随笔 - 70
文章 - 0
评论 - 0
阅读 -
1889
08 2024 档案
空间标量场可视化2
摘要：规则三维标量场的直接体可视化与间接体绘制不同，直接体可视化无须从三维标量场中提取中间几何图元。它采用光学贡献积分模型，直接计算三维空间采样点对结果图像的贡献，揭示三维标量场的内部结构，因此也称为直接体绘制(DVR)。直接体绘制的优点是能够一次性展现三维标量场数据的整体信息和内部结构，提供对数据场的全
阅读全文
空间标量场可视化
摘要：空间数据(Spatial Data)指带有物理空间坐标的数据,其中标量场(Scalar Fields,密度场)指空间采样位置上记录单个标量的数据场。一维标量场可视化一维空间标量场是指沿着空间中某条路径采样得到的标量场数据。一维空间标量场数据通常可表达为一维函数,其定义域是空间路径位置或空间坐标的参数
阅读全文
数据可视化基础
摘要：数据可视化的设计简化为四个级联的层次 最外层(第一层)是刻画真实用户的问题，称为问题刻画层第二层是抽象层，将特定领域的任务和数据映射到抽象且通用的任务及数据类型。第三层是编码层，设计与数据类型相关的视觉编码及交互方法。 最内层(第四层)的任务是创建正确完成系统设计的算法。各层之间是嵌套的，上游层的输
阅读全文
数据
摘要：数据是符号的集合，是表达客观事物的未经加工的原始素材。例如，图形、符号、数字、字母等都是数据的不同形式。数据模型是用来描述数据表达的底层描述模型，它包含数据的定义和类型，以及不同类型数据的操作功能,例如,浮点数类型可以配备加、减、乘除操作等。与数据模型对应的是概念模型，它对目标事物的状态和行为进行抽
阅读全文
视觉感知与认知
摘要：视觉感知和认知在可视化与可视分析过程中，用户是所有行为的主体:通过视觉感知(VisualPerception)器官获取可视信息、编码并形成认知(Cognition)，在交互分析过程中获取解决问题的方法。在这个过程中，感知和认知能力直接影响着信息的获取和进程的处理，进而影响对外在世界环境做出的反应。
阅读全文
数据可视化
摘要：可视化意即“生成符合人类感知”的图像;通过可视元素传递信息数据分析的任务通常包括定位、识别、区分、分类、聚类、分布、排列、比较、内外连接比较、关联、关系等。通过将信息以可视的方式呈现给用户，将直接提升对信息认知的效率，并引导用户从可视化结果分析和推理出有效信息。这种直观的信息感知机制，极大降低了数据
阅读全文
坐标与变换
摘要：一个向量中成分的个数就是该向量的维数。因此，如果进一步推广下去，还会有三由此可见，的。同理，这个三维向量可以用来表示三维空间中的一个指定点 表示列向量 import numpy as np A=np.array([1,2,3,4]) A_t = A[:,np.newaxis] print(A_t)
阅读全文
神经网络可视化
摘要：1、卷积核 卷积神经网络的每一层参数都是一组卷积核即权重。 2、特征层 在CNN输出结果之前，有一个高维的特征问量，该层离最终输出层最近、也是最能代图像特征的一层。这一层的特征，除了可以直接通过交叉熵损失做分类，还经常会用于进行图像比对和搜索。得到了多张图片的高维向量之即可通过计算向量距离的方法得到
阅读全文
产生式模型
摘要：机器学习中包含三大类问题:有监督学习、无监督学习以及强化学习。训练数据集中主要包含2类元素:数据x以及标签y。当数据集中x、y均为已知时，待解决的问题为有监督学习;当已知数据x但不知道标签y时，待解决的问题即为无监督学习。前几章介绍的分类、检测、分割均为有监督学习。自编码器自编码器(Autoenco
阅读全文
分割
摘要：1、语义分割 将图片中的所有像素进行分类(包括背景)，不区分具体目标，仅做像素级分类。 2、实例分割对于有多个目标的图片，对每个目标完成像素级的分类，并区分每一个目标(即区分同一个类别但属于不同的目标)。 FCN 对原图的每个像素进行分类，将输出层的每一个像素点当作分类任务做一个 Softmax.即
阅读全文
SSD训练细节
摘要：sampling·py import random import torch import torch.nn as nn from torch.autograd import Variable from torch.autograd import Function from bbox import
阅读全文
sql学习
摘要：1.SELECT:用于从一个或多个数据表中检索数据,2.FROM:指定`SELECT`查询中数据来源的表，3.WHERE:用于过滤查询结果，指定选择条件，4.INSERT INTO:用于向表中插入新行。5.UPDATE:用于修改表中的数据。6.DELETE:用于从表中删除数据7.CREATE TAB
阅读全文
目标检测
摘要：定位+分类定位+分类问题是分类到目标检测的一个过渡问题，从单纯地图片分类到分类后给出目标所处的位置，再到多目标的类别和位置，定位问题需要模型返回目标所在的外界矩形框，即目标的(x,y,w,h)四元组。 将定位当作回归问题，具体步骤如下。1)训练(或下载)一个分类模型，例如，AlexNet、VGGNe
阅读全文
关系数据库
摘要：关系数据库 关系的完整性约束实体完整性和参照完整性：关系模型必须满足的完整性约束条件称为关系的两个不变性，应该由关系系统自动支持。用户定义的完整性: 应用领域需要遵循的约束条件，体现了具体领域中的语义约束。 外码，主码，候选码的概念候选码:若关系中的某一属性组的职能唯一地标识一个元组，则称该属性组为
阅读全文
卷积神经网络
摘要：全连接层全连接层(Fully Connected Layer)可以理解为神经网络的一个隐藏层，它包含权重向量W和激活函数。具体来说，对于一张32*32*3的图片(宽和高均为32个像素，有RGB三个通道，可以将其理解为一个32*32*3的矩阵)，要通过全连接层，首先要将其拉伸为3072*1的向量作为神
阅读全文
pytorch实现神经网络图像分类
摘要：Tensor在PyTorch中，最核心的数据结构就是Tensor了，可以认为Tensor与Numpy中的ndarrays 非常类似，但是Tensor可以使用GPU加速而ndarrays不可以。 在pytorch进行GPU运算 if torch.cuda.is_available(): x=x.cud
阅读全文
数据库复习
摘要：绪论1、数据库(DB):长期存储在计算机内、有组织、可共享的大量数据的集合。数据库中的数据按照一定的数据模型组织、描述和存储，具有娇小的冗余度、交稿的数据独立性和易扩展性，并可为各种用户共享。2、数据库管理系统(DBMS):位于用户和操作系统间的数据管理系统的一层数据管理软件。用途;科学地组织和存储
阅读全文
深度学习与图像识别（误差反向传播）
摘要：误差反向传播法一 一个高效计算权重以及偏置量的梯度方法 ReLU 反向传播实现 class Relu: def _init_(self): self.x = None def forward(self,x): self.x = np.maximum(0,x) out = self.x return
阅读全文
numpy公式小总结1
摘要：umpy.array（）产生的数据可以是一维，二维乃至n维 numpy.matrix() 产生的数据是严格的二维 numpy.abs()计算绝对值numpy.linalg.norm()计算范数，默认计算L2范数numpy.linsapce()指定的间隔内返回均匀间隔数组numpy.maximum()
阅读全文
numpy中的向量
摘要：梯度在各自空间的每一个点上对应的物理量概有强度,也有方向，将这些既有大小又有方向的场抽像出来便可以得到向量场。松手瞬间小球运动方向在X1X2平面上的投影就是梯度下降方向也叫下山方向,它反方向叫梯度向量,也叫上山方向·行向量转置可得到列向量，转置运算符为b=aT可以用len (a)计算向量元素个数 构
阅读全文
