![](https://img-blog.csdnimg.cn/20201014180756918.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习复习笔记
文章平均质量分 52
小武不会了
人工智能专业菜鸡
展开
-
线性模型,SVM,决策树
线性模型,SVM,决策树的复习原创 2022-01-23 19:25:41 · 1376 阅读 · 0 评论 -
机器学习绪论
人工智能专业模式识别与机器学习复习原创 2021-12-23 00:09:09 · 494 阅读 · 0 评论 -
CV领域描述子2:SIFT
特征的可重复性:同一场景的不同图像所提取的特征应该是相同的 SIFT: 将一幅图像映射(变换)为一个局部特征向量集 特征向量具有平移,缩放,旋转不变性,同时对光照变化,仿射及投影变换也有一定不变性 实质:在不同尺度空间上查找特征点 (关键点)的问题。 步骤:特征点检测(构建尺度空间,特征点定位,特征点主方向确定),特征描述,特征匹配 主要思想是通过对原始图像进行 尺度变换,获得图像多尺度下的尺度空间表示序列,对这些序列进行 尺度空间主轮廓的提取,并以该主轮廓作为一种特征向量,实现边缘、 角点检测原创 2021-12-23 00:01:50 · 1867 阅读 · 0 评论 -
CV领域特征描述子1:HOG
CV领域特征描述子:HOG,SIFT--图片的简略替代 HOG:方向梯度直方图 本质:梯度的统计信息,能够很好的反映局部图像的边缘、形状 图像梯度基本原理:当图像中存在边缘时,一定有较大的梯度值,相反,当图像中有比较平滑的部分时,灰度值变化较小,则相应的梯度也较小,x方向梯度会强化垂直方向的特征 y方向梯度会强化水平方向的特征 由于图像是一个(按照像素)离散的二维函数,因此 ???? 最小为1像素 Sobel算子: CV领域特征描述子:HOG,SIFT--图片的简略替代 HOG:方向梯度直方图原创 2021-12-22 21:50:05 · 1338 阅读 · 0 评论