原创 學習路線與規劃
1、數學方面的補充 《矩陣論》程鵬，複習了矩陣分解等方面的內容 《隨機過程》張顥 相關、PCA、高斯過程、泊松過程、馬爾科夫鏈 《數字信號處理》張顥，學習中 2、機器學習 吳恩達coursera《機器學習》視頻：偏重理論和基礎實踐，在工程
2020-07-06 01:15:23
1
原创 [吳恩達機器學習exercise3：多分類 one vs all和神經網絡]
其他博客的優秀分享：編程作業（python）| 吳恩達 機器學習（3）多分類與神經網絡 2020/03/23 總結： 邏輯迴歸的多分類：0~9。對每一類和標籤，計算最優的參數，計算得到10組最優參數θn*10 採用的模型仍然是簡單的線
2020-06-28 02:06:26
原创 行人檢測（3）——數據集
1. HOG+SVM使用的行人識別數據集 （1） INRIA Person Dataset（INRIA行人數據庫）——可見光數據集，樣本大小128*64 2. 紅外行人數據集：KAIST Multispectral Pedestrain
2020-06-28 02:06:26
8
原创 Python入門基礎二：Opencv的安裝
資料：OpenCV自學筆記1：Pycharm + OpenCV3 + Python3 配置記錄 1、安裝opencv_python https://www.lfd.uci.edu/~gohlke/pythonlibs/#opencv Op
2020-06-28 02:06:26
3
原创 《Hands-On Machine Learning with Scikit-Learn & TensorFlow》第三章 分類
1. 先做5和非5的單分類 SGD分類器實現單分類，並用交叉驗證，cross_val_score()得到的是kfold的分類accuracy，且裏面進行的是分層抽樣，根據分類的類別來進行的分層抽樣！cross_val_predict()與
2020-06-28 02:06:26
原创 SVM多分類原理學習
https://scikit-learn.org/stable/modules/svm.html https://sklearn.apachecn.org/docs/master/5.html 中文翻譯 SVC，NuSVC，Linea
2020-06-16 04:21:05
原创 數據集隨機+比例分爲訓練集和測試集：並分別存爲文件夾
需求：將數據集隨機分爲訓練集和測試集，並將隨機分類的圖像保存至對應的文件夾。讓train+test=原始數據，且帶有隨機比例。 原因：需要將初始化數據集隨機分配之後，再將訓練集做數據增光，所以不能直接採用txt隨機生成路徑的方式。 原始數
2020-06-12 19:35:38
2
原创 目標檢測Object Detection in 20 Years: A Survey——學習筆記
資料參考： 1、https://blog.csdn.net/qq_38906523/article/details/79971817 2、原文：https://arxiv.org/abs/1905.05055 201905的pami 3、
2020-06-10 17:34:13
原创 《CV項⽬實戰》——有三AI，臉部表情識別
整體的感受： （1）一個簡單的CNN的圖像分類已經有所接觸了，識別人臉和識別嘴脣的部分有預處理了 （2）然後摳出ROI的區域送入分類器，25%的背景padding，也有resize的部分，resize到同一個尺寸 （3）深度學習大部分就是
2020-06-10 17:34:13
1
原创 行人和車輛的分類——數據集分類
考慮因素：沒有考慮騎自行車的、兩輪摩托車、三輪摩托車的等。這些因素都是要排列組合疊加的，然後這樣準備數據。 目的：都是爲了讓訓練出來的模型泛化能力更強，能夠應對各種實際情況！ 行人數據集的考慮因素 距離：200m~1km，體現在像素上就是
2020-06-10 17:34:13
原创 CV研究方向及綜述
計算機視覺的方向：圖像分類、目標檢測、圖像分割、目標跟蹤、圖像去噪、圖像增強、風格化、三維重建、圖像檢索、GAN 實際中的圖像分類，如表情分類。用的是人臉和嘴部的location，這就是目標檢測的先驗在。同時HOG行人檢測也是用來HOG+
2020-06-10 17:34:13
原创 行人和車輛檢測的一些資料閱讀——如何解決多尺度的問題？
1. 車輛識別（特徵提取+svm分類器） 2. 如何用點雲對車輛和行人進行識別分類？這是MIT學生的總結 3. HOG + SVM 做目標檢測、車輛檢測 主要考慮的因素是距離遠近不同的車輛的識別策略：處理scale的問題。 HOG特徵並
2020-06-10 17:34:13
原创 吳恩達深度學習——第四課第二週《深度卷積網絡：case study》
2.10 數據增強 更多的數據或充足的數據對於計算機視覺任務是有幫助的。但當前CV的主要問題是無法得到充足的數據，或者說對於CV任務而言數據遠遠不夠。數據增強是重要的幫助手段，常用的數據增強方法如下： 垂直鏡像：左右翻轉 隨機裁剪：隨機裁
2020-06-10 17:34:13
原创 基於SVM的cifar10分類
備註：閱讀博客後的筆記，代碼來自他人博客。 1. 基於線性SVM的cifar10圖像分類 博客爲：svm實現圖片分類（python） 博客對應的代碼倉庫：https://github.com/452896915/cs231n_course
2020-06-10 17:34:13
原创 【學習筆記】使用判別訓練的部件模型進行目標檢測 Object Detection with Discriminatively Trained Part Based Models
1. DPM 形變目標識別 資料：使用判別訓練的部件模型進行目標檢測 Object Detection with Discriminatively Trained Part Based Models 這篇文章是2010的PAMI，文章
2020-06-10 17:34:13