- 博客(60)
- 收藏
- 关注
RSS订阅
原创 数据平滑处理（部分）
当窗口尺寸为3的时候，可见，难以平滑的部分已经不见，大致的曲线变得平滑，但是当持续加大窗口尺寸后，最后得到一个一小部直线。窗口的大小决定了平滑程度。较大的窗口将导致更平滑的曲线，但会减缓对趋势的反应，而较小的窗口将更敏感地跟随数据的波动。对指数加权移动平均代码的理解：导入对应的包，生成相应的数组（即蓝色折线），定义平滑因子，当平滑因子较小时，平滑效果越强。较新的数据点获得更高的权重，而较旧的数据点获得较低的权重。：指数平滑是一种递归方法，它将先前的平滑结果与新数据点相结合，以生成下一个时间点的平滑结果。
2024-07-11 20:30:00
2996
原创 Linux系统常用指令学习
命令：命令本体command+选项，控制命令的行为细节［-options］+参数，控制命令的指向目标［parameter)］例：chmod-R u＝rwx，g＝rx，o＝x test(将文件夹test以及内容全部权限设置为rwxr-x---x)例：chmod u＝rwx，g＝rx，o＝x hello.txt（将文件权限改为：rwxr-x--x）（总结，无： 只改所属用户，：右边有名称，改用户组，左右都有： 用户，用户组都改）语法:（1）.复制文件 cp 参数1（复制的文件内容） 参数2（复制去的地方）
2025-01-08 20:17:35
508
原创 图形坐标系、像素坐标系
像素坐标系：通常以左上角为像素原点，u轴向右与x轴平行，v轴向下与y轴平行，则像素坐标系与成像平面之间相差一个缩放与一个原点平移。设像素坐标在u轴上缩放α倍，在u轴上缩放β倍；原点平移了[cx, cy]T。物理图像坐标系： O − x y O-xy O−xy，每一像平面坐标 ( x , y ) (x,y) (x,y)是真实的物理尺寸。O0−uv，每一像素 ( u , v ) (u,v) (u,v)是该像素在图像数组中的列数和行数。图像都是由像素组成的，像素坐标是像素在图像中的位置。
2025-01-08 20:06:49
240
原创 学文献：解决姿态估计的尺度感知问题
小人物难检测的原因：若stride=16，原图是1000*600，卷积后特征图60*40，可理解成特征图上的一个像素点，映射图中的一个16*16的图像区域，原图中小于16*16大小的物体，则会检测不到。将不变的归一为一个stage，每次抽取的特征都是stage的最后一层输出的特征金字塔。（前一层的特征图经过1*1的卷积核卷积，目的是改变通道数，要和后一层上采样的特征图通道数相同）连接的。重复迭代过程，直至生成最精细的特征图，用3*3的卷积核，再去卷积已经融合的特征图。，特别是小个子人物。
2024-11-28 20:34:22
403
原创 学openpose人体关键点数据的保存，不知从何下手，希望得到大家帮助，不甚感激！
学openpose人体关键点数据的保存，不知从何下手，希望得到大家帮助，不甚感激！
2024-11-02 11:11:59
285
原创 姿态估计（一）——过程记录与问题记录
其中ADB变量的值为adb,这句话的意思是，在cmd中执行adb -s shell {device_id} getprop ro.product.model并返回执行结果，这里返回的结果是系统找不到指定文件，说abd命令没有加入环境变量，将其加入环境变量。这样的一句代码，我首先，直接在CMD中，使用cd命令，可以找到该视频文件，并成功打开。我又再次在pycharm中运行video文件，但是视频文件是被封装在主函数中的，无法直接将视频路径加入到代码中，运行。实时检测的运行结果与视频的运行结果就不再展示。
2024-10-17 20:21:10
731
原创 图像平滑处理
简单平均卷积操作 一般卷积核取的是奇数。cv_show('均值滤波', blur)cv_show('高斯',aussian)# 定义图像显示函数。
2024-10-09 20:15:06
760
原创 梯度计算中的一些算子
import cv2原图结果：(sobelx)Gx的结果：Gy的结果：, sobely,, 0)G的结果：# 有正有负，使用convertScaleAbscv_show('直接计算G', sobelxy)
2024-09-19 20:10:26
1236
原创 网络模型应用实例
报错：Given groups=1, weight of size [32, 3, 5, 5], expected input[1, 4, 32, 32] to have 3 channels, but got 4 channels instead。# png格式的图片是4通道类型，RGB只有三通道，所以调用image = image.convert('RGB')保留其颜色通道。# 实验结果可看，预测结果不准确，实验结果预测是第二个，但实际在模型中，是第五个类别才是狗，原因是，训练次数的不足。
2024-09-08 20:04:24
648
原创 模型训练套路（二）
接模型训练套路（一）得到预测的值：preds=[1][1]，输出目标：inputs target = [0][1]；查看两者的正确率，就看：preds==inputs target输出的结果：[false][true].sum = 1。
2024-09-07 20:05:24
634
原创 模型训练套路(一）
查看数据集的长度# 格式化 # 格式化注意的是，之间是.的连接print("训练数据集的长度为: {}"print("测试数据集的长度为: {}"# 利用dataloade r加载数据集#加载数据集的参数设置# 创建网络模型# 损失函数 交叉熵函数的使用loss_fn =# 优化器（SGD随机梯度下降）# 设置网络训练的参数# 记录训练的次数# 记录测试的次数# 训练的轮数epoch = 10。
2024-09-06 20:21:09
1330
原创 神经网络搭建实战与Sequential的使用
print(sun)# 写完网络检查网络的正确性，因为即使改变其中的一些参数，该网络还是能够正常的运行，所以需要检验# 创建一个假象的输入。
2024-08-31 21:04:57
1521
1
原创 数据集的使用
第三行代码实现的是数据集中的PIL型图片转换为tensor数据类型的图片；在第四行与第五行代码中实现的是将从CIFAR10的数据集中获取数据，将下载的数据存放于dataset中，将数据图片转化为tensor型，否则报错，得到的是PIL型数据，而非numpy数据或者tensor数据。使用tensorboard来查看。
2024-08-27 23:29:59
418
1
原创 Transforms的学习以及地址问题
在学习Dataset类的实战与Tensboard的学习中，有出现一些地址的问题：1、相对地址相对地址的使用：使用于在从端口中，打开TensorBoard的页面。使用的就是相对地址；例如：找不到打不开文件，并且报错。
2024-08-24 20:05:14
498
原创 在pytorch中TensorBoard的使用
如果在实验中，想要清空之前的记忆（之前的图会一起画在一个图中），需要将logs下的event删除清零，再次运行，并输入图中正确的查看代码即可。并且需要注意的是，在这个地址中，需要将地址中的斜划线改为从右至左斜方向。如果画出的图，是一个三角形似的，滑动左侧的Smoothing为0.（此处已被修改，无图展示）
2024-08-23 20:37:13
704
原创 pytorch Dataset类代码学习
OSError: [WinError 123] 文件名、目录名或卷标语法不正确。: 'dataset\train\\ants'创建数据集，包括路径与标签。了，不能直接用复制粘贴里面来的。然而，出现如下的一些。
2024-08-22 20:00:19
999
原创 pytorch的优化
在pythorch中，自定义层是继承nn.Module。将层与模型看成是模块，层与模型堪称模块，两者之间没有明确界限，定义方式与定义模型一样_init_与forward。1、先定义全连接层，训练参数的定义是nn.Parameter，直接使用torch。tensor无法在#5中遍历到；在pytorch中，tensor是基于numpy与array的。2、输入计算loss，反向传播计算参数梯度；3、输出完成反向传播后层参数梯度。
2024-08-21 20:15:56
416
原创 pytorch实现模型搭建
和TensorFlow不同，pytorch需要在定义时就将需要梯度下降的参数传入，也就是其中的self.parameters()，表示当前模型的所有参数。不用担心定义优化器和模型参数的顺序问题，因为self.parameters()的输出并不是模型参数的实例，而是整个模型参数对象的指针，所以即使你在定义优化器之后又定义了一个层，它依然能优化到。当然优化器你也可以在外部定义，传入model.parameters()也可。这里定义了一个随机梯度下降。
2024-08-20 20:05:40
915
原创 pytorch自动微分
一、torch.autograd.backward(tensors, grad_tensors=None, retain_graph=None, create_graph=False)grad_2 = torch.autograd.grad(grad_1,x) #此处值x是确定的，开始给定了3。# a = torch.add(w, x) #逐位相加。# y = torch.mul(a, b)# 逐位相乘。# 展示一阶倒数的结果。# 创建x，并赋予初值。
2024-08-19 20:05:11
534
原创 创建张量、张量的操作
c = torch.transpose(x,0,1) #两个维度的转换，原本是一个三行四列的转换成四列三行的。# x = torch.randn(3,4) #将正太分布中大于等于0.5的张良跳出来。# a =torch.randint(3, 10, (2, 2)) #整数均匀分布。# a =torch.randperm(4)#生成从0到n-1的随机排列。# torch.manual_seed(7) 随机创建7个种子数。# a = torch.randn(2,3) #标准正太分布。# # # 布局相同。
2024-08-19 20:04:03
1224
原创 随机森林学习
其中，随机森林（Random Forest）作为一种集成学习算法，以其出色的性能和广泛的应用而备受瞩目。这种集成的方式使得随机森林具有很高的准确性和稳定性，能够有效地处理高维度数据和复杂的非线性关系，同时对于噪声和异常值也具有较强的鲁棒性。通过综合多棵决策树的预测结果，采用投票或平均等方式得到最终的预测输出。通过评估特征在随机森林中的重要性，筛选出对目标变量有重要影响的特征。由于集成了多个决策树的预测，往往能够提供比单个决策树更准确的结果。通常，增加决策树的数量可以提高模型的性能，但计算成本也会增加。
2024-08-03 20:03:51
554
原创 灰色关联分析
5、 计算权重w1=γ1/(γ1+.....+γm)、w2=γ2/(γ1+.....+γm)、....wm=γm/(γ1+.....+γm)；定义gamma（x0(k),xi(k)）= (a+ρb)/(|x0(k)-xi(k)|+ρb)ρ为分辨系数。5、定义γ(x0,x1)=1/n*(1到n上gamma（x0(k),xi(k)）的求和)4、计算各个指标与母序列的灰色关联度：γ1......γm；3、将预处理后的矩阵每一行去除最大值构成母序列（虚构的）；母序列（参考序列，母指标）：类似于y；
2024-07-18 20:25:10
442
原创 时间序列分析（Spss）
在具体的时间序列图上，如果随着时间的推移，序列的 季节波动变得越来越大，则反映各种变动之间的关系发生变化， 建议使用乘积模型；时间序列数值变化有四种：长期趋势（T）、季节趋势（S）、周期变动趋势（C）、不规则变动（I，也称扰动项，建立模型中称为白噪声）。时间序列也称动态序列。时间序列的分解：时间序列的分解结果，就是上述四种，分解结果可能是其一、其二等。（1）处理缺失值：若在开头或者尾部，直接删除，中间位置，采用替换缺失值方法。邻近点的线性趋势：将时期数作为x，时间序列值作为y进行回归，求缺失点的预测值。
2024-07-13 20:44:39
2730
原创 第九章 Python 异常、模块与包
需要个性化模块时，通过自定义模块实现。案例：新建一个python模块，命名为my_module1.py，并定义test函数模块的名称就是文件的名字。符合命名规则。模块.函数名（）就调用。(或者：from my_module1 import testtest(1,2))不同模块的同名功能注意，后调用的模块将覆盖前面调用的模块。main变量。
2024-06-19 17:00:15
794
原创 磁共振为何知道？
本文讲述了医疗器械磁共振为何能够成像背后的原理，背后涉及的物理学知识，包括拉莫尔方程等以及数学傅里叶变换等。于三个月前从B站学习整理制作的PPT。
2024-05-13 21:36:18
308
原创 何为小波变换？
本文章简要介绍了，以小波变换为目的的点乘数学基础，傅里叶级数。以向量、直角坐标系下的点乘，连续函数的点乘，负指数形式下的傅里叶变换。
2024-05-12 20:28:43
1291
原创 第八章：文件
定义：翻译的规则，记录将丰富的文件内容翻译成为二进制，以及将二进制翻译回原始丰富的内容。计算机中有多种可用编码：UTF-8；GBK，Big5 etc。不同的编码，翻译出的二进制也不同。编码种类众多，使用正确的编码，才能正确的读写操作。使用windows自带的记事本查看，打开文件后，即可看出编码是什么。UTF-8全球通用的编码格式，没有特殊要求，都是以UTF-8编码。 内存中存放的数据在计算机关机后会消失，使用U盘，硬盘，光盘等设备，便于数据的管理和检索。文章、视频、可执行程序，都可以保存为一个
2024-05-10 18:56:28
569
原创 matlab
图像配准：%手动选择执行图片(由于程序为分开，此处保存的mat文件为图MRI6的信息，所以请选择图MRI6)[filename,pathname]=uigetfile({'*.jpg;*.bmp;*.tif;*.png;*.gif','All Image Files';'*.*','All Files'});image = imread([pathname,filename]);orthophoto=image(:,:,1);%将三维图像转化为二维图像% unregistered=imrotate(
2024-05-07 22:06:47
641
1
原创 第七章 Python 函数进阶
在 def return_num():return 1return 2这种情况下只能返回1，运行到 return 1后就不在继续运行了；
2024-05-06 22:11:04
778
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人