python
文章平均质量分 64
很奇怪__
hello,world
展开
-
基于Keras搭建nnUNet(DRIVE数据集)
学习nnUNet的学习资料原创 2022-07-09 00:45:22 · 841 阅读 · 1 评论 -
PyWavelets - Wavelet Transforms in Python
pywt社区:PyWavelets - Wavelet Transforms in Python — PyWavelets Documentation转载 2022-05-17 18:26:51 · 205 阅读 · 0 评论 -
评估目标跟踪算法
一、OTB评估指标OTB 可以用来衡量你的目标跟踪算法好坏,它包含一些 benchmark 结果,打好标记(即ground-truth.txt )的数据集,以及一个用来测试你的算法的代码库。数据集包括50帧的序列和100帧的序列,其中50帧序列的数据集是2013年提出来的,100帧的数据集是2015年提出来的,所以OTB50也叫OTB2013,OTB100也叫OTB2015,相关的数据集和测试代码库都可以在http://cvlab.hanyang.ac.kr/tracker_benchmark/ 下原创 2022-04-25 18:42:20 · 1708 阅读 · 0 评论 -
Git与Github简单实用
目录一、设置SSH密钥二、提交代码三、与Github同步四、克隆 GitHub 上的仓库五、总结一、在 2021 年 8 月 GitHub 更新后,已经不再允许使用账户密码操作 GitHub,必须使用 SSH 密钥登陆。1、终端执行ssh-keygen命令按几次回车生成公私钥,公私钥存放在主目录下的隐藏目录.ssh中的两个文件中2、将~/.ssh/id_rsa.pub文件中的公钥内容复制出来3、然后在 GitHub 网页上添加公钥:4、...原创 2021-11-18 17:57:56 · 299 阅读 · 0 评论 -
边缘跟踪Moores 算法
摩尔领域也称为8邻域或者间接邻域。摩尔邻域跟踪算法的基本思想:边界追踪:Moore’s 算法 The general idea is:• every time you hit a black pixel, P, backtrack i.e. go back to the white pixel you were previously standing on, then,• go around pixel P in a clockwise direction, visiting each.原创 2021-11-18 13:56:45 · 2603 阅读 · 2 评论 -
np.histogram与plt.hist
1、np.histogramhistogram(a,bins=10,range=None,weights=None,density=False);a是待统计数据的数组; bins指定统计的区间个数; range是一个长度为2的元组,表示统计范围的最小值和最大值,默认值None,表示范围由数据的范围决定 weights为数组的每个元素指定了权值,histogram()会对区间中数组所对应的权值进行求和 density为True时,返回每个区间的概率密度;为False,返回每个区间中元素的个数原创 2021-11-09 16:43:38 · 1329 阅读 · 0 评论 -
图像二值化(选择阈值)
目录1. 双峰法2. 大津法(Otsu法或最大类间方差法)1. 双峰法在一些简单的图像中,物体的灰度分布比较有规律,背景与各个目标在图像 的直方图各自形成一个波峰,即区域与波峰一一对应,每两个波峰之间形成 一个波谷。那么,选择双峰之间的波谷所代表的灰度值T作为阈值,即可实 现两个区域的分割。img = cv2.imread('./1.jpg', 0) histogram, bins, patch = plt.hist(img.reshape(img.shape[0]原创 2021-11-09 16:29:02 · 5519 阅读 · 0 评论 -
Kmean
影响 Kmeans 算法的可能因素:• 如何选择距离?对数据点进行类别划分时,需要计算点到点之间的距离。距离有很多种。 例如 欧式距离,????2 (????, ????) = √(????1 − ????1 ) 2 + (????2 − ????2 ) 2, 其中???? = (????1, ????2)和???? = (????1, ????2)是两个不同的点; L1 范 数距离????1 (????, ????) = |????1 − ????1 | + |????2 − ????2|。•原创 2021-11-08 20:22:08 · 117 阅读 · 0 评论 -
决策树之ID3算法(python)
一棵决策树的生成过程主要分为以下3个部分:1、特征选择2、决策树生成3、剪枝在讲解特征选择前,我们先了解一些概念。不纯度(impurity)--GINI系数:不纯度(impurity)--Entropy熵:不纯度(impurity)--分类误差:delta = 1 - max[ p( t ) ]信息增益:第一步:切分特征选择具有最高信息增益的特征作为测试特征,利用该特征对节点样本进行划分子集,会使得各子集中不同类别样本的混合程度最低,在各子集中对样...原创 2021-10-23 19:05:00 · 1249 阅读 · 0 评论