OpenCV中的improc组件——三种线性滤波实例及综合实例(14)
1 线性滤波API函数1.1 方框滤波函数：boxFilter函数<1> . boxFilter()函数的作用：使用方框滤波来模糊一张图像。<2> . 函数原型：void boxFilter(InputArray src, OutputArray dst, int ddep
手把手带你调参Yolo v5 (v6.1)（一）
解析Yolov5项目中每一个参数含义
Paper Reading - Loss系列 - 深度学习中各种常见Loss与组合综述[WIP]
目录回归误差交叉熵 CEBCECEFocal LossDice LossLovasz-Softmax Loss更多可见计算机视觉-Paper&Code - 知乎本文主要希望总结下目前学术与业界常用到的Loss函数以及其对应的优缺点回归误差两种loss不同位置的梯度情况MAE mean ave
在python中读取和写入CSV文件（你真的会吗？）
csv文件的读取
Keras深度学习实战（3）——神经网络性能优化技术详解
在神经网络训练过程中，有多种超参数可以影响神经网络的准确性。在本节中，我们将详细介绍神经网络中各种超参数的作用，通过使用不同的超参数来优化神经网络性能，以 MNIST 手写数字分类模型为例应用多种神经网络优化技术提高模型准确率。
opencv应用——以图拼图
一，准备图片可以先手动分一分，有的是关键信息在中间，有的是在上面，主要就是这两种。然后用程序先截出正方形的图片：int main(){ for (int i = 1; i <= 10; i++) { Mat img = imread("D:/pic2/img (" + to_string(i
在预测中使用LSTM架构的最新5篇论文推荐
本文总结了近半年来关于LSTM的5篇论文，推荐阅读
三、深度学习基础2（前、反向传播；超参数）
前向传播与反向传播前向传播反向传播神经网络的输出、卷积神经网络输出值以及Pooling 层输出值（主要作用是下采样）过程皆为比较简单的基础知识，在此不作详细赘述。超参数超参数:比如算法中的 learning rate （学习率）、iterations(梯度下降法循环的数量)、（隐藏层数目）、（隐藏层
第十届“泰迪杯”数据挖掘挑战赛B题python实现
第十届“泰迪杯”数据挖掘挑战赛B题python实现
浅谈估值模型 (二): 相对估值模型中的变形金刚——PE指标I
市盈率是个深受广大散户喜爱的指标，可是你真的读懂它了吗？
基于PyTorch实现图片去模糊、降噪，超详细，有代码，数据，可直接运行。
基于PyTorch实现图像去模糊、有代码数据、可直接运行基于PyTorch实现图像去模糊、有代码数据、可直接运行
深度学习基础 初学者版
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录前言 一、过拟合与欠拟合，防止过拟合方法。 二、使用步骤 1.引入库 2.读入数据 总结前言首先！博主目前大一，写出来的东西水平很低。我写博客的目的只是为了让同是大一大二的学生们，入门这个领域的时候变得稍微轻松一点点。这篇博
numpy的简单使用（二）
import numpy as np4.生成随机数生成20个数值范围在0到1之间的数据arr1=np.random.random(20)print(arr1)numpy.random模块可以高效地生成多种概率分布下完整样本值数组： normal() 从正太（高斯）分布中抽取样本 ra
C++使用opencv调用级联分类器来识别目标物体
前言：相较于帧差法捕捉目标物体识别，级联分类器识别目标物体更加具有针对性，使用前者只要是动的物体都会被捕捉识别到，画面里有一点风吹草动，都会被捕捉识别下来，如果我想识别具体的人或者物，都无法做到精准的目标识别，所以有了级联分类器识别（即模型识别），会按照训练好的级联分类器（模型）来进行目标识别流程讲
机器学习实战 -朴素贝叶斯
贝叶斯分类算法是统计学的一种概率分类方法，朴素贝叶斯分类是贝叶斯分类中最简单的一种。所以称之为”朴素”，是因为贝叶斯分类只做最原始、最简单的假设：所有的特征之间是统计独立的。
【必备知识】线激光扫描三维成像原理
🥰WELCOME🥰🔥🔥🔥欢迎来到K❤️J的空间🔥🔥🔥 💞💞💞本文主要讲解线激光扫描三维成像的算法实现原理💤，基于这篇文章介绍🗺️，期待你对此类三维重建方法有一个清晰的认识~💯!💞💞💞> 💞💞💞专栏更新中~💞💞💞🤩写在前面🤩通过三维测量方法获取
基于pytorch平台实现对MNIST数据集的分类分析（前馈神经网络、softmax）基础版
基于pytorch平台实现对MNIST数据集的分类分析（前馈神经网络、softmax）基础版
pandas读取文件参数
pandas读取文件参数pd.read_csv( filepath_or_buffer: Union[str, pathlib.Path, IO[~AnyStr]],#文件路径或网址连接 sep=',', #分隔符 header='infer', #是否
三、深度学习基础1（构成、模型）
神经网络组成（输入层、隐藏层、输出层）最简单的神经网络：感知机复杂一些的感知机由简单的感知机单元组合而成：Sigmoid 单元感知机单元的输出只有 0 和 1，实际情况中，更多的输出类别不止 0 和 1，而是[0,1]上的概率值，这时候就需要 sigmoid 函数把任意实数映射到[0,1]上。sig
深度学习100例 | 第41天-卷积神经网络（CNN）：UrbanSound8K音频分类（语音识别）
🔗 运行环境：python3🚩 作者：K同学啊🥇 选自专栏：《深度学习100例》🔥 精选专栏：《新手入门深度学习》📚 推荐专栏：《Matplotlib教程》🧿 优秀专栏：《Python入门100题》🚀 我的环境：语言环境：Python3.6.5编译器：jupyter notebook
