OpenCV学习笔记12-图像金字塔的原理及代码实现
1 图像金字塔介绍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
卷积神经网络 一些参数计算
次数，参数，输出张量的size
R语言使用levels（）函数来查看factor因子变量水平级别（levels）
R语言使用levels（）函数来查看factor因子变量水平级别（levels）
机器学习系列6 使用Scikit-learn构建回归模型：简单线性回归、多项式回归与多元线性回归
在本文中，我们以美国南瓜数据为例，讲解了三种线性回归的原理与使用方法，探寻数据之间的相关性，并构建了6种线性回归模型。将准确率从一开始的0.04提升到0.96.
三子棋的实现，人工智能与人工智障
1.菜单我们先进行菜单打印的实现，如下：void menu(){ printf("**********************************************\n"); printf("************ 1.play ************\n"
手把手带你调参Yolo v5 (v6.1)（二）
解析Yolov5 train.py文件中38个参数含义
飞猪平台用户行为分析—python
文章目录一、项目背景1.1数据来源1.2数据介绍二、分析目的三、分析思路四、数据分析3.1数据清洗3.2用户分析3.2.1用户维度3.2.1.1浏览量pv、访客量uv、成交量分析五、总结提示：本项目分析仅用来学习使用一、项目背景作为中国最受欢迎的在线旅游平台（OTP）之一，阿里巴巴集团旗下的飞猪通过
【qt+opencv】实现人脸识别打卡系统2.0
一、简介人脸识别1.0版本：【QT】基于人脸识别的打卡系统（QT+Opencv + SQLite）--设计过程_Jason~shen的博客-CSDN博客_qt人脸识别目录使用平台设计目标功能描述设计方案数据库设计使用说明使用平台https://blog.csdn.net/qq_40602000/ar
Python知识点，Python requests 模块
Python知识点，Python requests 模块
42个激活函数的全面总结
这个列表将包含 42 个激活函数，这里面肯定有没有见过的
R语言使用names函数为列表list中的所有数据对象设置名称、使用names函数查看列表中所有数据的名称
R语言使用names函数为列表list中的所有数据对象设置名称、使用names函数查看列表中所有数据的名称
《协同式智能清漂子母船》——第十四届国际水中机器人大赛---国赛亚军
摘要：水库、湖泊等水域在降雨和人类活动的作用下经常会聚集大量漂浮垃圾，严重影响水利枢纽正常运行，以及水域和周边的生态环境健康。如何适应各种水域特征，及时而高效安全的清除漂浮垃圾仍然是亟需解决的问题。针对此问题，本作品设计了一种子母船，在大型水域由母船直接清理漂浮垃圾，而在母船无法完成清理工作的较浅水
pandas将多个Series对象合并起来形成dataframe、当索引不一致时会产生缺失值NaN
pandas将多个Series对象合并起来形成dataframe、当索引不一致时会产生缺失值NaN
Pandas 中最常用的 7 个时间戳处理函数
数据科学和机器学习中时间序列分析的有用概念
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。
