- 博客(32)
- 收藏
- 关注
RSS订阅原创 目标检测、图像分割、图像分类、目标识别区别
##图像分类（image classification）图像分类：根据图像的主要内容进行分类。数据集：MNIST, CIFAR, ImageNet##目标检测（object detection）给定一幅图像，只需要找到一类目标所在的矩形框人脸检测：人脸为目标，框出一幅图片中所有人脸所在的位置，背景为非目标汽车检测：汽车为目标、框出一幅图片中所有汽车所在的位置，背景为非目标数据集：PA...
2019-11-03 01:31:41
13357
原创 图像融合
图像拼接是一种将同一场景的多个重叠图像拼接成较大图像的方法。它在医学成像，计算机视觉，卫星数据，军事目标自动识别等领域具有重要意义。图像拼接的输出是两个输入图像的并集。通常使用五个步骤：特征提取：检测所有输入图像中的特征点以进行图像配准：建立图像之间的几何对应关系，以便在共同的参照系中对它们进行变换，比较和分析。它大致可分为以下几类直接使用图像的像素值的算法，例如，相关方法用于频域处理的算法...
2019-11-03 01:15:43
932
1
原创 C++野指针
野指针，也就是指向不可用内存区域的指针。如果对野指针进行操作，将会使程序发生不可预知的错误，甚至可能直接引起崩溃。野指针不是NULL指针，是指向“垃圾”内存的指针。人们一般不会错用NULL指针，因为用if语句很容易判断。但是野指针是很危险的，也具有很强的掩蔽性，if语句对它不起作用。造成野指针的常见原因有三种：1、指针变量没有被初始化。任何指针变量刚被创建时不会自动成为NULL指针。在Deb...
2019-10-28 15:56:43
315
原创 opencv环境搭建
在qt上 .pro文件添加：INCLUDEPATH += /usr/local/Cellar/opencv/4.1.2/include/opencv4/opencv2/INCLUDEPATH += /usr/local/Cellar/opencv/4.1.2/include/INCLUDEPATH += /usr/local/Cellar/opencv/4.1.2/include/openc...
2019-10-26 15:27:55
244
原创 python list常用操作
python list常用操作1.list 定义li = [“a”, “b”, “mpilgrim”, “z”, “example”]li[‘a’, ‘b’, ‘mpilgrim’, ‘z’, ‘example’]li[1]‘b’2.list 负数索引li[‘a’, ‘b’, ‘mpilgrim’, ‘z’, ‘example’]li[-1]‘example’li[-3]...
2019-10-20 15:16:08
286
原创 三维重建
三维重建的步骤（1） 图像获取：在进行图像处理之前，先要用摄像机获取三维物体的二维图像。光照条件、相机的几何特性等对后续的图像处理造成很大的影响。（2）摄像机标定：通过摄像机标定来建立有效的成像模型，求解出摄像机的内外参数，这样就可以结合图像的匹配结果得到空间中的三维点坐标，从而达到进行三维重建的目的。（3）特征提取：特征主要包括特征点、特征线和区域。大多数情况下都是以特征点为匹配基元，特征...
2019-10-20 09:14:59
1209
原创 相机标定
利用摄像机所拍摄到的图像来还原空间中的物体。在这里，不妨假设摄像机所拍摄到的图像与三维空间中的物体之间存在以下一种简单的线性关系：[像]=M[物],这里，矩阵M可以看成是摄像机成像的几何模型。 M中的参数就是摄像机参数。通常，这些参数是要通过实验与计算来得到的。这个求解参数的过程就称为摄像机标定。相机标定方法有：传统相机标定法、主动视觉相机标定方法、相机自标定法。传统相机标定法需要使用尺寸已知...
2019-10-20 09:01:58
532
原创 深度学习——是否收集更多的数据
深度学习中决定是否收集更多的数据时可考虑如下：1.建立第一个端到端的系统后，就可以度量算法的性能并决定如何改进算法很多新手忍不住尝试很多不同的算法来改进实际上，收集更多的数据往往比改进学习算法要有用的多2.决定是否需要收集更多数据的标准：首先：确定训练集上的性能可否接受。如果模型在训练集上的性能就很差，那么没必要收集更多的数据。此时可以尝试增加更多的网络层或者每层增加更多的隐单元从而...
2019-10-19 22:08:30
483
原创 深度学习——变量初始化
权重一定不能全零初始化。因为这会导致神经元在前向传播中计算出同样的输出，然后在反向传播中计算出同样的梯度，从而进行同样的权重更新。这就产生了大量对称性神经元。通常采用小随机数初始化，通过这样来打破对称性。至于使用高斯分布还是均匀分布，对结果影响很小。之所以用小的随机数，是因为：如果网络中存在tanh 或者 sigmoid 激活函数，或者网络的输出层为sigmoid 等单元，则它们的变量值必须很...
2019-10-16 16:39:13
331
原创 深度学习数据预处理
深度学习数据预处理1.常见数据预处理方式：（红色的线指出各维度的数值范围）data_process1均值减法：对数据中每个独立特征减去均值，集合上理解为：在每个维度上，都将数据云的中心迁移到原点归一化：将所有维度都做归一化：第一种做法：先对数据做零中心化处理，然后每个维度都除以标准差第二种做法：每个维度都做归一化，使得每个维度最大和最小值都是 1 和 -1PCA 降维：取得数据的主成...
2019-10-16 11:34:55
893
原创 深度学习默认的基准模型
深度学习的默认基准模型1.根据问题的复杂性，项目开始时可能无需使用深度学习如果只需要正确选择几个线性权重就能解决问题，那么项目开始可以使用一个简单的统计模型，如逻辑回归2.如果问题属于 “AI-完全”类型的，如对象识别、语音识别等，那么项目开始于一个合适的深度学习模型，则效果会比较好3.根据数据结构选择一类合适的模型：如果是以固定大小的向量作为输入的有监督学习，那么可以使用全连接的前馈网...
2019-10-16 09:13:46
2620
原创 C++signed 与unsigned理解
signed意思为有符号的，也就是第一个位代表正负，剩余的代表大小，例如：signed int 大小区间为-128-127unsigned意思为无符号的，所有的位都为大小，没有负数，例如：unsigned int 大小区间为：0-255当然 默认为signed如果想要明白singed与unsigned的区别，除了这两个基本知识，还需要了解整数在计算机中的存储方式，以16-bit 计算机为例，...
2019-10-13 19:51:51
4556
2
原创 图像处理——灰度变换
灰度变换是指根据某种目标条件按一定变换关系逐点改变源图像中每一个像素灰度值的方法。目的是为了改善画质，使图像的显示效果更加清晰。 图像的灰度变换处理是图像增强处理技术中的一种非常基础、直接的空间域图像处理方法，也是图像数字化软件和图像显示软件的一个重要组成部分。...
2019-10-13 10:38:36
1429
原创 tensorflow gpu和cpu使用
在一套标准的系统上通常有多个计算设备. TensorFlow 支持 CPU 和 GPU 这两种设备. 我们用指定字符串 strings 来标识这些设备. 比如:“/cpu:0”: 机器中的 CPU“/gpu:0”: 机器中的 GPU, 如果你有一个的话.“/gpu:1”: 机器中的第二个 GPU, 以此类推…如果一个 TensorFlow 的 operation 中兼有 CPU 和 GPU...
2019-10-09 22:30:54
300
原创 深度学习性能度量
深度学习性能度量1.确定目标，即使用什么误差度量是第一步因为误差度量将指导接下来的所有工作同时我们也能够了解大概能得到什么级别的目标性能2.对大多数应用而言，不可能实现绝对零误差即使有无限的训练数据，并且恢复了真正的概率分布，但是由于输入特征可能无法包含输出变量的完整信息、或者系统本质上是个随机系统，则仍然产生了误差当然实际上我们也不可能有无限的训练数据3.通常我们需要收集更多的数据...
2019-10-09 08:23:06
498
原创 机器学习算法——极大似然估计
极大似然估计：1.若总体X为离散型，其概率分布列为其中 为为未知参数。设 是取自总体的样本容量为n的样本，则 的联合分布律为 。又设 的一组观测值为 ，易知样本 取到观测值 的概率为这一概率随 的取值而变化，它是 的函数，称 为样本的似然函数。2.若总体X为连续型，其概率密度函数为 ，其中 为未知参数。设 是取自总体的样本容量为n的简单样本，则 的联合概率密度函数为 。又设 的一组观测值为...
2019-10-08 08:14:34
931
原创 TensorFlow常用激活函数及其特点和用法（6种）详解
下面认识几种常见的激活函数：1.阈值激活函数：这是最简单的激活函数。在这里，如果神经元的激活值大于零，那么神经元就会被激活；否则，它还是处于抑制状态。下面绘制阈值激活函数的图，随着神经元的激活值的改变在 TensorFlow 中实现阈值激活函数：2.Sigmoid 激活函数：在这种情况下，神经元的输出由函数 g(x)=1/(1+exp(-x)) 确定。在 TensorFlow 中，方法是 t...
2019-10-06 20:33:48
2569
原创 python小demo no.1
1.生成日历import calendaryy = int(input("输入年份: "))mm = int(input("输入月份: "))print(calendar.month(yy,mm))输出结果如下：输入年份: 2015输入月份: 6June 2015Mo Tu We Th Fr Sa Su1 2 3 4 5 6 78 9 10 11 12 13 1...
2019-10-06 17:57:51
157
原创 tensorflow教程资料推荐，原创加精
最近一直在使用tensorflow这款谷歌的深度学习框架，基于谷歌的影响力，目前这个框架还是比较流行和受欢迎的。但苦于谷歌的产品或者说是国外的一些框架的攻略文档过于简单，于是也在苦苦追求比较好的学习文档，以下是一些比较好的文档学习：谷歌tensorflow官方文档，有英文和中文社区，可以对一些基本概念比如张量，常量、变量和占位符的定义与使用，还有一些案例回归、cnn、rnn的写法，对于开...
2019-10-05 17:25:17
255
原创 机器学习算法——强化学习
2016 年 3 月，谷歌公司 DeepMind 团队的 AlphaGo 以 4 比 1 战胜第 18 届世界围棋冠军李世石，这是一场具有历史意义的比赛。图 1 围棋落子位置种类让电脑学会下围棋是一件十分困难的事情，它有如图 1 所示这么多种可能的落子位置。在围棋中获胜不可能只靠简单的蛮力，它需要技巧、创造力，以及类似职业棋手的直觉。通过融合深度强化学习网络和最先进的树搜索算法，Alpha...
2019-10-04 16:39:48
1115
转载 tensorflow常用矩阵生成
#全0和全1矩阵v1 = tf.Variable(tf.zeros([3,3,3]), name=“v1”)v2 = tf.Variable(tf.ones([10,5]), name=“v2”) #填充单值矩阵 v3 = tf.Variable(tf.fill([2,3], 9))#常量矩阵 ...
2019-10-04 14:39:14
3072
原创 tensorflow GPU支持mac吗
Tensorflow团队宣布停止支持1.2以后mac版的tensorflow gpu版本。因此没办法直接安装只能自己用源码编译了。Tensorflow 1.8 with CUDA on macOS High Sierra 10.13.6
2019-10-02 14:32:36
2395
1
原创 机器学习算法——概率图
1.概率图模型probabilistic graphical model 就是一类用图来表达随机变量相关关系的概率模型：用一个结点表示一个或者一组随机变量。结点之间的边表示变量间的概率相关关系。概率图描述了：联合概率分布在所有随机变量上能够分解为一组因子的乘积的形式，而每个因子只依赖于随机变量的一个子集。2.根据边的性质不同，概率图模型可以大致分为两类：使用有向无环图表示随机变量间的依赖...
2019-10-01 14:23:05
599
原创 机器学习算法（六）——集成学习三 之Bagging算法
Bagging直接基于自助采样法bootstrap sampling。自助采样法的步骤是：给定包含 N个样本的数据集：先随机取出一个样本放入采样集中，再把该样本放回原始数据集。这样经过 N 次随机采样操作，得到包含 N个样本的采样集。初始训练集中有的样本在采样集中多次出现，有的则从未出现。一个样本始终不在采样集中出现的概率是 。根据因此初始训练集中约有 63.2% 的样本出现在了...
2019-09-30 09:07:55
1518
原创 机器学习算法（六）——集成学习二 之AdaBoost 算法
Boosting族算法最著名的代表是AdaBoost算法。AdaBoot算法两个核心步骤：每一轮中如何改变训练数据的权值？AdaBoost算法提高那些被前一轮弱分类器错误分类样本的权值，而降低那些被正确分类样本的权值。于是那些没有得到正确分类的数据由于权值的加大而受到后一轮的弱分类器的更大关注。最后如何将一系列弱分类器组合成一个强分类器？AdaBoost 采用加权多数表决的方法：加大...
2019-09-30 09:00:18
294
原创 机器学习算法（六）——集成学习一
在这之前已经介绍了不少机器学习回归和分类的方法，今天将整理一下集成学习也可以说是组合学习算法。集成学习ensemble learning是通过构建并结合多个学习器来完成学习任务。其一般结构为：先产生一组“个体学习器”（individual learner) 。个体学习器通常由一种或者多种现有的学习算法从训练数据中产生。如果个体学习器都是从某一种学习算法从训练数据中产生，则称这样的集成学习是同...
2019-09-30 08:31:39
455
原创 机器学习算法（三拓展）——四种贝叶斯分类器
今天给大家列举四种贝叶斯分类器：1)NaiveBayes分类器为简化计算,最简单的情形可假定各特征变量x是相对独立的,即为NB(Na????ve2Bayes)分类器,如图1所示・虽然这种条件独立的假设在许多应用领域未必能很好满足,但这种简化的贝叶斯分类器在许多实际应用中还是得到了较好的分类精度。2)TAN分类器TAN(TreeAugmentedNa????ve2Bayes)分类器对NB分类器进行了扩展...
2019-09-29 09:46:29
2290
原创 机器学习算法（一）——感知机
机器学习算法（一）——感知机：为了加深自己对算法对进一步理解，将逐步开始编辑写相应博客用作记录。今天在第一篇将谈谈机器学习的基础算法之感知机。感知机是二类分类的的线性分类模型，其输入为实例的特征向量，输出为实例的类别+1、-1，感知机对于输入空间（特征空间）划分为正负两类的分离超平面，属于判别类型。感知机学习旨在求出将训练数据进行线性划分的分离超平面，为此基于误分类的损失函数，利用梯度下降法...
2019-09-28 09:15:16
305
转载 只需十四步进阶算法工程师：从零开始掌握 AI算法学习（附资源）
转载自：https://www.cnblogs.com/aabbcc/p/8683042.html分享一篇来自机器之心的文章。关于机器学习的起步，讲的还是很清楚的。原文链接在：只需十四步：从零开始掌握Python机器学习（附资源）Python 可以说是现在最流行的机器学习语言，而且你也能在网上找到大量的资源。你现在也在考虑从 Python 入门机器学习吗？本教程或许能帮你成功上手，从 0 到 ...
2019-09-25 23:21:51
2429
原创 愿我三更起，奔向IT路
古人云：“少壮不努力，老大徒伤悲。” 子曰：“吾十有五而志于学，三十而立，四十而不惑，五十而知天命，六十而耳顺，七十而从心所欲，不逾矩。” 去年下半年认识了自己的女友，是做前端工作的，于是开始接触到这行，本人高考湖南数学140多分，本科985、211院校，高中几乎一直都是全年级数学第一，理科天赋也一直很强，于是开始决定进攻IT。2018年年底楼主先从前端学起，这个时候楼主是边上班边学习...
2019-09-24 17:32:20
192
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