机器学习 - 随笔分类 - wemo

卡尔曼滤波+单目标追踪+python-opencv

摘要："很好的入门资料" 向面试官一句话解释卡尔曼滤波： 1. 用上一次的最优状态估计和最优估计误差去计算这一次的先验状态估计和先验误差估计； 2. 用1得到的本次先验误差估计和测量噪声，得到卡尔曼增益； 3. 用1，2步骤得到所有先验误差估计和测量噪声，得到本次的最优估计。一句话阅读全文

posted @ 2019-04-28 13:41 wemo 阅读(12392) 评论(0) 推荐(1)

多目标跟踪MOT评价指标

摘要：[toc] 1. MOT评价指标 MOT ：multiple object tracking 评价出发点：所有出现的目标都要及时能够找到；目标位置要尽可能与真实目标位置一致；每个目标都应该被分配一个独一无二的ID，并且该目标分配的这个ID在整个序列中保持不变。评价指标数学模型：评价过程阅读全文

posted @ 2019-03-30 20:32 wemo 阅读(4083) 评论(0) 推荐(0)

最大似然估计和最大后验概率估计

摘要：.jpg) .jpg) 阅读全文

posted @ 2019-03-28 10:29 wemo 阅读(272) 评论(0) 推荐(0)

《deep sort》复现过程

摘要：[toc] 1. 准备代码与数据 "deep_sort开源代码" 克隆到本地服务器 git clone https://github.com/nwojke/deep_sort.git 下载MOT16数据集（MOT:Multi Object Tracking, 16的意思是相比MOT15多了更多的细节阅读全文

posted @ 2019-03-26 15:29 wemo 阅读(11687) 评论(3) 推荐(1)

基于鸢尾花数据的PCA降维处理

摘要：![](https://raw.githubusercontent.com/wemozj/image/master/20190321231023.png) ![](https://raw.githubusercontent.com/wemozj/image/master/20190321231113.png) ![](https://raw.githubusercontent.com/wemo... 阅读全文

posted @ 2019-03-21 23:15 wemo 阅读(708) 评论(0) 推荐(0)

第四章 PCA降维

摘要：[toc] 1. PCA降维 PCA:主成分分析（Principe conponents Analysis） 2. 维度的概念一般认为时间的一维，而空间的维度，众说纷纭。霍金认为空间是10维的。 3. 为什么要进行降维？维度灾难：当维度超过一定值的时候，分类器效果呈现明显下降。 PCA旨在找到阅读全文

posted @ 2019-03-21 22:40 wemo 阅读(377) 评论(0) 推荐(0)

基于python的OpenCV图像1

摘要：[toc] 1. 读入图片并显示 2. RGB通道分离基于numpy数组的方法注意：OpenCV读取的顺序是BGR。基于OpenCV的RGB通道分离 3. RGB通道分离 4. 单像素处理 5. 遍历图像图片的蓝色分量显示 5. 给图片添加椒盐噪声注：np.random.random() 阅读全文

posted @ 2019-03-20 21:56 wemo 阅读(371) 评论(0) 推荐(0)

手推SVM

摘要：推不动了，改日再更！阅读全文

posted @ 2019-03-13 19:34 wemo 阅读(894) 评论(0) 推荐(0)

第二章模型评估

摘要：[toc] 1. 评价指标的局限性准确率（Accuracy）精确率（Precision）召回率（Recall）均方根误差（Root Mean Square Error, RMSE） 1.1 准确率准确率：指分类正确的样本占总样本个数的比例准确度的问题：当不同类别的样本比例非常不均衡时阅读全文

posted @ 2019-03-11 23:22 wemo 阅读(908) 评论(2) 推荐(0)

机器学习-特征工程

摘要：1. 特征归一化为了消除数据特征之间的量纲影响，我们需要对特征进行归一化处理，使得不同指标之间具有可比性。对数值类型的特征做归一化可以将所有的特征都统一到一个大致相同的数值区间内。最常用的方法主要有以下两种。备注：有道云笔记支持的是KATEX语法 1.1 线性函数归一化（Min Max Sc 阅读全文

posted @ 2019-03-11 09:10 wemo 阅读(832) 评论(0) 推荐(0)

wemo

随笔分类 - 机器学习

公告