在这篇博文中，我们将探讨计算机视觉（CV）与机器学习领域中遇到的关键问题，尤其是如何通过结构化的方法来解决这些问题。CV作为一项快速发展的技术，结合机器学习，可以为许多行业带来颠覆性的创新。然而，在实际应用中，我们必须面对若干技术痛点。
### 背景定位
在众多用户需求中，不少用户希望能够自动检测和识别图像中的对象，以提高工作效率。然而，这个需求在实现时，往往会遭遇诸如数据标记、模型训练效率低下
引言在机器视觉中，有时需要对产品进行检测和计数。其难点无非是对于产品的图像分割。由于之前网购的维生素片，有时候忘了今天有没有吃过，就想对瓶子里的药片计数...在学习opencv以后，希望实现对于维生素片分割计数算法。本次实战在基于形态学的基础上又衍生出基于距离变换的分水岭算法，使其实现的效果更具普遍性。基于形态学的维生素片检测和计数?整体思路：读取图片形态学处理（在二值化前进行适度形态学处理，效果
转载
2023-06-30 22:29:18
144阅读
# 机器学习中的计算机视觉（CV）
计算机视觉（Computer Vision, CV）是机器学习的一个重要应用领域，旨在使计算机能够“看”和理解图像和视觉信息。随着深度学习的发展，计算机视觉技术得到了广泛应用，包括人脸识别、物体检测、图像分割等。本文将通过代码示例展示如何使用Python中的OpenCV库和TensorFlow进行基本的图像处理，并使用可视化图表来帮助理解。
## 安装依赖
自然语言处理是对一维信号（词序列）做操作，计算机视觉是对二维（图像）或三维（视频流）信号做操作。不同：自然语言处理的输入数据通常是离散取值（例如表示一个单词或字母通常表示为词典中的one hot向量），计算机视觉则是连续取值（比如归一化到0，1之间的灰度值）。 为什么CNN用在CV上更得心应手，却不一定适合NLP？要看清这点就要理解CNN的原理。CNN有两个主要特点，区域不变性(loca
转载
2023-11-06 18:22:54
123阅读
# Stacking机器学习交叉验证的实现指南
在机器学习中，提升模型的准确性和稳健性是一个重要的目标。Stacking（堆叠集成）是一种有效的集成学习方法，通过结合多个模型的预测结果来提高性能。在本文中，我们将详细介绍如何在Python中实施Stacking机器学习与交叉验证的过程。
## 流程概述
下面的表格展示了实施Stacking机器学习与交叉验证的整体步骤：
| 步骤 | 描述
原创
2024-08-24 05:15:47
58阅读
# 机器学习在自然语言处理和计算机视觉中的应用
机器学习（Machine Learning）是人工智能领域的重要分支，它通过训练算法来使计算机能够从数据中学习和改善性能，而不需要明确地进行编程。机器学习在自然语言处理（Natural Language Processing，NLP）和计算机视觉（Computer Vision，CV）等领域有着广泛的应用。本文将介绍机器学习在NLP和CV领域的基本
原创
2023-07-31 23:54:13
188阅读
产生背景CVaR即条件风险价值，是由RockafeUar和Uryasev等于1997年提出的一种较VaR更优的风险计量技术，其含义为在投资组合的损失超过某个给定VaR值的条件下，该投资组合的平均损失值。 CVaR(条件风险价值)是在VaR(风险价值)的基础上发展出来的一种投资风险计量方法。VaR作为风险计量方法不仅具有概念简单、易于沟通和理解的优点，而且为不同金融工具构成的复杂的投资组合提供了一个
转载
2023-07-21 21:25:13
118阅读
# 机器学习CV有哪些领域
## 简介
机器学习在计算机视觉（Computer Vision，CV）领域有广泛的应用。CV是一门研究如何使机器“看”的学科，它致力于开发能够感知和理解图像或视频的算法和系统。在本文中，我们将介绍机器学习在CV领域中的应用，以及实现这些应用的一般步骤和相应的代码示例。
## 机器学习CV应用流程
下面是实现机器学习CV应用的一般步骤：
| 步骤 | 描述 |
原创
2023-07-23 08:05:47
914阅读
推荐系统1年工作感想。意识流，想到什么写什么。由于机缘巧合从机器视觉转推荐算法已经满打满算一年了，从21年开始做的推荐系统，也1年没写过博客记录学习进程了，可以发现之前做CV的时候比做推荐还是要闲一些的，还有空看看一些论文，但也侧面体验出几个方面：做CV的论文是真的多，尤其是前几年各种牛逼的论文层出不穷；cv是追求精度，需要模型网络上的技巧；推荐系统是个工程和业务问题，更侧重于业务导向，并且上一个
转载
2023-11-29 08:28:30
55阅读
【论文速递】CVPR 2020 - CLIP-Event：用事件结构连接文本和图像【论文原文】：Li, Manling and Xu, Ruochen and Wang, Shuohang and Zhou, Luowei and Lin, Xudong and Zhu, Chenguang and Zeng, Michael and Ji, Heng and Chang, Shih-Fu【作者信
转载
2024-01-30 08:53:08
53阅读
http://www.opencv.org.cn/opencvdoc/2.3.2/html/doc/tutorials/ml/introduction_to_svm/introduction_to_svm.html#introductiontosvmshttp://www.cnblogs.com/m...
原创
2022-01-12 17:16:12
94阅读
前段时间上映的日剧《轮到你了》在网络掀起了不少热议，高起低落、烂尾嫌疑令人感到一丝遗憾，但也难以掩盖其剧情的精彩。这部片子融合了很多“接地气”的现代元素，“垃圾分类”、“人工智能”、“偷渡非法居民”等，反映了很多社会热点话题。 其中，最让小芯感兴趣的便是男二为男主做的“AI菜奈”——一个人工智能“聊天机器人”。它的“机智程度”不亚于真人，甚至有网友评论最终破案的其实是“AI菜奈”APP。
转载
2023-12-23 20:06:52
53阅读
本篇博客主要参考了2017年的在ICLR会议上发表的论文《BI-DIRECTIONAL ATTENTION FLOW FOR MACHINE COMPREHENSION》。所谓机器阅读理解任务，指的就是给一段context描述，然后对应的给一个query，然后机器通过阅读context后，给出对应query的答案。这里做了一个假设，就是query的答案必须是能够在context原文中找到的一段话（
转载
2024-09-20 20:09:28
45阅读
Python Spark 机器学习（一）主要是MLlib包(基于RDD)和ml包(基于DataFrame)的使用Python Spark MLlib 决策树二元分类通过Kaggle上一个题目来实践： StumbleUpon Evergreen Classification Challenge该题目内容是判断一个网页内容是暂时性的(ephemeral)还是长青的(evergreen)，具体内容可以在
转载
2024-07-10 15:23:03
46阅读
果然不出我所料，直接pip就出了很多奇奇怪怪的错误，还是用清华镜像吧输入：pip install open
原创
2022-06-15 10:25:46
1020阅读
# 机器学习和机器视觉
## 介绍
机器学习和机器视觉是人工智能领域中非常重要的两个子领域。机器学习是让计算机系统通过学习数据和模式来改进性能，而机器视觉则是让计算机系统能够理解和解释图像或视频数据。结合机器学习和机器视觉可以实现许多有趣和实用的应用，比如人脸识别、自动驾驶等。
在本文中，我们将介绍机器学习和机器视觉的基本概念，并通过一个简单的代码示例来说明它们的应用。
## 机器学习
原创
2024-06-28 05:42:37
120阅读
图像分类是计算机视觉的核心任务。本文讲解数据驱动的模型算法，包括最邻近算法、KNN分类器、线性分类器的原理、各自的优缺点和实际应用【对应 CS231n Lecture 2】
原创
2022-05-27 11:58:35
8080阅读
01 信号卷积一、作业简介 卷积运算是信号与系统分析中的重要运算。 卷积运算包括有连续时间信号的卷积和离散序列的卷积和。 卷积中积分的上下限需要根据参与卷积运算信号的起始和结束时间进行确定， 根据信号波形很容易确定卷积中积分中的上下限。 在第四次作业中第一题，则是要求直接根据公式计算信号的卷积， 这种方式适合于简单不分段无限长的信号计算相应的卷积， 通过这个作业练习也帮助我们掌
自然语言处理（Natural Language Processing，简称NLP）和机器学习（Machine Learning）是当前人工智能领域中非常热门的两个方向。NLP是指让计算机能够理解和处理人类自然语言的能力，而机器学习是指通过训练模型使计算机能够自主学习和进行预测的能力。本文将介绍NLP和机器学习的基本概念，并给出相应的代码示例。
## 什么是自然语言处理（NLP）？
自然语言处理
原创
2024-01-01 04:45:26
225阅读
## 如何实现GWAS和机器学习
作为一名经验丰富的开发者，你需要教导刚入行的小白如何实现GWAS和机器学习。这里我将为你详细解释整个流程，并提供每个步骤所需的代码和解释。
### 流程图
```mermaid
flowchart TD
A[收集数据] --> B[数据清洗]
B --> C[数据预处理]
C --> D[特征选择]
D --> E[模型训练]
原创
2024-07-14 07:40:57
126阅读
