随笔分类 - 机器视觉机器学习
摘要：Abstract PointNet不能捕捉到度量空间（欧式和非欧但是只要有度量PointNet都可以用）点所产生的几何结构，从而限制了它识别细粒度模式的能力和对复杂场景的通用性。在这项工作当中，我们引入了一个分层神经网络，递归的将PointNet应用于输入点集的嵌套划分。通过利用度量空间距离，我们的
阅读全文
摘要：3D Face Modeling From Diverse Raw Scan Data 标签（空格分隔）： 论文 问题 这里稠密对应的局部拓扑三角形指的是什么意思 ？ 摘要 传统的3D人脸模型使用线性子空间从单个数据集的有限扫描中学习人脸的潜在表达。从不同的3D数据集中构造一个大规模的人脸模型的主要
阅读全文
摘要：PointNet：Deep Learning on Point Sets for 3D Classification and Segmentation 个人总结 建议切入点 点云和体素的区别 点云为什么Unordered，怎样解决问题？ 稀疏关键点，总结点云骨架，得到高度的缺失鲁棒性。 为什么可以作
阅读全文
摘要：K折交叉验证， 最后成绩Private Score为0.23218，在该种模型下算是不错了。 读取训练和测试数据，并将其特征合并，统一用于数据清洗。 %matplotlib inline import pandas as pd import torch import time from torch
阅读全文
摘要：交叉熵损失函数 标签（空格分隔）： 损失函数 在得到预测结果之后我们使用softmax对预测概率进行归一化，softmax之后产生的$\hat{y}_i$之中的参数之和为1，并且每个参数都是0~1之间，在归一化结束之后因为其用的是指数函数所以较大的值只会更大。下面用一个简单的图像分类例子开始讲解，下
阅读全文
摘要：softmax回归 标签（空格分隔）： 深度学习 回归估计一个连续值， 分类预测一个离散类别。 在上一节学习了线性回归问题，回归可以用于预测多少的问题。比如预测房屋被出售的价格，或者棒球队可能获得的胜利数量，又或者患者住院的天数。事实上，我们经常对分类问题感兴趣：不是问“多少”，而是问“哪一个”。
阅读全文
摘要：线性回归 标签（空格分隔）： 深度学习 我们举一个实际的例子：我们希望根据房屋的面积和房龄来预计房屋价格。为了开发一个能够预测房价的模型，我们需要收集一个真实的数据集。 该数据集包括：房屋的销售价格，房龄和面积。在机器学习的术语中，该数据集成为训练数据集或训练集，每一行数据被称为样本，也可成为数据点
阅读全文
摘要：HSV也是用和RGB差不多的方式来表达像素，每个整形（integer） 向量分别表示一个B，G，R通道，其他的色彩空间，也用同样的方式来表示像素，只是取值范围和通道数目不同HSV的色彩空间的色度值范围 0-180. 如果将图像的格式转化为BGR格式的话，shape则会返回（3,3,3），这就表名每个
阅读全文
摘要：这是我首次接触最优算法，如何在最短时间内从A点到达B点？ 这个应该是最短路径问题了，如何投入最少的工作却获得最大的收益？如何设计发动机使油耗少而功率大呢？ 现在我们讲学习一些最优算法，并且利用他们来训练出一个非线性函数用于分类。至于“回归” 是什么东西呢？假设我们现在有一些数据点，我们用一条直线对这
阅读全文
摘要：1 #!/usr/bin/env python 2 3 ''' 4 Video capture sample. 5 6 Sample shows how VideoCapture class can be used to acquire video 7 frames from a camera of
阅读全文
摘要：#!/usr/bin/env python ''' This module contais some common routines used by other samples. ''' import numpy as np import cv2 import os from contextlib
阅读全文
摘要：源码在这 第117行：sys.argv[] 是用来获取命令行参数的，常见的sys.argv[0]表示本身文件路径，所以一般都从1 开始 这里我将官方文档的教程源码抄下来大家看看就懂了 在终端输入 结果显示
阅读全文
摘要：1：像素 有两种直接操作像素点的方法： 第一种： 将其转化为numpy.array格式，直接进行操作。 第二种：使用Opencv提供的Get1D，Get2D等函数。 2：获取行和列像素 有一下四个函数： cv.GetCol(im,0) # 返回第一列的像素 cv.GetClos(im,0,10) #
阅读全文
摘要：http://wenku.baidu.com/link?url=R4Ev8aJNxwmjV0egSUqVBjmnt1KT_llzp8Oy2NbHnwa7Me9UAIHkiMG2Vwucu3RSDKwy_WaYO_5o1RFMWeQ-7gqbFzCEv30sJpoMzjv1dj_ http://wen
阅读全文
摘要：优点：计算复杂度不高，输出结果易于理解，对中间值的确实不敏感，可以处理不相关特征数据 缺点：可能会产生过度匹配问题。 使用数据类型：数值型和标称型。 在构造决策树的时候，我们需要解决的第一个问题就是，当前数据集上那个特征在划分数据的时候起到了决定性作用？为了找到决定性的特征，划分作出最好的结果。我们
阅读全文
摘要：优点：精度高，对异常值不敏感，无输入数据假定 缺点：时间复杂度高，空间复杂度高。 适用数据范围：数值行和标称型。 简单的K-近邻算法。 直接上代码，看注释就行， K-近邻算法识别书写数字数据集，错误率为1.2%。当然改变K的值或者修改训练数据会对结果产生影响。 实际使用这个算法的时候执行的效率并不高
阅读全文
摘要：废话不多说，直接放码过来。 我看得是《机器学习实战》这一本书，我坑在这几行代码的地方是 选取与当前点距离最小的K各店，确定K各点所在类别的出现频率，返回这些类别中出现最多的类别就是想要点的类别。 就这样，挺有意思的。
阅读全文
摘要：Cmake的安装 我用的是ubuntu-software自动下载安装的。 Ubuntu 下安装 OpenCV Cmake的安装 Ubuntu 下安装 OpenCV 首先下载安装相关包，然后下载OpenCV 系统：ubuntu16.04 OpenCV：2.4.13 Cmake：3.5.1 $ sudo
阅读全文
摘要：这一节课将学到使用OpenCV的以下函数 HoughLines 和 HoughLinesP 来检测图像中的直线.和霍夫线变换的相关知识。 什么是霍夫线变换？ 1.霍夫线变换是一种检测直线的算法。 2.在进行霍夫线变换之前必须对图像进行边缘检测处理，所以霍夫线变换的直接输入必须是边缘二值图像。 如何实
阅读全文
摘要：一：课程介绍 1.1：学习目标 学会用imread载入图像，和imshow输出图像。 用nameWindow创建窗口，用createTrackbar加入滚动条和其回调函数的写法。 熟悉OpenCV函数matchTemplate并学会通过该函数实现模板匹配。 学会怎样将一副图片中自己感兴趣的区域标记出
阅读全文
浙公网安备 33010602011771号