- 博客(9)
- 资源 (3)
- 收藏
- 关注
RSS订阅原创 windows-docker srs服务器部署与使用
1、srs-docker部署1） srs-docker 部署链接https://github.com/ossrs/srs/wiki/v4_EN_Home#getting-started2） 拉取docker-srs3) 在cmd命令栏中输入 docker pull ossrs/srs:latest2、rtmp推流1） 启动srs服务docker run --rm -it -p 1935:1935 -p 1985:1985 -p 8080:8080 ossrs/srs:4 ./objs/sr
2022-02-13 12:10:56
1763
原创 win10下安装ubuntu18.04双系统
一、下载ubuntu18.04下载链接：http://releases.ubuntu.com/18.04/二、制作启动u盘1.下载utraiso2.加载ubuntu18.04.iso文件3.写入硬盘至此，文件写入完成。三、ubuntu18.04安装1.腾出100G磁盘2.在需要被分配的磁盘上右键压缩卷至此，100G空闲磁盘准备完成。3.重启电脑，并按F12键进入BIOS选择从U盘中进行启动4.选择install ubuntu5.进行安装6.空间设置选择空闲
2021-07-25 22:02:24
651
1
原创 计算机视觉-单应性矩阵
一、单应性矩阵单应性在计算机视觉领域是一个非常重要的概念，它在图像校正、图像拼接、相机位姿估计、视觉SLAM等领域有非常重要的作用。比如，在双目视觉中是否存在左右相机中像素点之间的关系？的确有，通过单应性矩阵可实现左右相机像素点之间的映射。 前提条件： 空间场景是空间场景是在同一平面时，他们在左右视图中的投影点可通过单应性矩阵进行一 一转换。表达式为： 实际上，单应性矩阵不只是描述同一平面的像素点之间的关系，而是同一个平面在任意坐标系之间都可以建立单应性变换关系，比如影像坐标系与影像坐标系之间，
2021-06-13 22:19:11
3330
原创 yolact实例分割实战（含训练自己的数据集）
前言实例分割可以分为两类，一类为two-stage方法，即先检测后分割；另一类为one-stage方法，将检测与分割作为并行任务同时进行，其中包括anchor-based方法与anchor-free方法。yolact属于one-stage方法中的anchor-based方法。该方法主要采用两个并行的分支实现one-stage检测与分割。两个分支分别为：(1)Prediction Head分支生成各个anchor的类别置信度、位置回归参数以及mask的掩码系数；(2)Protonet分支生成一组原型m
2021-05-04 21:08:38
12714
48
原创 深度学习-卷积神经网络（CNN）
卷积神经网络（CNN）一、算法思想卷积神经网络主要是通过设计的滤波器与图像进行卷积操作，提取图片中的某些特征，歃歎歎的主要思想是通过滤波器不断提取特征从局部特征到整体特征，从而对物体进行识别。二、算法推导1、边缘检测示例假如有一张图像，想让计算器搞清楚图片上有什么物体，可以做的事情是检测图像的水平边缘与垂直边缘。图1. 边缘特征提取图1是一个6×66×66×6的灰度图像，构造一个3×33×33×3的矩阵，在卷积神经网络中通常称为filter,对这个6×66×66×6的图像进行卷积运算得到4×
2020-11-04 17:28:11
414
1
原创 机器学习-支持向量机
支持向量机一、算法思想支持向量机(support vector machines,SVM)是一种二分类模型，它的基本模型是定义在特征空间上的间隔最大的线性分类器，SVM还包括核技巧，这使它成为实质上的非线性分类器。SVM的学习策略就是间隔最大化，可形式化为求解凸二次规划问题。SVM的学习算法是求解凸二次规划的最优算法。二、算法推导1、硬间隔最大优化求解（1）目标函数SVM算法原理图如图1所示平面中有一些散点，现在想要通过一条直线将这些散点分为两类，如左上角的散点为一类，右下角的散点为一类。这
2020-11-04 17:27:37
140
1
原创 机器学习-逻辑回归
逻辑回归一、算法思想线性回归可以对数据进行线性拟合，拟合后的模型可以输出连续的值。由于它没有范围，因此不适合与分类问题。逻辑回归用于离散变量的分类问题，其输出值为属于某一类的概率，主要用于类的判别。二、算法推导1、逻辑回归线性回归可以对数据进行线性拟合，拟合后的模型可以输出连续的值。由于它没有范围，因此不适合与分类问题。逻辑回归用于离散变量的分类问题，其输出值为属于某一类的概率，主要用于类的判别。对于线性回归的预测函数为：hθ(x)=θ0+θ1x1+θ2x2+...+θnxn=θTx{h_\t
2020-11-04 14:24:55
131
1
原创 机器学习-线性回归
线性回归回归分析是一种预测性建模技术，它是研究因变量与自变量之间的关系，这种技术通常用于预测分析，时间序列模型以及发现变量之间的因果关系，通常使用直线或曲线进行拟合，目标是使曲线到目标点的距离差最小。线性回归是回归问题中的一种，线性回归假设目标值与特征之间线性相关，即满足一个多元一次方程。通过构建损失函数，来求解损失函数最小时的参数ω\omegaω 和 bbb。二、算法推导1、线性回归通常线性回归可以表达成以下公式：y^=ωx+b\widehat y = \omega x + by=
2020-11-04 13:56:38
224
1
原创 预测贷款用户是否逾期-数据预处理
1、本项目为预测贷款用户是否逾期的数据预处理部分，主要包括特征处理、数据类型分析、数据类型转换以及缺失值处理。一、数据查看选择的IDE为pycharm,首先导入pandas库与numpy库，查看数据的大小，所包含的特征，每个特征的缺失值情况，需要转换数据类型的特征等。下面为具体的代码。#导入numpy和pandas库import numpy as npimport pandas...
2019-08-06 17:51:16
711
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人