上一页 1 ··· 45 46 47 48 49 50 51 52 53 ··· 144 下一页

2018年10月14日

6-11 SVM支持向量机2

摘要: SVM支持向量机的核:线性核。进行预测的时候我们需要把正负样本的数据装载在一起,同时我们label标签也要把正负样本的数据全部打上一个label。 第四步,开始训练和预测。ml(machine learning(机器学习模块)). 阅读全文

posted @ 2018-10-14 09:23 绿茵好莱坞 阅读(200) 评论(0) 推荐(0)

2018年10月13日

6-10 SVM支持向量机1

摘要: 都是特征加上分类器。还将为大家介绍如何对这个数据进行训练。如何训练得到这样一组数据。 其实SVM支持向量机,它的本质仍然是一个分类器。既然是一个分类器,它就具有分类的功能。我们可以使用一条直线来完成分类,这是一种比较简单的情况。 这是在我们的二维平面上。二维平面上它是由直线和多个直线来组成。如果我们 阅读全文

posted @ 2018-10-13 16:56 绿茵好莱坞 阅读(209) 评论(0) 推荐(0)

2018年10月12日

6-9 Haar+adaboost人脸识别

摘要: 我们重点分析了Haar特征的概念以及如何计算Haar特征,并介绍了Haar+Adaboost分类器它们的组合以及Adaboost分类器如何使用和训练。这节课我们将通过代码来实现一下Haar+Adaboost分类器实现的人脸识别。 计算jpg图片的haar特征,不过这一步opencv已经帮我们做了,所 阅读全文

posted @ 2018-10-12 17:22 绿茵好莱坞 阅读(1363) 评论(0) 推荐(0)

6-8 adaboost分类器2

摘要: 重点分析了Adaboost它的分类结构,以及如何使用Adaboost。这一节课讲解Adaboost分类器它训练的步骤以及训练好之后的XML文件的文件结构。所以这节课的核心是Adaboost分类器它的训练。如何来训练一个Adaboost分类器呢? 第一步,完成初始化数据的权值分布。正常情况下初始化的权 阅读全文

posted @ 2018-10-12 14:34 绿茵好莱坞 阅读(434) 评论(0) 推荐(0)

2018年10月11日

6-7 adaboost分类器1

摘要: 如何利用特征来区分目标,进行阈值判决。adaboost分类器它的优点在于前一个基本分类器分出的样本,在下一个分类器中会得到加强。加强后全体的样本那么再次进行整个训练。加强后的全体样本再次被用来训练下一个基本的分类器。 我们正确的样本它的系数逐渐地减小,而我们的负样本得到了加强。这就是adaboost 阅读全文

posted @ 2018-10-11 20:42 绿茵好莱坞 阅读(304) 评论(0) 推荐(0)

6-6 Haar特征3

摘要: B区域是包含AB这样两部分的。C区域是包含A和C这样两部分的。B区域和C区域它描述的是一个横条和一个竖条。D区域是四个方块之和。 阅读全文

posted @ 2018-10-11 20:28 绿茵好莱坞 阅读(400) 评论(0) 推荐(0)

6-5 Haar特征2

摘要: 在遍历的过程中还需要考虑到一个步长的问题。这个模板一次滑动10个像素,那么总共就需要滑动9次。再加上最开始的第0次,合计在水平方向上和竖直方向上分别都有10个这样的模板,总共也就是100个模板。要计算完这100个模板才能把整幅图片上的Haar特征计算完毕。而如果我们的步长设置为5*5,那么这个运算量 阅读全文

posted @ 2018-10-11 19:33 绿茵好莱坞 阅读(210) 评论(0) 推荐(0)

6-4 Haar特征1

摘要: 实际上特征就是图像中某个区域的像素点,经过某种四则运算之后得到的结果。所以说图像的特征它是像素经过运算之后得到的某一个结果。这个结果可以是一个具体的值,也可以是一个向量,又或是一个多维的元素。所以说特征它的本质实际上是像素的运算结果。 之前章节给大家讲解的矩阵运算。如何利用特征来区分目标呢?阈值判决 阅读全文

posted @ 2018-10-11 16:55 绿茵好莱坞 阅读(327) 评论(0) 推荐(0)

6-3 图片合成视频

摘要: 第二个参数-1描绘的是选择一个支持的编码器。这个方法完成的是写入对象的创建。第四个参数我们需要设置整个视频的大小,也就是size。这就是之前我们为什么要读取一张图片并且把size记录下来的原因。什么是解码器或者是编码器呢?如果大家想把一个视频分解成图片,那么视频在存储的时候并不是把图片一帧帧进行存储 阅读全文

posted @ 2018-10-11 01:10 绿茵好莱坞 阅读(260) 评论(0) 推荐(0)

2018年10月10日

6-2 视频分解图片

摘要: 机器学习,如何组织数据?机器学习需要大量的训练样本、训练数据进行支持。那么这些数据来源于哪里呢?我们可以通过网络获取,也可以通过自己生成。 第三步我们开始解码,通过parse方法完成整个数据的解析,拿到单帧视频。如果大家想保存那么可以使用imwrite。 我们要捕获到一个视频,可以通过摄像头的方式, 阅读全文

posted @ 2018-10-10 19:09 绿茵好莱坞 阅读(309) 评论(0) 推荐(0)

上一页 1 ··· 45 46 47 48 49 50 51 52 53 ··· 144 下一页

导航