原创 matalb計算灰度圖像PSNR
原始圖像和去噪圖像分別在兩個文件夾裏 clc, clear all; denoise_dir=fullfile('D:\視頻數據集\4\denoise_10\'); label_dir=fullfile('D:\視頻數據集\4\tes
2019-03-10 03:39:51
原创 視頻去噪資料整理（深度學習方法）
近幾天做了一些視頻去噪的一些邊緣工作，故整理一下。 首先是視頻的預處理和加噪。 這裏主要參考了VBM4D（鏈接： http://www.cs.tut.fi/~foi/GCF-BM3D/ ）中的加噪方法：首先讀取一個視頻，然後加噪 代碼
2019-03-07 14:33:39
14
原创 X265編譯
沒有科研命，被老師頻繁患者方向，每次也都是做着一些雜活，而現在也已經看開了，能讓我畢業就行。 做圖像壓縮時被要求用x265來對圖像編碼，做一些測試任務，雖然每天做着一些雜活，但索性還是記錄些來吧。 第一步：編譯x265 進入x265官
2019-02-27 17:32:02
原创 VAE（變分自動編碼器）
首先先貼上一些有用的鏈接： https://www.cnblogs.com/king-lps/p/8477300.html https://zhuanlan.zhihu.com/p/29685634 第一個鏈接是一個博主在看了李宏毅老
2019-01-25 17:33:47
2
原创 機器學習實戰——K-均值聚類算法
K-Means聚類算法屬於無監督學習算法 python實現（機器學習實戰） import numpy as np import matplotlib.pyplot as plt def loadDataSet(filename):
2018-09-06 20:51:52
原创 反向傳播算法資料彙總
作者：Anonymous 鏈接：https://www.zhihu.com/question/27239198/answer/89853077 來源：知乎 著作權歸作者所有。商業轉載請聯繫作者獲得授權，非商業轉載請註明出處。 以求e
2018-09-04 21:59:12
2
原创 機器學習實戰 第九章樹迴歸 錯誤總結
我的是python3.6 第一處： def binSplitDataSet(dataSet, feature, value): mat0 = dataSet[np.nonzero(dataSet[:,feature] > val
2018-09-04 21:59:12
4
原创 圖像超分辨
原博客地址：https://blog.csdn.net/u011630458/article/details/65635155 簡介 這段時間在看基於字典的單幀圖像超分辨率重建，本篇主要是對這塊做個筆記記錄。 基本
2018-08-21 01:32:34
2
原创 機器學習實戰之Logistic迴歸小結
本文主要記錄我在學習機器學習實戰Logistic迴歸這一章遇到的問題。 之前也學習過邏輯迴歸，邏輯迴歸一般解決分類問題，之前結合了吳恩達教授的機器學習課程和周志華教授的西瓜書，現在又用機器學習實戰這本書籍來學習，這兩種方法在實現過程中存在
2018-08-21 01:32:34
2
原创 win7 安裝pytorch
第一步：安裝 Anaconda3 ; 第二步：安裝pycharm,選取python環境，我是3.6的 （我之所以安裝這兩個，是因爲我最後用的是pycharm環境，而Anaconda3主要是準備好python環境） 我的版本如下:
2018-08-21 01:32:34
1
原创 機器學習實戰之樸素貝葉斯
近期正在學習機器學習，將西瓜書和機器學習實戰搭配來學習，現在總結一下樸素貝葉斯方法。 樸素貝葉斯是一種基於概率論的分類方法。 它有兩個重要的假設： （1）特徵之間相互獨立。事實上在實際問題上這並不合理。 （2）每個特徵同等重要。該
2018-08-21 01:32:23
4
原创 Pytorch 自定義torch.autograd.Function
轉載自: https://zhuanlan.zhihu.com/p/27783097 https://www.jianshu.com/p/5d5d3957f684 ReLu 函數求導示例： # -*- coding:utf8 -*-
2018-08-21 01:32:23
原创 torch.ge,torch.gt,torch.le
torch.ge torch.ge(input, other, out=None) → Tensor 逐元素比較input和other，即是否 input>=otherinput>=other。 如果兩個張量有相同的形狀和元素值，則返回
2018-08-21 01:32:23
原创 機器學習實戰之KNN分類算法
示例：使用KNN改進約會網站配對效果(學習這一節把自己需要注意的和理解的記錄下來) 第零步：實現KNN算法： 需注意： classCount[voteIlabel] = classCount.get(voteIlabel,0)+1 #P
2018-08-21 01:32:23
2