 16:35:44
380
原创 人工智能与机器学习---用线性LDA、k-means和SVM算法进行二分类可视化分析
一、支持向量机 （SVM）算法的原理支持向量机（Support Vector Machine，常简称为SVM）是一种监督式学习的方法，可广泛地应用于统计分类以及回归分析。它是将向量映射到一个更高维的空间里，在这个空间里建立有一个最大间隔超平面。在分开数据的超平面的两边建有两个互相平行的超平面，分隔超平面使两个平行超平面的距离最大化。假定平行超平面间的距离或差距越大，分类器的总误差越小。1、支持向量机的基本思想对于线性可分的任务，找到一个具有最大间隔超平面，如图所示2、步骤（1）导入数据；（2）数
2020-05-18 14:54:33
1221
原创 人工智能与机器学习---用Jupyter完成Iris数据集的 Fisher线性分类
程序代码import pandas as pdimport numpy as npimport matplotlib.pyplot as plt df = pd.read_csv(r'http://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data')Iris1=df.values[0:50,0:4]Iri...
2020-05-05 18:52:02
323
原创 人工智能与机器学习---Fisher判别的推导
一、介绍Fisher判别法是判别分析的方法之一，它是借助于方差分析的思想，利用已知各总体抽取的样品的p维观察值构造一个或多个线性判别函数y=l′x其中l= (l1，l2…lp)′，x= (x1，x2，…，xp)′，使不同总体之间的离差(记为B)尽可能地大，而同一总体内的离差(记为E)尽可能地小来确定判别系数l=(l1，l2…lp)′。数学上证明判别系数l恰好是|B-λE|=0的特征根，记为λ1≥...
2020-05-05 18:24:00
763
原创 人工智能与机器学习---线性分类
一、相关定义1、查准率查准率（Precision）（精度）是衡量某一检索系统的信号噪声比的一种指标，即检出的相关文献与检出的全部文献的百分比。普遍表示为：查准率=（检索出的相关信息量/检索出的信息总量）x100%。2、查全率查全率（召回率），是衡量某一检索系统从文献集合中检出相关文献成功度的一项指标，即检出的相关文献与全部相关文献的百分比。普遍表示为：查全率=（检索出的相关信息量/系统中的...
2020-04-27 23:35:58
346
原创 人工智能与机器学习---凸优化基础
1、计算几何是研究什么的？计算几何是对几何外形信息的计算机表示分析，研究的对象是几何图形。早期人们对于图像的研究一般都是先建立坐标系，把图形转换成函数，然后用插值和逼近的数学方法，特别是用样条函数作为工具来分析图形，取得了可喜的成功。然而，这些方法过多地依赖于坐标系的选取，缺乏几何不变性，特别是用来解决某些大挠度曲线及曲线的奇异点等问题时，有一定的局限性。2、计算几何理论中（或凸集中）过两点的...
2020-04-21 22:05:18
295
原创 人工智能与机器学习---线性规划和非线性规划求解
一、线性规划1、线性规划的概念线性规划(Linear Programming 简记 LP)是了运筹学中数学规划的一个重要分支。自从 1947 年 G. B. Dantzig 提出 求解线性规划的单纯形法以来，线性规划在理论上趋向成熟，在实用中由于计算机能处理成千上万个约束条件和决策变量的线性规划问题之后，线性规划现代管理中经常采用的基本方法之一。 在解决实际问题时，需要把问题归结成一个线性规划...
2020-04-19 13:49:52
4243
原创 人工智能与机器学习---梯度下降法
一、梯度下降法1、概述梯度下降（gradient descent）在机器学习中应用十分的广泛，不论是在线性回归还是Logistic回归中，它的主要目的是通过迭代找到目标函数的最小值，或者收敛到最小值。2、原理梯度下降算法的基本原理就是通过多次迭代，求得与精度值匹配的最后结果：二、牛顿法1、牛顿法的概述牛顿法是机器学习中用的比较多的一种优化算法。牛顿法的基本思想是利用迭代点处的一阶导...
2020-04-05 18:13:36
1048
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人