摘要:对于某些运动元素的提取,我们仍然可以依据静态图像提取的方法,比如R-G分量差提取等,前提是目标有某些独有的特征。考虑一幅运动图像—— 目标是运动的,背景是禁止的,目标以红色为主,背景含有局部静止的红色。像这种情况单从静态方法分析就很难了。 对于类似上述的图像,最简单的提取方法是帧间差分与背景差分。这 阅读全文
posted @ 2019-10-03 23:27 KenSporger 阅读 (70) 评论 (0) 编辑
摘要:题述: 使用Node.js实现评论区功能,效果如下图。每条评论需要动态修改的部分为楼层号(如 #6),时间戳(如 2018-08-13 11:30),评论内容;昵称和客户端提示不必修改。要求将评论数据存入文件中。 实现所需的文件的目录 ./Comment.js ./index.html ./reco 阅读全文
posted @ 2018-11-28 23:55 KenSporger 阅读 (350) 评论 (0) 编辑
摘要:一、Tensor 1.1 什么是Tensor?Tensor的数据类型 Tensor是张量的意思,在TensorFlow中张量可以是标量(scalar)、向量(vector)、矩阵(matrix)、高维度张量(rank>2),像Numpy里的数组就不属于Tensor。TensorFlow里的常用的数据 阅读全文
posted @ 2019-11-26 20:54 KenSporger 阅读 (46) 评论 (0) 编辑
摘要:一、神经网络(Neural NetWorks)的基本结构 神经网络是由神经层(layer)搭建起来的。由输入层,隐藏层、输出层组成。输入层就是特征的输入;隐藏层有多层,包含神经网络自生成的新特征(输入特征的多次项组合);输出层为预测结果。简单的神经网络如下图所示: 其中$a_{i}^{j}$表示第j 阅读全文
posted @ 2019-11-16 21:30 KenSporger 阅读 (28) 评论 (0) 编辑
摘要:一、 Logistic回归与Logistic函数 分类问题的标签可以是$y\epsilon \left \{ 0,1 \right \},y\epsilon \left \{ 0,1,2 \right \},y\epsilon \left \{ 0,1,2,3,... \right \}$,对应分别 阅读全文
posted @ 2019-11-03 23:21 KenSporger 阅读 (32) 评论 (0) 编辑
摘要:一、监督学习(supervised-learning)与无监督学习(unsupervised-learning) 1.监督学习中数据集是由特征组和标签组成,目的是训练机器对标签取值的准确预测。如:房价预测、肿瘤判定、垃圾邮件判定。 2.无监督学习中人工不对数据集作任何说明,不给答案,不贴标签,目的是 阅读全文
posted @ 2019-10-27 16:52 KenSporger 阅读 (63) 评论 (0) 编辑
摘要:本文参考博客:https://www.cnblogs.com/Imageshop/archive/2013/04/26/3045672.html 原生的中值滤波是基于排序算法的,这样的算法复杂度基本在O(r2)左右,当滤波半径较大时,排序算法就显得很慢。对此有多种改进算法,这里介绍经典 的Huang 阅读全文
posted @ 2019-10-12 23:26 KenSporger 阅读 (61) 评论 (0) 编辑

Copyright ©2019 KenSporger