- 博客(123)
- 收藏
- 关注
RSS订阅原创 Python深度学习--深度学习入门-TensorFlow中的tf.data.Dataset` 的作用与用法
`tf.data.Dataset` 是 TensorFlow 的高效数据流水线工具
2025-03-30 19:31:00
307
原创 Python深度学习--深度学习入门-TensorFlow中的tf.GradientTape 的作用与用法
`tf.GradientTape` 是 TensorFlow 2.x 的自动微分工具，用于自动计算梯度
2025-03-30 19:14:34
403
原创 Python深度学习--深度学习入门-TensorFlow中的的tf.function作用与用法
tf.function是TensorFlow 2.x 的核心特性之一，用于将 Python 函数转换为 TensorFlow 计算图，从而：使用 装饰器将普通 Python 函数转换为计算图。注意事项**函数跟踪（Tracing
2025-03-30 19:07:46
435
原创 Python深度学习--深度学习入门(补充)-TensorFlow中的callback回调函数
回调是训练过程中在特定时间点（如每个 epoch 开始/结束时、每个 batch 处理后）触发的函数
2025-03-23 19:15:30
285
原创 Python深度学习--深度学习入门-基于TensorFlow实现Wide&Deep模型(多输入,多输入,单输入,单输出,基于子类API优化)
Wide and deep 模型是 TensorFlow 在 2016 年 6 月左右发布的一类用于分类和回归的模型，并应用到了 Google Play 的应用推荐中。wide and deep 模型的核心思想是结合线性模型的记忆能力（memorization）和 DNN 模型的泛化能力（generalization），在训练过程中同时优化 2 个模型的参数，从而达到整体模型的预测能力最优。记忆（memorization）即从历史数据中发现item或者特征之间的相关性。
2025-03-23 18:09:12
445
原创 Python深度学习--深度学习入门-TensorFlow入门
TensorFlow中的常量 变量 以及 基于TensorFlow实现线性回归与逻辑回归
2025-03-22 18:23:18
787
原创 Python深度学习--深度学习入门-TensorFlow简介与环境搭建
TensorFlow是深度学习领域使用最为广泛的一个Google的开源软件库（最初由Google brain team进行开发的内部库，由于它的易用性Google决定把它开源出来）.采取数据流图，用于数值计算.节点——处理数据线——节点间的输入输出关系数据流图中的数据叫做tensor, 表示张量, 即N维数据, tensor在数据流图中流动表示计算的过程, 这也是tensorflow名字的由来.支持多种平台，GPU、CPU、移动设备。
2025-03-22 18:20:11
801
原创 Python深度学习--深度学习入门-神经网络中的正则化dropout正则化与早停止法
加入了 dropout 后，输入的特征都存在被随机清除的可能，所以该神经元不会再特别依赖于任何一个输入特征，也就是不会给任何一个输入特征设置太大的权重。通过传播过程，dropout 将产生和 L2 正则化相同的收缩权重的效果。对于不同的层，设置的keep_prob大小也不一致，神经元较少的层，会设keep_prob为 1.0，而神经元多的层则会设置比较小的keep_prob通常被使用在计算机视觉领域，图像拥有更多的特征，场景容易过拟合，效果被实验人员证明是很不错的。
2025-02-09 18:27:49
869
原创 Python深度学习--深度学习入门-浅层神经网络与激活函数的选择
之前已经说过神经网络的结构了，在这不重复叙述。假设我们有如下结构的网络对于这个网络我们建立一个简单的图示？我们对第一个隐藏层记为[1]，输出层为[2]。
2025-02-09 18:00:19
486
原创 Python深度学习--深度学习入门-什么是深度学习
机器学习的特征工程步骤是要靠手动完成的，而且需要大量领域专业知识深度学习通常由多个层组成，它们通常将更简单的模型组合在一起，通过将数据从一层传递到另一层来构建更复杂的模型。通过大量数据的训练自动得到模型，不需要人工设计特征提取环节。
2025-02-09 17:08:08
378
原创 Python机器视觉--OpenCV进阶(核心)-边缘检测之SURF特征检测
SURF特征是一种图像的局部特征，当目标图像发生旋转、尺度缩放、亮度变化时，具有保持不变性，并且对视角变化、仿射变换和噪声等也具有保持一定程度的稳定性。SURF特征提取算法的流程主要包括：特征点检测、特征点描述和特征点匹配三部分。特征点检测采用了基于Hessian矩阵的检测器，其在稳定性和可重复性方面都优于基于Harris的检测器。特征点描述采用Haar小波作为特征描述子，由于Harr特征最大的特点是速度快，能减少计算时间且增加稳健性。
2022-09-25 08:04:24
1514
1
原创 Python机器视觉--OpenCV进阶(核心)-边缘检测之SIFT关键点检测
SIFT关键点检测 图像尺度空间,多分辨率金字塔,高斯差分金字塔,DOG局部极值检测,关键点的精确定位,特征点的主方向,生成特征描述 等原理 与 SIFT基于OpenCV实现
2022-09-25 07:56:42
2385
原创 Python机器视觉--OpenCV进阶(核心)-边缘检测之Harris角点检测与Shi-Tomasi角点检测
Harris角点检测是基于Moravec角点检测之上的， Moravec角点检测算子的思想其实特别简单，在图像上取一个W*W的“滑动窗口”，不断的移动这个窗口并检测窗口中的像素变化情况E。这样就不用调整k值了。W(x,y)W(x,y)是以点(x,y)(x,y)为中心的窗口,即为加权函数,例如高斯加权函数。Harris角点检测计算的稳定性和K有关, 而K是一个经验值, 不太好设定最佳的K值.图像 I(x,y) I(x,y),当在点(x,y)(x,y)处平移(Shi-Tomasi是Harris角点检测的改进.
2022-09-19 08:00:00
1123
原创 Python机器视觉--OpenCV进阶(核心)--特征检测与匹配基本概念解释与实现(大合集)
它指的是使用计算机提取图像信息，决定每个图像的点是否属于一个图像特征。特征检测的结果是把图像上的点分为不同的子集，这些子集往往属于孤立的点、连续的曲线或者连续的区域。Harris角点检测,Shi-Tomsi角点检测以及SIFI关键点检测等将在后续文章中进行更新 预计以日更的形式在本周(20220919-20220924)内完成更新。图像特征就是值有意义的图像区域, 具有独特性, 易于识别性, 比较角点, 斑点以及高密度区.特征检测包括边缘检测, 角检测, 区域检测和脊检测.图像搜索, 比如以图搜图。
2022-09-18 11:10:45
1433
原创 Python机器视觉--OpenCV进阶(核心)--图像直方图与掩膜直方图与直方图均衡化
图直方图是用一表示数字图像中亮度分布的直方图，标绘了图像中每个亮度值的像素数。这种直方图中，横坐标的左侧为纯黑、较暗的区域，而右侧为较亮、纯白的区域。因此，一张较暗图片的图像直方图中的数据多集中于左侧和中间部分，而整体明亮、只有少量阴影的图像则相反。直方图均衡化是通过拉伸像素强度的分布范围，使得在0~255灰阶上的分布更加均衡，提高了图像的对比度，达到改善图像主观视觉效果的目的。在统计学中，直方图是一种对数据分布情况的图形表示，是一种二维统计图表.横坐标: 图像中各个像素点的灰度级。：需要统计的特征的数目。
2022-09-18 10:45:01
1323
原创 Python机器视觉--OpenCV进阶(核心)--图像金字塔(高斯金字塔与拉普拉斯金字塔)
图像金字塔是图像中多尺度表达的一种，最主要用于图像的分割，是一种以多分辨率来解释图像的有效但概念简单的结构。简单来说, 图像金字塔是同一图像不同分辨率的子图集合.图像金字塔最初用于机器视觉和图像压缩，一幅图像的金字塔是一系列以金字塔形状排列的分辨率逐步降低，且来源于同一张原始图的图像集合。其通过梯次向下采样获得，直到达到某个终止条件才停止采样。金字塔的底部是待处理图像的高分辨率表示，而顶部是低分辨率的近似。我们将一层一层的图像比喻成金字塔，层级越高，则图像越小，分辨率越低。
2022-09-18 10:12:31
2135
原创 Python机器视觉--OpenCV进阶(核心)--图像轮廓查找识别,绘制图像轮廓与图像轮廓的面积周长计算
图像轮廓查找识别,绘制图像轮廓与图像轮廓的面积周长计算
2022-09-12 09:29:33
2275
原创 Python机器视觉--OpenCV进阶(核心)--形态学概述与图像的腐蚀,膨胀操作与自动获取形态学卷积核
什么是形态学指一系列处理图像形状特征的图像处理技术形态学的基本思想是利用一种特殊的结构元(本质上就是卷积核)来测量或提取输入图像中相应的形状或特征，以便进一步进行图像分析和目标识别。这些处理方法基本是对二进制图像进行处理, 即黑白图像卷积核决定着图像处理后的效果形态学常用基本操作有:膨胀和腐蚀开运算闭运算顶帽黑帽。...
2022-08-28 15:44:55
1921
1
原创 Python机器视觉--OpenCV进阶(核心)--图像二值化
在前面的部分我们使用是全局阈值，整幅图像采用同一个数作为阈值。当时这种方法并不适应与所有情况，尤其是当同一幅图像上的不同部分的具有不同亮度时。这种情况下我们需要采用自适应阈值。此时的阈值是根据图像上的每一个小区域计算与其对应的阈值。因此在同一幅图像上的不同区域采用的是不同的阈值，从而使我们能在亮度不同的情况下得到更好的结果。二值化: 将图像的每个像素变成两种值, 比如0, 255.maxval: 最大值, 最大值不一定是255。src 最好是灰度图。thresh: 阈值。...
2022-08-28 15:20:29
3092
1
原创 Python机器视觉--OpenCV进阶(核心)--常用高通滤波器(索贝尔(sobel)算子,沙尔(Scharr)算子,拉普拉斯(Laplacian)算子, Canny算子)
常用高通滤波器(索贝尔(sobel)算子,沙尔(Scharr)算子,拉普拉斯(Laplacian)算子, Canny算子) 的介绍与实现
2022-08-21 11:57:23
3465
原创 Python机器视觉--OpenCV进阶(核心)--常用低通滤波器(方盒滤波器,均值滤波器,高斯滤波器,中值滤波器,双边滤波器)
OpenCV之低通滤波器介绍
2022-08-21 11:04:04
2321
原创 Python机器视觉--OpenCV入门(重要)--图像的算术(加减乘除)运算与位运算
图片的融合操作相当于对图片进行线性运算 w1* x1 + w2 * x2 + b. 其中alpha是第一个权重参数, beta是第二个权重参数, gamma是偏差.opencv使用subtract来执行图像的减法运算, 图像对应位置的元素相减, 如果减完小于0, 统一变成0.图片就是矩阵, 图片的加法运算就是矩阵的加法运算, 这就要求加法运算的两张图shape必须是相同的.bitwise_xor 异或运算 对应元素做异或运算。bitwise_or 或运算 对应元素做或运算。...
2022-08-13 18:32:45
1609
原创 Python机器视觉--OpenCV入门--OpenCV鼠标绘制图形
利用OpenCV提供的绘制图形API可以轻松在图像上绘制各种图形, 比如直线, 矩形, 圆, 椭圆等图形.line(img, pt1, pt2, color, thickness, lineType, shift) 画直线img: 在哪个图像上画线pt1, pt2: 开始点, 结束点. 指定线的开始与结束位置color: 颜色thickness: 线宽lineType: 线型.线型为-1, 4, 8, 16, 默认为8shift: 坐标缩放比例....
2022-08-13 18:13:33
1952
原创 Python机器视觉--OpenCV入门(重要)--OpenCV数据结构--Mat
Mat是OpenCV在C++语言中用来表示图像数据的一种数据结构.在python中转化为numpy的ndarray.Mat由header和data组成, header中记录了图片的维数, 大小, 数据类型等数据.
2022-08-07 10:17:55
3082
原创 Python机器视觉--OpenCV入门--鼠标事件与TrackBar控件(含小项目:OpenCV调色板)
OpenCV鼠标事件与TrackBar控件
2022-08-07 10:01:02
1003
2
原创 Python机器学习--算法实现--常用算法在Sklearn中的回归算法关键参数详解
常用算法在Sklearn中的关键参数详解回归算法线性回归算法from sklearn.linear_model import LinearRegressionLinearRegression(fit_intercept=True,normalize=False,copy_X=True,n_jobs=1) '''参数含义：1.fit_intercept:布尔值，指定是否需要计算线性回归中的截距，即b值。如果为False,那么不计算b值。2.normalize:布尔值。如果为False，那
2021-09-05 15:07:42
1314
1
原创 Python机器学习--算法实现--常用算法在Sklearn中的聚类算法和分类算法关键参数详解
常用算法在Sklearn中的关键参数详解聚类算法K-Means算法基于Sklearn中的参数from sklearn.cluster import KMeansKMeans(n_clusters=8 , init='k-means++' ,n_init=10 ,max_iter=300 , tol=0.0001 , precompute_distances='auto' , verbose=0 ,ran
2021-09-05 14:57:35
1520
原创 Python机器学习--算法导包--Sklearn(scikit-learn)导包与特征处理大合集
Sklearn各类型算法导包与特征处理大合集分类算法导包合集# 算法# 分类算法1.KNNfrom sklearn.neighbors import KNeighborsClassifier2.朴素贝叶斯from sklearn.naive_bayes import BernoulliNB # 特征值是二分类from sklearn.naive_bayes import GaussianNBfrom sklearn.naive_bayes import MultinomialNB3
2021-09-05 13:58:26
1019
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人