在QT下调用opencv完成运动目标捕捉
一、原理说明：差帧识别原理：将这一帧的图像和上一帧的图像进行比对，产生变化的即为运动的目标像素块二、过程详解：1.将传入的两帧先进行灰度处理，转化将rgb类型图片转化为灰度图，可大大降低处理时间和资源消耗将转换后的图片转存至frontGray和afterGray cvtColor(frontF
pytorch中的transforms.ToTensor和transforms.Normalize理解
🍊作者简介：秃头小苏，致力于用最通俗的语言描述问题🍊往期回顾：卡尔曼滤波系列1——卡尔曼滤波 张氏标定法原理详解🍊近期目标：拥有5000粉丝🍊支持小苏：点赞👍🏼、收藏⭐、留言📩文章目录pytorch中的transforms.ToTensor和transf
机器学习——CART决策树——泰坦尼克还生还预测
Scikit-learn库中实现的决策树的算法是优化的CART算法。分类决策树的类是DecisionTreeClassifier。
python 深度学习环境安装（tensorflow-gpu）
本文主要通过Anaconda来配置tensorflow-gpu环境，介绍了如何新建虚拟环境，下载cuda，cudnn，tensorflow-gpu，以及判断是否安装成功，最后介绍了在pycharm中新建项目来配置虚拟环境。
python实现人脸关键部位检测（附源码）
人脸特征提取本文主要使用dlib库中的人脸特征识别功能。dlib库使用68个特征点标注出人脸特征，通过对应序列的特征点，获得对应的脸部特征。下图展示了68个特征点。比如我们要提取眼睛特征，获取37到46这几个特征点即可。在代码中增加类似的映射，直接通过调用对应部位。Python学习交流Q群：9067
深度学习之30系显卡虚拟环境配置（100%成功，windows，英伟达30系显卡，torch版本1.7.1）
30系显卡配置深度学习所需要的虚拟环境非常麻烦，本文章整理了我个人安装虚拟环境的心得体会和经验，手把手教您配置好虚拟环境！
2021级研究生人工智能高级语言程序设计考试说明
2022人工智能高级语言程序设计考试说明
改善图形神经网络，提升GNN性能的三个技巧
本文总结了一些技巧来提高 GNN 模型的性能。
Gephi绘制微生物网络图
Gephi绘制微生物网络图教程。
数据科学 机器学习系列3 机器学习的流程
在本文中,你将学习到:1机器学习的流程。2 理解基本术语概念，如“模型”，“训练”，“预测”，“过拟合”等。
基于yolov5与Deep Sort的流量统计与轨迹跟踪
系列文章目录目标跟踪——SORT算法原理浅析目标跟踪——Deep Sort算法原理浅析基于yolov5与Deep Sort的流量统计与轨迹跟踪文章目录系列文章目录前言一、整体目录结构二、Deep Sort代码参数解释三、代码展示总结前言先来看下实现效果：上图展示了用yolov5作为检测器，Deep
Numpy&Pandas快速上手篇
Numpy&PandasNumpy篇Numpy 创建arrayNumpy属性Num基本运算1Numpy基本运算2Numpy篇Numpy 创建arrayimport numpy as np# a = np.array([1,2,3], dtype =np.int )# a = np.array
《机器学习实战：基于Scikit-Learn、Keras和TensorFlow第2版》-学习笔记（4）：训练模型
第四章 训练模型· Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow, 2nd Edition, by Aurélien Géron (O’Reilly). Copyright 2019 Aurélien Géron
Matlab图像处理（1）彩色图像转换为灰度图像（初学必看）
手把手教你用Matlab实现彩色图像转换为灰度图像RGB = imread('F:/1/tuxiang.jpg');%将图像读入工作区Y = rgb2gray(RGB);%将图像灰度化imshow(Y)%显示灰度图像这是一个最基本将彩色图像转换为灰度图像的代码，接下来详细解释代码：‘RGB’是自己设
深度学习-用PyTorch实现面部形象分类(非常详细-适合初学者)
基于pytorch对面部形象分类，训练准确率99.97%，测试准确率96.76
SRCNN：基于深度学习的超分辨率开山之作回顾
本文提供了与SRCNN论文的总结和回顾，如果你对于图像的超分辨率感兴趣，一定要先阅读这篇论文，他可以说是所有基于深度学习的超分辨率模型的鼻祖
二、机器学习基础5（损失函数、梯度下降）
损失函数损失函数（Loss function）又叫做误差函数，用来衡量算法的运行情况.估量模型的预测值 f (x)与真实值 Y 的不一致程度，是一个非负实值函数,通常使用来表示，损失函数越小，模型的鲁棒性就越好。损失函数是经验风险函数的核心部分，也是结构风险函数重要组成部分。常见的损失函数损失函数用
数据科学 机器学习系列2 机器学习的公平性
在本文中您将学习到0 提高对机器学习中公平性重要性的认识。1 了解与公平相关的危害2 了解不公平评估和缓解措施。
numpy的简单模拟实现股票
任务：模拟股价变化图l定义一个1440（4*60*6）维数组，随机生成[-10, 10]的整数来模拟股价的涨跌([-10, 10]为股票涨幅百分比)l假设开盘价为10元，生成每一时刻的股价数组l将数组在图表中绘制出来此处我们需要用到python下的numpy和matplotlab两个包来实现我们本次
