CV-China

最新推荐文章于 2024-08-08 08:04:40 发布
原创 最新推荐文章于 2024-08-08 08:04:40 发布 · 1.2k 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

sci 计算机视觉,SCI(图像-计算机视觉-测量)
weixin_39620334的博客
07-30 1877
pattern analysis and machine intelligence (PAMI) 顶级International Journal of Computer Vision (IJCV) 顶级SIAM Journal on Imaging Sciences 顶级Pattern Recognition (PR) 2.509 高IEEE TRANSACTIONS ON IMAGE PROC...
Open CV-Python 入门
Just_a_genius的博客
10-01 2743
1.1 图像ROI(感兴趣区域) import cv2 import matplotlib.pyplot as plt image = cv2.imread('practice.jpg') #通道顺序为BGR ran = image[400:480, 0:80] image[500:580, 300:380] = ran plt.imshow(image) plt.show() 1.2 通道...
cv_chinese
08-22
cv_chinese这是个中文包希望大家喜欢！
基于vue3和element-plus的省市区级联组件,elui-china-area-dht发布
海天酱油zz
01-05 4064
说明 其实该组件很简单，核心在于全国省市区数据的来源，还有数据格式化以及组件封装。 然后大家应该知道在vue2阶段其实有一个省市区的第三方封装的组件，我想大家应该不少人使用过。 看源码，作者应该暂时没有发布vue3的计划。那么我这里就提前一步给大家个福利。 使用的话直接看使用部分就行了。 核心原理 数据基于：https://github.com/airyland/china-area-data 根据第三方提供的省市区数据部分，将数据改为element-plus所需的嵌套数据结构 封装Chin
计算机视觉论文-2021-06-01
中科院AI算法工程师的博客
06-01 4093
本专栏是计算机视觉方向论文收集积累，时间：2021年5月1日，来源：paper digest 欢迎关注原创公众号【计算机视觉联盟】，回复【西瓜书手推笔记】可获取我的机器学习纯手推笔记！ 直达笔记地址：机器学习手推笔记（GitHub地址） ...
china-area-data 地区组件和H5地区组件数据源不同，咋办？
m0_65182393的博客
07-20 330
【代码】china-area-data 地区组件和H5地区组件数据源不同，咋办？
推荐使用：China-Balanced-License-Plate-Recognition-Dataset-330k - 高质量的中国车牌识别训练数据集...
gitblog_00623的博客
08-08 827
推荐使用：China-Balanced-License-Plate-Recognition-Dataset-330k - 高质量的中国车牌识别训练数据集 CBLPRD-330kChina-Balanced-License-Plate-Recognition-Dataset-330k:A balanced dataset of 330,000 images featuring various ty...
ubuntu opencv php,Debian下安装 - OpenCV China ：图像处理,计算机视觉库,Image Processing, Computer Vision...
weixin_36402765的博客
03-19 227
Wikipedia，自由的百科全书Ubuntu下安装也可参考此文档[编辑]更新下载更新软件包列表信息apt-get update[编辑]查询OpenCV相关软件包$ apt-cache search opencvlibcv-dev - development files for libcvlibcv1 - computer vision librarylibcvaux-dev - developm...
China.js ---＞ echarts地图用
maohangfei.cn
03-23 2025
【代码】China.js ---> echarts地图用。包含模板文件CV使用即可
javacv-platform-1.5.4-bin.zip
09-11
javacv-platform-1.5.4-bin，javacv运行所需jar包，包含samples
【MATLAB工具箱集锦】- chinamap中国地图数据工具箱(大陆地区).rar
12-07
59 计算机视觉工具箱VFfeat-0.9.21 60 全向相机校准工具箱OCamCalib_v3.0 61 心理物理学数据分析工具箱Palamedes1_10_3 62 生理学研究工具箱EEGLAB 63 磁共振成像处理工具箱CONN 18b 64 matlab 复杂网络工具箱 65 ...
2021 .NET Conf China 周杰《.NET 玩转计算机视觉 OpenCV》源代码仓库
最新发布
08-18
在2021年，.NET Conf China活动中，周杰所讲授的《.NET 玩转计算机视觉 OpenCV》源代码仓库是一个重要的技术资源。本次分享的目的是为了让开发者们了解如何利用.NET平台和OpenCV库来实现计算机视觉的应用开发。周杰...
China-cognitive使用说明-update-yutao1
08-08
认知服务是微软提供的一系列API和服务，它允许开发者轻松集成先进的人工智能功能，如计算机视觉、自然语言处理和语音识别，无需具备深度学习或数据科学的专业知识。 **认知服务的创建** 1. 首先，你需要登录到中国...
计算机视觉基础5---窗口控制和绘图
FUXI_Willard
04-21 882
参考书目：《OpenCV计算机视觉基础教程》–夏帮贵。 代码编写：Jupyter Notebook。 1.窗口控制 cv2.namedWindow()创建窗口 格式：cv2.namedWindow(winname[, flags])； winname：窗口名称；flags：表示窗口属性的常量； 窗口属性： cv2.WINDOW_NORMAL：用户可以调整窗口大小，无限制； cv2.WINDOW_AUTOSIZE：默认值，用户无法调整窗口大小，窗口大小由显示的图像决定； cv2.WINDOW_FULL
UCI Machine learning
Bossqian(钱总)'s wikiup
04-29 2353
http://www.ics.uci.edu/~mlearn/Machine Learning Database Repository : http://www.ics.uci.edu/~mlearn/MLRepository.html
[论文开工]MLESAC实现的一个网址
Bossqian(钱总)'s wikiup
01-10 2302
http://www.lems.brown.edu/vision/vxl_doc/html/contrib/oxl/mvl/html/HMatrix2DComputeMLESAC_8h-source.html 
人脸识别
Bossqian(钱总)'s wikiup
05-09 2137
Detecting Faces in Images: A Survey　　翻译http://blog.youkuaiyun.com/mqt_2003/archive/2006/05/05/709499.aspxPCA人脸识别　http://wolf1sky.blog.163.com/article/-VPJj-ojWPwB.html
Camera calibration
Bossqian(钱总)'s wikiup
05-12 2039
http://www.ee.oulu.fi/~jth/calibr/  Tsai Camera Calibration Software Camera Calibration Toolbox for Matlab  http://yang.ming.free.fr/research/vision/calibration/index.htm  Camera Calibration for
China-PAR 脑卒中风险预测方程matlab
07-15
使用China-PAR模型进行脑卒中风险预测在MATLAB中的实现涉及数据预处理、特征选择、模型构建和评估等步骤。以下是具体的方法和代码示例： ### 数据预处理 首先，需要对数据进行清洗和标准化处理，以确保输入数据的质量。 ```matlab % 假设数据存储在一个名为data的矩阵中，最后一列为标签 X = data(:, 1:end-1); % 特征 y = data(:, end); % 标签 % 标准化特征数据 mu = mean(X); sigma = std(X); X = (X - mu) ./ sigma; ``` ### 特征选择 根据China-PAR模型的特点，可以选择相关的特征进行训练。这一步可以使用统计方法或特征重要性分析来确定。 ### 模型构建 使用逻辑回归作为基础模型进行脑卒中风险预测。以下是一个简单的逻辑回归实现： ```matlab % 添加偏置项 X = [ones(size(X, 1), 1) X]; % 初始化参数 theta = zeros(size(X, 2), 1); % 设置学习率和迭代次数 alpha = 0.01; num_iters = 1000; % 逻辑回归梯度下降 m = length(y); for iter = 1:num_iters h = 1 ./ (1 + exp(-X * theta)); gradient = (X' * (h - y)) / m; theta = theta - alpha * gradient; end ``` ### 模型评估 使用交叉验证来评估模型的性能，并计算准确率和AUC值。 ```matlab % 分割数据集为训练集和测试集 cv = cvpartition(y, 'HoldOut', 0.2); X_train = X(cv.training, :); y_train = y(cv.training, :); X_test = X(cv.test, :); y_test = y(cv.test, :); % 使用训练好的参数进行预测 h_train = 1 ./ (1 + exp(-X_train * theta)); h_test = 1 ./ (1 + exp(-X_test * theta)); % 计算准确率 predictions_train = h_train >= 0.5; accuracy_train = mean(predictions_train == y_train); predictions_test = h_test >= 0.5; accuracy_test = mean(predictions_test == y_test); % 计算AUC值 [fpr, tpr, thresholds] = perfcurve(y_test, h_test, 1); auc_value = trapz(fpr, tpr); ``` ### 结果展示 输出模型的准确率和AUC值，以便于分析模型的效果。 ```matlab fprintf('训练集准确率: %.2f%%\n', accuracy_train * 100); fprintf('测试集准确率: %.2f%%\n', accuracy_test * 100); fprintf('AUC值: %.4f\n', auc_value); ``` 以上代码提供了一个基本框架，实际应用中可能需要根据具体的数据集和需求调整模型结构和参数设置[^1]。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值