上一页 1 ··· 4 5 6 7 8 9 10 11 12 ··· 43 下一页
摘要: 1、角点 1.1 特征点与角点 特征点是计算机视觉算法的基础,使用特征点来代表图像的内容。 角点是一类重要的点特征,图像分析的角度来定义: 有以下特点: 局部窗口沿各方向移动,均产生明显变化; 图像局部曲率突变; 不同类型的角点: 1.2 典型的角点检测算法 一种需要对图像边缘进行编码,这在很大程度 阅读全文
posted @ 2019-08-19 22:03 Austin_anheqiao 阅读(6240) 评论(0) 推荐(0) 编辑
摘要: 直方图 直方图 就是对数据进行统计的一种方法,并且将统计值组织到一系列事先定义好的bin当中,bin可理解为直条、组距,数值是从数据中计算出来的特征统计量,这些数据可以是梯度、方向、色彩或其他特征。通常直方图的维数要低于原始数据。 直方图意义: 是图像中像素强度分布的图形表达式; 统计了每一个强度值 阅读全文
posted @ 2019-08-19 21:34 Austin_anheqiao 阅读(391) 评论(0) 推荐(0) 编辑
摘要: 目录 霍夫线变换 标准霍夫变换SHT 多尺度霍夫变换MSHT 累计概率霍夫变换PPHT 霍夫圆变换 霍夫梯度法 霍夫梯度法缺点 霍夫直线变换 一条直线在图像二维空间可以由两个变量表示。 笛卡尔坐标系:可有参数斜率和截距表示; 极坐标系:可由(r,θ)极径和极角表示; 对于霍夫变换,我们用极坐标系来表 阅读全文
posted @ 2019-08-19 21:06 Austin_anheqiao 阅读(703) 评论(0) 推荐(0) 编辑
摘要: 目录 1、0-1分布(两点分布、伯努利分布) 2、几何分布 3、二项分布 4、高斯分布(正态分布) 5、卡方分布 (chi-square distribution) 6、t分布 6.1 置信区间 6.2 例题 7、泊松分布 8、指数分布 9、F分布 1、0-1分布 单个二值型离散随机变量的分布,概率 阅读全文
posted @ 2019-08-18 22:21 Austin_anheqiao 阅读(15802) 评论(0) 推荐(0) 编辑
摘要: 目录 1、介绍 2、LoG原理 3、数学原理 4、模板性质 1、介绍 LoG(DoG是一阶边缘提取)是二阶拉普拉斯-高斯边缘提取算法,先高斯滤波然后拉普拉斯边缘提取。 Laplace算子对通过图像进行操作实现边缘检测的时,对离散点和噪声比较敏感。于是,首先对图像进行高斯卷积滤波进行降噪处理,再采用L 阅读全文
posted @ 2019-08-18 16:40 Austin_anheqiao 阅读(4685) 评论(0) 推荐(0) 编辑
摘要: 目录 1、高斯函数与正态分布 1.1 一维高斯函数 1.2 正态分布 1.3 二维高斯函数 2、高斯模糊原理 2.1 二维高斯函数求权重 2.2 权重矩阵 2.3 计算高斯模糊 3、高斯核函数 3.2 径向基函数RBF 3.3 高斯函数性质 4、高斯噪声 4.1 噪声 4.2 高斯噪声 高斯函数广泛 阅读全文
posted @ 2019-08-18 15:24 Austin_anheqiao 阅读(20094) 评论(0) 推荐(3) 编辑
摘要: 特征 在计算机视觉领域,特征是为了完成某一特定任务需要的相关信息。比如,人脸检测中,我们需要在图像中提取特征来判断哪些区域是人脸、哪些区域不是人脸,人脸验证中,我们需要在两个人脸区域分别提取特征,来判断他们是不是同一个人,如下图所示,深度神经网络最终得到一个128维的特征用于识别等任务。 常用的特征 阅读全文
posted @ 2019-08-17 21:14 Austin_anheqiao 阅读(584) 评论(0) 推荐(0) 编辑
摘要: 666 阅读全文
posted @ 2019-08-17 16:22 Austin_anheqiao 阅读(495) 评论(0) 推荐(0) 编辑
摘要: 当特征选择完成后,可以直接训练模型了,但是可能由于特征矩阵过大,导致计算量大,训练时间长的问题,因此降低特征矩阵维度也是必不可少的。常见的降维方法除了以上提到的基于L1惩罚项的模型以外,另外还有主成分分析法(PCA)和线性判别分析(LDA),线性判别分析本身也是一个分类模型。PCA和LDA有很多的相 阅读全文
posted @ 2019-08-17 16:11 Austin_anheqiao 阅读(204) 评论(0) 推荐(0) 编辑
摘要: 当数据预处理完成后,我们需要选择有意义的特征输入机器学习的算法和模型进行训练。通常来说,从两个方面考虑来选择特征: 特征是否发散:如果一个特征不发散,例如方差接近于0,也就是说样本在这个特征上基本上没有差异,这个特征对于样本的区分并没有什么用。 特征与目标的相关性:这点比较显见,与目标相关性高的特征 阅读全文
posted @ 2019-08-17 16:09 Austin_anheqiao 阅读(345) 评论(0) 推荐(0) 编辑
上一页 1 ··· 4 5 6 7 8 9 10 11 12 ··· 43 下一页