Asp1rant

摘要： HOG(Histogram of Oreinted Gradients) 方向梯度直方图是一种常用的图像特征算法，和SVM等机器学习算法一起使用可以实现目标检测等。本文详细介绍HOG并给出python的MNIST实例 阅读全文

摘要： 本文介绍图像处理中特征提取的常用算子 - LBP（Local Binary Pattern）算法。 LBP，全称Local Binary Pattern，局部二值模式，是一种能够描述图像纹理的算法，并且具有旋转不变性和灰度不变性等优点。本文会介绍最基本的LBP算法和其扩展。 阅读全文

摘要： 本文介绍支持向量机SVM(Support Vector Machine) 参考： https://zhuanlan.zhihu.com/p/49331510 https://zhuanlan.zhihu.com/p/77750026 https://blog.csdn.net/Jon_Sheng/a 阅读全文

摘要： 参考： https://blog.csdn.net/weixin_47547146/article/details/118680875 https://zhuanlan.zhihu.com/p/104355127 https://www.jianshu.com/p/19976de06ac7 http 阅读全文

摘要： 霍夫森林算法是一种利用霍夫空间投票识别图片或点云目标的算法，算法设计参考了随机森林，是一种bagging的机器学习算法。 我们经常在图片识别的视频中看到将视频中的目标物识别出来，并进行分类。而如何准确地从背景中提取我们需要的目标物，霍夫森林便是研究这一问题的一种算法。 参考文献： Hough For 阅读全文

摘要： 本文介绍霍夫变换Hough Transform，并介绍其在直线检测和三维平面检测的应用。 霍夫变换 霍夫空间 我们把一条直线y=kx+q变换为：q = -xk + y, 然后绘制出关于k和q坐标系下的方程，可以得到一个点。 相应的，q = -xk + y 这条直线也可以转换为点（x, y)，这里的 阅读全文

摘要： 本文参考：https://zhuanlan.zhihu.com/p/24810318 什么是Batch Normalization Normalization的局限性 上篇博客说道Normalization让数据落到制定区间。 在神经网络中, 数据分布对训练会产生影响. 比如某个神经元 x 的值为1 阅读全文

摘要： 在ML中Standardization, Regularization, Normalization是需要经常用到的概念。本文介绍三者的不同。 ## 核心区别 - Standardization和Normalization是数据预处理技术，而Regularization是用来提高模型性能的 - - 阅读全文

摘要： 本文参考自：Kaggle 数据亦来源该页 样本中的数据缺失是ML界非常常见的问题，本文就这问题进行讨论。 使用 MissingNo 查看数据 import pandas as pd import numpy as np import tensorflow as tfimport missingno 阅读全文

摘要： 本章介绍Keras.loss，损失函数 从功能上分，可以分为以下三类： Probabilistic losses，主要用于分类 Regression losses， 用于回归问题 Hinge losses， 又称"maximum-margin"分类，主要用作svm，最大化分割超平面的距离 损失函数的 阅读全文

摘要： 本文介绍tf.Keras中最常用的模型结构Sequential模型，并分享一个Sequential模型实例 Sequential 模型 Sequential模型是Keras中最常用的模型，是一个线性、顺序的模型。 特点是模型的每一层都拥有一个唯一的输入tensor和输出tensor。 构建一个Seq 阅读全文

摘要： 本文记一下如何用typescript写的前端来上传/下载文件。 上传 上传通常用一个file类型的input来实现，再typescript中我们可以模拟这样一个dom： function loadFileCommand(): void => { const input = document.crea 阅读全文

摘要： 本章介绍如何利用TF中的Module和Layer构建模型Model。 Model在TF中的定义： 可以用来计算Tensor的函数（前向传递） 含有一些可以用于训练的变量 Module 大多数模型可以视为Layer的集合，在TensorFlow中常用的Keras和Sonnet，都基于tf.Module 阅读全文

摘要： Graph tf.graph在TensorFlow中主要用于性能优化。我们用TensorFlow写代码时可以通过python的内部机制进行计算，这种操作称为Eagerly。而Graph操作会运用TensorFlow所内含的数据计算模块，相比之下更有效率。 Graph是用于tf.Operation操作 阅读全文

摘要： sklearn.compose.ColumnTransformer可以用来构建一个数据转换器，用允许单独转换输入的不同列或列子集，并且每个转换器生成的特征将串联起来以形成单个特征空间。这对于异构或列式数据非常有用，可以将多个特征提取机制或转换组合到单个转换器中。 配合sklearn.pipeline 阅读全文