A981012的博客

人脸识别签到系统【2】学习--界面显示人脸图像，并为组件赋予功能

A981012 — Thu, 16 Jul 2020 22:23:06 +0800

界面显示人脸图像，并为组件赋予功能下载Python库建立camera类组件赋予功能获取时间和日期代码下载：下载Python库点击pycharm的file——>settings ——>project interpreter 点击+号，搜索库名，然后点击install package安装库。我们需要下载的是camera 建立camera类实现一个摄像头类：添加打开摄像头获取摄像头的实时数据数据进行转换提供给界面新建一个py文件，命名为camera.py，内容为 im

人脸识别签到系统【1】学习--系统分析、pycharm+python环境配置及简单UI界面设计

A981012 — Wed, 15 Jul 2020 23:08:00 +0800

系统分析、pycharm+python环境配置及UI界面简单设计系统分析pycharm+python下载pycharm环境配置python库安装Qt设计简单UI界面环境：pycharm2018+python3.6 系统分析这个人脸识别签到系统开发项目可以分为三个阶段：定义阶段、开发阶段、运行维护阶段定义阶段：可行性分析：技术可行性、成本可行性需求分析：1、使用摄像头进行人脸检测；2、人脸库添加、删除； 3、人脸库；4、人脸对比判断；5、数据库保存；6、导出签到数据开发阶段：概要设计：规定接口，

基于dlib库进行微笑识别和口罩识别

A981012 — Sat, 11 Jul 2020 23:58:59 +0800

安装库 tensorflow和keras参考我之前的博客下载dlib库不能从anaconda prompt中直接pip install dlib下载，要先从 https://blog.youkuaiyun.com/weixin_39954229/article/details/81878864下载dlib库，在anaconda prompt中cd 到这里whl文件下载的位置，然后使用下面的命令下载 pip install dlib-19.7.0-cp36-cp36m-win_amd64.whl 至此dlib库下载

智能车自主导航仿真环境的搭建并用yolo进行物体检测

A981012 — Wed, 08 Jul 2020 21:34:52 +0800

这里写目录标题创建工作空间二级目录启动slam和rviz进行建图并保存创建工作空间 // A code block var foo = 'bar'; 编译成功：二级目录 // A code block var foo = 'bar'; 启动地图：（如果小车的位置不对或者赛道的位置不太好，就可以点击下图红框中的图标之后，将小车或者赛道移动到自己想要的位置上）与此同时会出现一个如下图所示的窗口，不要叉掉启动slam和rviz进行建图并保存 // A code block var foo =

window10下pycharm+yoloV4体验使用keras模型训练检测图片

A981012 — Mon, 06 Jul 2020 17:23:36 +0800

使用yoloV4+keras训练检测图片中物体前期准备环境：windows+anaconda3+pythonIDLE 前期准备首先就要安装tensorflow：参考我之前的一篇博客中的内容https://blog.youkuaiyun.com/A981012/article/details/106650686. 从GitHub上下载代码，解压将voc数据集的权重文件从下载下来。添加到文件中新建count文件，将数据集文件下载下来，放在这个文件里。使用IDLE运行voc_annotation.py文件，

tensorflow和keras使用cpu进行基于卷积神经网络的图像分类

A981012 — Wed, 10 Jun 2020 22:08:56 +0800

基于卷积神经网络的图像分类TensorFlow环境搭建猫狗数据集下载准备使用原始数据集直接训练导入库和数据集构建模型数据增强后的训练显示神经网络结构遇到的问题 TensorFlow环境搭建 TensorFlow安装参考： https://www.cnblogs.com/HongjianChen/p/8385547.html. 首先建立一个名为TensorFlow的environment 建立TensorFlow环境后，下载TensorFlow和keras 然后打开anaconda 进入TensorF

基于jupyter的图像典型特征点学习：理解sift 在尺度缩放、旋转、仿射上的特征点不变的实验验证代码，修改代码，将sift特征改为orb特征，验证orb特征是否具备尺度缩放、旋转、仿射上的不变性？

A981012 — Sun, 31 May 2020 16:49:26 +0800

验证sift和ORB特征的尺度缩放、旋转、仿射上的特征点不变验证旋转不变性验证尺度缩放不变性验证亮度不变性验证仿射不变性首先要将 // A code block var foo = 'bar'; 验证旋转不变性 // A code block var foo = 'bar'; // A code block var foo = 'bar'; // A code block var foo = 'bar'; 验证尺度缩放不变性 // A code block var foo = 'bar'; //

机器学习支持向量机SVM算法分类简析

A981012 — Tue, 26 May 2020 00:32:01 +0800

持向量机SVM算法分类简析支持向量机算法简介超参数cc对SVM分类划分决策边界使用多项式特征进行划分使用核函数进行划分高斯核函数高斯函数超参数γ\gammaγ的划分影响SVM回归拟合度支持向量机算法简介支持向量机SVM是在分类与回归分析中分析数据的监督式学习模型与相关的学习算法。给定一组训练实例，每个训练实例被标记为属于两个类别中的一个或另一个，SVM训练算法创建一个将新的实例分配给两个类别之一的模型，使其成为非概率二元线性分类器。SVM模型是将实例表示为空间中的点，这样映射就使得单独类别的实例被尽可

视觉slam十四讲--VO框架基础学习笔记：构建vo框架，并运行TUM数据集程序

A981012 — Tue, 19 May 2020 10:55:51 +0800

视觉里程计学习：构建vo框架，并运行程序一级目录二级目录三级目录遇到的问题一级目录二级目录三级目录遇到的问题从提示中可以看到是我们没有过安装sophus或者是没安装好，反正就是找不到sophus，所以我们需要对sophus进行安装。 https://blog.youkuaiyun.com/u011092188/article/details/77833022. sophus编译完成： ...

采用线性LDA、k-means和SVM算法对鸢尾花数据集和月亮数据集进行二分类可视化分析

A981012 — Mon, 18 May 2020 21:30:22 +0800

采用线性LDA、k-means和SVM算法对鸢尾花数据集和月亮数据集进行二分类可视化分析SVM，k-means，线性LDA算法简介对两个数据集采用线性LDA进行分类采用k-means进行分类采用SVM算法进行分类SVM算法的优点 SVM，k-means，线性LDA算法简介 SVM模型是将实例表示为空间中的点，这样映射就使得单独类别的实例被尽可能宽的明显的间隔分开。然后，将新的实例映射到同一空间，并基于它们落在间隔的哪一侧来预测所属类别。 k-means是将对于给定的样本集，按照样本之间的距离大小，将样本集划

视觉里程计基础学习：对极约束求解估计相机运动、显示出筛选特征点后的图像

A981012 — Thu, 07 May 2020 23:35:15 +0800

视觉里程计基础学习：对极约束求解估计相机运动显示出筛选特征点后的图像对极约束原理对极约束求解估计相机运动对筛选特征点后的图片进行显示完整代码：对极约束原理求取两帧图像 I1, I2 之间的运动，设第一帧到第二帧的运动为R, t。两个相机中心分别为 O1, O2。现在，考虑 I1 中有一个特征点 p1，它在 I2 中对应着特征点 p2。我们晓得这俩是通过特征匹配得到的。如果匹配正确，说明它们确实...

机器学习：鸢尾花数据集8:2划分训练集和测试集，并进行决策树分类算法练习

A981012 — Thu, 07 May 2020 22:00:34 +0800

遇到的问题解决： https://stackoverflow.com/questions/45890328/sklearn-metrics-for-multiclass-classification

视觉SLAM视觉里程计基础学习：使用图片序列，进行ORB特征点提取并暴力匹配

A981012 — Thu, 07 May 2020 11:34:39 +0800

ORB_SLAM基础学习：使用图片序列，进行特征点提取并匹配一级目录二级目录三级目录一级目录 #include #include #include #include using...

人工智能基础学习：用Jupyter完成Iris数据集的 Fisher线性分类，并学习数据可视化技术

A981012 — Wed, 06 May 2020 16:44:28 +0800

jupyter完成Iris数据集的Fisher线性分类并可视化一级目录二级目录三级目录一级目录二级目录三级目录

人工智能基础学习：Fisher判别的python推导和Fisher线性分类判断的理解

A981012 — Wed, 06 May 2020 12:34:00 +0800

Fisher线性分类判断的理解和Fisher判别的python推导Fisher线性分类判断类内离散度概念和几何意义类间离散度概念和几何意义Fisher判别python推导 Fisher线性分类判断 Fisher线性判别函数是研究线性判别函数中最有影响的方法之一。对线性判别函数的研究就是从R.A.Fisher在1936年发表的论文开始的。 Fisher 线性判别函数的提出：在用统计方法进行模式识别时...

机器学习基础概念：查准率、查全率、ROC、混淆矩阵、F1-Score 机器学习实战：分类器

A981012 — Tue, 28 Apr 2020 12:55:11 +0800

机器学习：基础概念查准率、查全率F1-Score、ROC、混淆矩阵机器学习实战：分类器查准率、查全率对于二分类问题，可将样例根据其真实类别与学习器预测类别的组合划分为真正例TP、假正例FP、真反例TN、假反例FN四种，令TP、FP、TN、FN分别表示其对应的样例数，则显然有TP+FP+TN+FN=样例总数，分类结果的“混淆矩阵”为：查准率P： p=TPTP+FP p=\frac{TP}{TP...

【ORB_SLAM2基础学习】Ubuntu16.04下ORB_SLAM2安装与配置及运行单目测试实例

A981012 — Thu, 23 Apr 2020 09:50:24 +0800

这里写目录标题一级目录二级目录遇到的问题及解决一级目录二级目录遇到的问题及解决问题解决参考：https://github.com/raulmur/ORB_SLAM2/issues/535 在ORB_SLAM2/Examples/ROS/ORB_SLAM2/CMakeLists.txt文件中加入-lboost_system 问题解决，编译成功：错误： ...

凸优化基础学习：凸集、凸函数、凸规划理论概念学习

A981012 — Wed, 22 Apr 2020 22:24:01 +0800

凸优化基础1、计算几何是研究什么的？2、计算几何理论中（或凸集中）过两点的一条直线的表达式，是如何描述的？与初中数学中那些直线方程有什么差异？有什么好处？3、凸集是什么？直线是凸集吗？是仿射集吗？4、三维空间中的一个平面，如何表达？5、更高维度的“超平面”，如何表达？6、什么是“凸函数”定义？什么是Hessen矩阵? 如何判别一个函数是凸函数？f(x)=x^3 函数是凸函数吗？7、什么是“凸规划...

线性规划Python实现：使用库函数和不使用库函数进行单纯形法（大M法）线性规划

A981012 — Tue, 21 Apr 2020 10:49:31 +0800

使用库函数和不使用库函数进行单纯形法线性规划使用scipy库进行单纯形法线性规划单纯形法大M法不使用库函数进行单纯形法线单纯形法大M法遇到的问题及解决使用scipy库进行单纯形法线性规划单纯形法给出的线性规划为：max $2x_1 大M法不使用库函数进行单纯形法线单纯形法大M法遇到的问题及解决 ...

人工智能基础学习：拉格朗日乘子法实现非线性规划

A981012 — Mon, 20 Apr 2020 18:51:38 +0800

拉格朗日乘子法实现非线性规划拉格朗日乘子法原理介绍拉格朗日乘子法python代码用KKT条件验证解的有效性拉格朗日乘子法原理介绍对于二元函数，设目标函数为f(x1,x2x_1,x_2x1,x2)，极值存在的必要条件为：等式约束为：g(x1,x2x_1,x_2x1,x2)=0 在无约束时，∂f∗∂x1\frac{\partial f^*}{\partial x_1}∂x1∂f∗=∂...