- 博客(120)
- 收藏
- 关注
RSS订阅
原创 OpenCV一些进阶操作
代码是有关于图像直方图的计算、绘制以及直方图均衡化（增强图像对比度）展开，使用了 OpenCV（cv2）进行图像处理，Matplotlib 进行可视化等操作。
2025-09-14 19:55:55
997
1
原创 利用OpenCV进行对答题卡上的答案进行识别的案例
案例代码是一个基于 OpenCV 的选择题自动批改程序，能够识别答题卡上的填涂选项并与标准答案对比，最终计算得分。下面
2025-09-14 19:49:13
353
原创 OpenCV的特征检测
在计算机视觉领域，“特征检测” 是连接图像像素与高层语义的关键桥梁。无论是图像拼接、目标跟踪，还是人脸识别、三维重建，都离不开对图像中 “关键特征” 的提取与匹配。而 OpenCV 作为最流行的计算机视觉库，提供了一套成熟、高效的特征检测工具集。
2025-09-12 19:36:01
642
原创 利用OpenCV实现模板与多个对象匹配
这段代码是一个带旋转角度的模板匹配程序，核心功能是在目标图像中查找与模板图像（包含 0°、90° 顺时针、90° 逆时针三种旋转状态）匹配度较高的区域，并标记出这些区域。
2025-09-10 14:59:31
413
原创 OpenCV的图像金字塔
在计算机视觉领域，“尺度” 是核心命题 —— 同一物体在图像中可能因距离、拍摄角度不同呈现不同大小。图像金字塔（Image Pyramid）正是为解决 “多尺度分析” 问题而生的工具：它将图像以 “金字塔” 形式分层，上层是低分辨率小图像，下层是高分辨率大图像，让我们能从 “宏观到微观” 或 “微观到宏观” 分析图像，在缩放、融合、特征提取等任务中大放异彩。
2025-09-10 14:53:27
1179
原创 快速了解word2vec模型
你有没有想过，当我们在电脑上输入 “猫” 这个词时，它是怎么知道 “猫” 和 “狗” 都是宠物，而不是和 “汽车”“云朵” 归为一类的？在 Word2Vec 出现之前，电脑对词语的理解其实很 “笨拙”—— 比如用 “one-hot 编码” 把 “猫” 变成一个只有某一位是 1、其他全是 0 的向量，但这种方式完全忽略了词与词之间的语义关联。而 Word2Vec 的出现，彻底解决了这个问题，让词语有了 “语义灵魂”。
2025-09-07 20:33:22
1054
原创 快速了解迁移学习
如果你刚接触机器学习，可能会遇到两个头疼的问题：要么手里的数据太少，训练不出靠谱的模型；要么模型太复杂，跑一次要等好几天。其实，早就有一个 “偷懒技巧” 能解决这些麻烦 —— 那就是迁移学习。
2025-09-05 19:19:37
638
原创 OpenCV的阈值处理
如果你用过手机的 “文档扫描” 功能，或是处理过老照片的 “去灰”，可能没意识到 —— 这些操作的核心，其实是阈值处理。作为 OpenCV 中最基础也最实用的图像预处理技术，阈值处理能快速将灰度图像转化为 “黑白二值图”，帮我们从复杂背景中提取关键信息（比如文字、物体轮廓）。
2025-09-03 21:42:36
1539
原创 神经网络模型介绍
如果你用过人脸识别解锁手机、刷到过精准推送的短视频，或是体验过 AI 聊天机器人，那么你已经在和神经网络打交道了。作为深度学习的核心技术，神经网络模仿人脑的信息处理方式，让机器拥有了 “学习” 的能力。
2025-09-03 21:24:39
625
原创 OpenCV的轮廓检测
轮廓是图像中连续的、闭合的曲线段，代表物体的边界（如圆形的轮廓是一条闭合曲线）。OpenCV 的轮廓检测通过 cv2.findContours() 实现，可用于形状识别、物体计数、图像分割等场景。
2025-08-29 18:08:58
2934
原创 cuda软件
在当今数字化时代，随着数据量的爆炸式增长和计算任务的日益复杂，传统的 CPU 计算已经逐渐难以满足高效处理的需求。而 GPU（图形处理器）凭借其强大的并行计算能力，成为了加速各类计算任务的关键力量。在 GPU 加速计算领域，CUDA 软件无疑是其中的佼佼者，它为开发者提供了一套完整的工具和平台，让 GPU 的计算潜力得以充分释放。
2025-08-27 19:17:46
1439
原创 pytorch
在深度学习框架的激烈竞争中，PyTorch 凭借其简洁灵活的设计、强大的动态计算图特性以及丰富的生态支持，成为了科研人员和工程师的首选工具之一。无论是快速验证算法想法，还是部署工业级深度学习应用，PyTorch 都能提供高效且友好的开发体验。
2025-08-26 21:07:00
1089
原创 快速了解卷积神经网络
在人工智能领域，图像识别、人脸识别、自动驾驶视觉感知等技术的突破，背后都离不开一个关键技术 ——卷积神经网络（Convolutional Neural Network，简称 CNN）。作为深度学习的重要分支，CNN 凭借对空间信息的高效处理能力，彻底改变了计算机 “看懂” 世界的方式。
2025-08-26 20:36:20
761
原创 神经网络模型搭建及手写数字识别案例
通过PyTorch 实现的 MNIST 手写数字识别神经网络，包含数据加载、可视化、模型构建、训练和评估的完整流程。
2025-08-25 19:06:44
944
原创 快速了解神经网络
在人工智能和机器学习的领域中，神经网络是一个绕不开的核心概念。从手机的人脸识别到智能推荐系统，从医疗诊断到自动驾驶，神经网络技术正以惊人的速度渗透到我们生活的各个角落。如果你想揭开人工智能的神秘面纱，那么理解神经网络的基本原理是必不可少的第一步。
2025-08-22 20:26:14
1557
1
原创 快速了解深度学习
在人工智能的浪潮中，“深度学习” 无疑是最热门的词汇之一。从手机里的人脸识别到语音助手，从自动驾驶汽车到医疗影像诊断，深度学习技术正悄然改变着我们的生活。
2025-08-22 20:23:00
917
原创 快速了解图像形态学
图像形态学（Morphology）是数字图像处理中的重要分支，它基于集合论和几何形状分析，通过简单的操作提取图像中的关键结构。无论是去除噪声、分割目标还是提取特征，形态学操作都能发挥独特作用。本文将带你快速掌握图像形态学的核心概念、常用操作及实际应用。
2025-08-21 18:17:46
969
原创 快速了解Anaconda系统
在数据科学、机器学习和 Python 开发的领域中，环境配置往往是初学者的第一道难关。不同项目需要不同版本的 Python 解释器，各类库之间的依赖关系更是错综复杂，稍不注意就会陷入 “版本冲突” 的泥潭。而 Anaconda 的出现，彻底改变了这一局面。作为一款集成化的 Python 数据科学平台，它不仅简化了环境管理流程，更打包了海量常用工具，成为全球数百万开发者和数据科学家的首选利器。
2025-08-19 18:31:18
1056
原创 快速了解均值滤波处理
在数字图像处理领域，噪声去除是一项基础且重要的任务。无论是相机传感器的电子噪声、传输过程中的干扰，还是图像压缩带来的伪影，都会影响图像质量和后续分析。均值滤波作为一种简单有效的平滑技术，广泛应用于各类图像处理场景。本文将带你快速掌握均值滤波的核心原理、实现方法和应用场景。
2025-08-17 18:59:07
1012
原创 运用词向量转换评论学习
这段代码实现了一个基于机器学习的文本情感分析系统，能够区分文本是好评还是差评。整个流程涵盖了数据加载、文本预处理、特征工程、模型训练和预测评估等完整环节。
2025-08-15 18:51:56
1085
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