主要内容（下划线部分）：接上篇博文：干货|掌握机器学习数学基础之优化[1]（重点知识）1、计算复杂性与NP问题2、上溢和下溢3、导数，偏导数及两个特殊矩阵4、函数导数为零的二三事5、方向导数和梯度6、梯度有什么用7、梯度下降法8、牛顿法1方向导数和梯度：方向导数:在之前讲偏导数的时候，相信很多人已经看出，偏导数求的都是沿着坐标轴的变化率，不管多少维也好，都只是求的变化率，那现在问题来了，如果我想求
分类：
其他好文 时间：
2020-11-30 15:14:34
阅读次数：
5
1.腐蚀操作 import cv2 #opencv读取的格式是BGR import numpy as np import matplotlib.pyplot as plt#Matplotlib是RGB img = cv2.imread('dige.png') cv2.imshow('img', im ...
分类：
其他好文 时间：
2020-11-20 12:19:31
阅读次数：
23
如下图： 提取后： 这里可以加载网络摄像头对视频图像进行逐帧处理动态检测，在图书馆，我手机上模拟的网络摄像头和电脑不在同一热点，这里就直接拍了张照片进行测试。 ①原图片太大了，对图像缩小一点 img=cv2.imread("C:/Users/31132/Desktop/mtest.jpg") pri ...
分类：
其他好文 时间：
2020-11-16 13:42:44
阅读次数：
8
深度学习测试题（1）答案和解析1.损失函数的定义预测值与真实值之间的差距。选A。题中给出的是一个sigmoid函数极限的是在（0,1），这里问的是它的导数S‘(x)=S(x)(1-S(x))，所以应该是0。选B。根据复合函数求二阶导数，容易得出答案1/4。选A。首先被计算的是激活函数的梯度，选C。我们回顾下之前介绍的VGG网络结构，VGG中根据卷积核大小和数目的不同，可以分为A、A-LRN
分类：
其他好文 时间：
2020-11-16 13:28:27
阅读次数：
7
系统简介车牌识别这个系统，虽然传统，古老，却是包含了所有这四个特侦的一个大数据技术的缩影.在车牌识别中，你需要处理的数据是图像中海量的像素单元；你处理的数据不再是传统的结构化数据，而是图像这种复杂的数据；如果不能在很短的时间内识别出车牌，那么系统就缺少意义；虽然一副图像中有很多的信息，但可能仅仅只有那一小块的信息（车牌）以及车身的颜色是你关心，而且这些信息都蕴含着巨大的价值。也就是说，车牌识别系统
分类：
其他好文 时间：
2020-11-13 12:27:53
阅读次数：
4
系统简介 车牌识别这个系统，虽然传统，古老，却是包含了所有这四个特侦的一个大数据技术的缩影. 在车牌识别中，你需要处理的数据是图像中海量的像素单元；你处理的数据不再是传统的结构化数据，而是图像这种复杂的数据；如果不能在很短的时间内识别出车牌，那么系统就缺少意义；虽然一副图像中有很多的信息，但可能仅仅 ...
分类：
其他好文 时间：
2020-11-13 12:10:58
阅读次数：
7
简介 这是一个基于spring boot + maven + opencv 实现的图像识别及训练的项目 包含车牌识别、人脸识别等功能，贯穿样本处理、模型训练、图像处理、对象检测、对象识别等技术点 java语言的深度学习项目，在整个开源社区来说都相对较少； 拥有完整的训练过程、检测、识别过程的开源项目 ...
分类：
编程语言 时间：
2020-11-08 17:52:44
阅读次数：
26
# coding=utf-8 import shutil import cv2 import os video_path = './test.mp4' image_path = './image' extract_frame = 20 def extract_frames(video_path, i ...
分类：
其他好文 时间：
2020-11-06 01:42:54
阅读次数：
19
### 图像梯度 laplacian算子 img = cv2.imread('0.jpg',cv2.IMREAD_GRAYSCALE )sobelx = cv2.Sobel(img, cv2.CV_64F, 1, 0, ksize=3) # x方向sobelx = cv2.convertScaleA ...
分类：
其他好文 时间：
2020-11-02 10:21:19
阅读次数：
21
1. 大量文本框丢失： ####原因一：opencv 轮廓近似： epsilon值设置偏大，导致不足四个点，进而导致后续必要的处理将其滤掉（此工程后续处理必须大于四个点才能正常进行） ####原因二：short_side过滤： 最短边小于设置的阈值，将会当做干扰滤掉 #2.部分模糊文本框丢失： ## ...
分类：
数据库 时间：
2020-11-01 20:41:32
阅读次数：
24
