- NI Vision Assistant中文入门教程,原帖地址(http://www.gsdzone.net/index.php/Home/Index/Index/index/cat_id/2841771288/t/3/id/805),现转为高清PDF版。5 5316浏览会员免费
- 介绍腾讯深度学习平台Mariana的最新进展及其成功应用。Mariana针对腾讯多种应用,打造了三套框架:DNN深度神经网络的多GPU数据并行框架、CNN深度卷积神经网络的多GPU并行框架和Cluster深度神经网络的CPU集群框架。Mariana在微信语音识别、微信图像识别均已成功落地应用,目前正在开展图文类效果广告点击率提升的创新工作。5 398浏览会员免费
- 深度学习解决(Kaggle)猫/狗分类问题 by Roelof Pieters。4 1097浏览会员免费
- Deep Image: Scaling up Image Recognition,百度深度学习研究院(InstituteofDeepLearning,IDL)杰出科学家吴韧在GTC15上的报告,介绍基于深度学习的大规模图像识别。3 182浏览会员免费
- 几种基于模板匹配法的数字图像识别算法分析.pdf,详细分析了几种基于模板匹配算法的数字图像识别。4 1131浏览会员免费
- OpenMv教程由入门到精通0 4625浏览会员免费
- 0 环境 Python版本:3.6.8 系统版本:macOS Mojave Python Jupyter Notebook 1 引言 七月了,大家最近一定被一项新的政策给折磨的焦头烂额,那就是垃圾分类。《上海市生活垃圾管理条例》已经正式实施了,相信还是有很多的小伙伴和我一样,还没有完全搞清楚哪些应该扔在哪个类别里。感觉每天都在学习一遍垃圾分类,真令人头大。 听说一杯没有喝完的珍珠奶茶应该这么扔 首先,没喝完的奶茶水要倒在水池里 珍珠,水果肉等残渣放进湿垃圾 把杯子要丢入干垃圾 接下来是盖子,如果是带盖子带热饮(比如大部分的热饮),塑料盖是可以归到可回收垃圾的嗷 看到这里,0 9739浏览会员免费
- 前面4篇博客介绍了OpenCV图像处理的基础知识,本篇博客利用前4篇的知识完成一个小项目——车牌号码识别。该篇博客的代码可以满足小区门禁车牌号的识别。本篇博客是前4篇博客知识的一个综合运用。感觉学会了这个可以实现一系列的图像识别任务。。。毕竟好多技巧都是共通的 首先要感谢 大佬的博客 ,在它的基础上完成了自己的识别任务。 简洁易懂的车牌号识别Python实现“超详解”(含代码)1、整体思路2、代码详解2.1提取车牌位置2.2车牌字符的分割2.3模板匹配识别字符3、总结4、参考 1、整体思路 首先附上本次识别的图片:(图片是我在百度上找的) 基于OpenCV车牌号识别总体分为四个步骤: (1)0 4357浏览会员免费
- 二值图像目标邻域点法边界跟踪算法 分析了二值图像识别中常用的轮廓跟踪算法,并指出其缺点。在提出目标邻域点概念的基础上,提供一种对二值图像中的对象物轮廓的智能跟踪法,并给出了具体算法步骤。4 287浏览会员免费
- 提出一种去除文字图像中干扰线的通用算法.通过将图像转换为便于操作的基本图形及高级图形,去除了图像的冗余同时获得了图像的几何信息,然后将对干扰线的检测看作对图像主曲线的检测,并将检测环节作为去除干扰线的关键步骤.检测过程中采用改进的最短路径算法和方向偏移算法,最后将检测到的干扰线与原图分离.大量的实验结果证明,该算法对文字图像中干扰线的检测和去除高效实用.4 904浏览会员免费
- 图像特征提取是图像识别的关键步骤,图像特征提取的效果如何直接决定着图像识别的效果. 如何从原始图像中提取具有较强表示能力的图像特征是智能图像处理的一个研究热点. 本文旨在介绍各种 图像特征提取方法的基本思想、特点和研究发展现状,5 228浏览会员免费
- <br>作者:[日]白井良明<br><br>译者:王棣棠<br><br><br>【内容简介】<br>本书是“21世纪工程技术新型教程系列”之一。书中比较系统地介绍了机器人学的相关技术。主要论述机械手的运动与控制、机器人的感觉、机器人的移动和机构控制、图像识别、环境识别等机器人的通用基础技术,最后介绍了机器人的智能化问题。<br>本书内容既有广度又有深度,对必须掌握的基础技术,用最低限度的数学公式,举出具体例子加以说明,书中给出练习题,并附有简略题解,便于自学。<br>本书可供从事机器人研究和应用的工程技术人员学习,也可作为高等院核有关专业的教学参考书。<br><br>http://www.china-pub.com/623235<br><br>5 167浏览会员免费
- cameralink 接口内容以及应用的详细介绍,能让从事图像识别,模式识别人工智能的硬件工程师和软件工程师了解cameralink底层接口的方法3 3691浏览会员免费
- 如题 利用halcon软件可以实现图像检测识别,与opencv类似,但优点各异5 139浏览会员免费
- 一本最新的统计模式识别的教科书,给学习的同学参考。5 94浏览会员免费
- 图像识别,验证码图像识别,验证码图像识别,验证码图像识别,验证码图像识别,验证码图像识别,验证码图像识别,验证码图像识别,验证码图像识别,验证码图像识别,验证码图像识别,验证码图像识别,验证码4 508浏览会员免费
- 图像识别技术,halcon快速开发,函数速查。0 1519浏览会员免费
- [摘 要] 图像识别技术越来越多地渗透到我们的日常生活中。本文着重从三个方面展开对图像识别技术定义、图像 的数字化表示、数字图像处理的数学基础等要素进行一些分析。 [关键词] 图像识别 数字图像处理 数学基础4 115浏览会员免费
- 精通Matlab数字图像处理与识别 (张铮等) 扫描版pdf 不解释5 0浏览会员免费
- 深度学习(DL, Deep Learning)是机器学习(ML, Machine Learning)领域中一个新的研究方向,它被引入机器学习使其更接近于最初的目标——人工智能(AI, Artificial Intelligence)。 深度学习的最终目标是让机器能够像人一样具有分析学习能力,能够识别文字、图像和声音等数据。 深度学习是一个复杂的机器学习算法,在语音和图像识别方面取得的效果,远远超过先前相关技术。0 801浏览会员免费
- 形状 匹 配 是计算机视觉和模式识别的一个基本间题,它被应用到很多领域,如目标识 别、基于内容的图像检索、文字识别、医疗诊断等.在过去的几十年中,人们研究和开发了很 多形状匹配算法,每种算法各有其优点和缺陷,将这些方法总结和归类就变得十分重要了 本文介绍了形状匹配的基本概念和一些有代表性的形状匹配方法3 90浏览会员免费
- 基于支持向量机的图像识别4 503浏览会员免费
- 主要为大家详细介绍了python实现识别手写数字,python图像识别算法,具有一定的参考价值,感兴趣的小伙伴们可以参考一下0 5493浏览会员免费
- 针对图像特征提取与匹配的适应性和准确性的问题,将尺度不变特征变换 (SIFT,Scale Invariant Feature Transform)算法应用到图像匹配领域.首先从原理上对SIFT算 法的特性进行了分析,并以visual studio 2005为开发平台对SIFT算法分步骤进行了实现;最后 以基于欧氏距离的最近邻准则作为特征的相似度量将SIFT算法提取的特征应用于图像特征 匹配,并对不同的近邻比进行比较,给出了建议值.通过3组实验图像的匹配结果表明,SIFT 算法提取的特征对图像缩放、旋转、亮度变化的匹配正确率都等于或接近100% ,证明了SIFT 算法提取的特征点有很好的适应性和准确性,可以进一步应用到图像识别以及图像重建等领 域.4 257浏览会员免费
- 汽车牌照识别是图像识别领域的重要研究课题,这里运用MATLAB研究车牌识别技术中的图像预处理、车牌定 位、字符分割与字符识别等核心部分,并提出一种基于MATLAB的车牌识别系统的实现方法,综合使用多种方法提 高系统的有效识别能力。该方法解决了在自然背景的图像中定位分割牌照区域、车牌倾斜和提取分割的字符等问题。4 242浏览会员免费
- 文档介绍了 运用FPGA技术和图像处理技术,在目标跟踪系统中的应用!0 1012浏览会员免费
- dreuw关于surf-sift的算法原理、实现以及工作效率的详细分析。 pdf文件。设计较多方程,非专业请绕道。5 261浏览会员免费
- 本文介绍了目前常用的几种基于神经网络的图像识别方法,根据图像识别的 特点,提出了利用BP 网络、径向基函数两种神经网络图像识别模型,分别给出了两种模型的学习算法和具体应用技术。5 577浏览会员免费
- 简要介绍图像识别,并介绍了在单片机上的应用0 570浏览会员免费
- 基于OpenMV图像识别智能小车以三轮小车为载体,以STM32F765VI单片机为核心,结合了OV7725感光元件、L298N电机驱动模块,电机等外围设备,借助OpenMV IDE软件以及OpenMV库,采用图像识别所追踪的颜色阈值进行设置,采用PID算法实现小球追踪功能。经过实验测试,小车能够追踪特定色块的小球,且跟随速度较快。0 4333浏览会员免费
- 前言 python图像识别一般基础到的就是tesseract了,在爬虫中处理验证码广泛使用。 安装 安装教程网上大都差不多,Windows下确实比较麻烦,涉及到各种路径、环境变量甚至与linux不同的路径分隔符,所以这里的安装是基于Centos7。 1. 依赖安装 yum install -y automake autoconf libtool gcc gcc-c++ 2. 安装leptonica Leptonica主要用于图像处理和图像分析 原则上所有的库文件都是可以直接用yum安装的,如果想要具体的某个版本,可以前往官方源下载对应版本然后按照对应方式编译 wget http://ww0 7066浏览会员免费
- 这个电路使用Atmega32L驱动OV7670摄像头,采集的一帧图像存储在AL422B中,这样一来,慢速的单片机也可以处理图像了。4 291浏览会员免费
- 中国是传统的农业大国, 农业不仅是国民经济建设与发展的基础, 也是社会正常稳定有序运行的保障. 然而每年由于农作物病虫害造成的损失巨大, 且传统的农作物病虫害识别方法效果并不理想. 同时近年深度学习飞速发展, 在图像分类与识别的方面取得了巨大进展. 因此本文通过基于深度学习的方法构建农作物病虫害图像识别模型, 并针对样本不平衡问题改进卷积网络损失函数. 实验证明该模型可以对农作物病虫害进行有效识别并且对损失函数进行优化后模型的准确率也进一步得到了提升.5 3364浏览会员免费
- 本文档为IDL语言开发文档,IDL开发教程,学习图像处理算法,卫星航空遥感影像处理技术0 298浏览会员免费
- Fuzzy Cluster Analysis -Methods for Classification,Data Analysis and Image Recognition Frank Hoppner, Frank Klawonn, Rudolf Kruse,Thomas Runkler 著 目录 1 Basic Concepts 1.1 Analysis of data 1.2 Cluster analysis 1.3 Objective functilm-based cluster analysis 1.5 Special objective functions 1.6 A principal clustering algorithm 1. 7 Unknown number of clusters problem 2 Classical Fuzzy Clustering Algorithms 2.1 The fuzzy c-means algorithm 2.2 The Gustafson-Kessel algorithm 2.3 The Gath-Geva algorithm 2.4 Simplified versions of GK and GG 2.5 Computational effort 3 Linear and Ellipsoidal Prototypes 3.1 The fuzzy c-varieties algorithm 3.2 The adaptive fuzzy clustering algorithm 3.3 Algorithms by Gustafson/Kessel and Gath/ Geva 3.4 Computational effort 4 Shell Prototypes 4.1 The fuzzy c-shells algorithm 4.2 The fuzzy c-spherical shells algorithm 4.3 The adaptive fuzzy. c-shells algorithm 4.4 The fuzzy c-ellipsoidal shells algorithm 4.5 The fuzzy c-ellipses algorithm 4.6 The fuzzy c-quadric shells algorithm 4.7 The modified FCQS algorithm 4.8 Computational effort 5 Polygonal Object Boundaries 5.1 Detection of rectangles 5.2 The fuzzy c-rectangular shells algorithm 5.3 The fuzzy c-2-rectangular sl}ells algorithm 5.4 Computational effort 6 Cluster Estimation Models 6.1 AO membership functions 6.2 ACE membership functions 6.3 Hyperconic clustering (dancing cones) 6.4 Ptototype defuzzification. 6.5 ACE for higher-order prototypes 6.6 Acceleration of the Clustering Process 6.6.1 Fast Alternating Cluster Estimation (F.-\CE) 6.6.2 Regular Alternating Cluster Estimation (rACE) 6. 7 Comparison: AO and ACE 7 Cluster Validity 7.1 Global validity measures 7.1.1 Solid clustering validity measures 7.1.2 Shell clustering validity measures 7.2 Local validity measures 7.2.1 The compatible cluster merging algorithm 7.2.2 The unsupervised FCSS algorithm 7.2.3 The contour density criterion 7.2.4 The unsupervised (M)FCQS algorithm 7.3 Initialization by edge detection 8 Rule Generation with Clustering 8.1 From membership matrices to membership functions 8.1.1 Interpolation 8.1.2 Projection and cylindrical extension 8.1.3 Convex completion 8.1.4 Approximation 8.1.5 Cluster estimation with ACE 8.2 Rules for fuzzy classifiers 8.2.1 Input space clustering 8.2.2 Cluster projection 8.2.3 Input output product space clustering 8.3 Rules for function approximation 8.3.1 Input ouput product space clustering 8.3.2 Input space clustering 8.3.3 Output space clustering 8.4 Choice of the clustering domain Appendix A.1 Notation A.2 Influence of scaling on the cluster partition A.3 Overview on FCQS cluster shapes A.4 Transformation to straight lines References Index5 328浏览会员免费
- 用于相机内参标定的棋盘格文件,张正友棋盘格。 A4大小,pdf格式,可直接打印使用 --size 8x6 --square 0.024m0 1078浏览会员免费
- 椭圆检测在图像识别与计算机视觉领域中一直占有重要的位置 ,而边缘检测是图像特征提取(包括椭圆检测)的首要条件.介绍了常用的几种边缘检测算法(如 Sobel 算子、 Canny 算子、zernike 矩算子等) ,分析了这些算法的异同与优劣;讨论了几种基于 Hough 变换及其改进方法的 椭圆检测算法(包括利用椭圆极点与极弦性质的提取算法、 利用三点确定椭圆的提取算法、 利用椭 圆几何对称性算法等) .比较这些算法并选取几种分别应用于真实图像 ,并列出检测结果.最后 ,提 出存在的问题和进一步研究的切入点.4 220浏览会员免费
- 基于MATLAB GUI的零件图像识别等内容。很有用4 548浏览会员免费
- 基于CCD图像识别的HCS12单片机智能车控制系统 光电管架构和摄像头架构的智能车在硬件方面只是在电源管理模块和路径识别模块略有差别,因此可以简单的把上图作为整个智能车系统的描述。在整个智能车系统中包含着自动控制、模式识别、传感器技术、信号处理、控制算法等学科知识,而其中直流电机和舵机的控制算法对智能车自主行驶的高速性、稳定性和流畅性起着重要作用。0 233浏览会员免费
- 随着大数据时代的到来,含更多隐含层的深度卷积神经网络(Convolutional neural networks,CNNs)具有更复杂的网络结构,与传统机器学习方法相比具有更强大的特征学习和特征表达能力。使用深度学习算法训练的卷积神经网络模型自提出以来在计算机视觉领域的多个大规模识别任务上取得了令人瞩目的成绩。本文首先简要介绍深度学习和卷积神经网络的兴起与发展,概述卷积神经网络的基本模型结构、卷积特征提取和池化操作。然后综述了基于深度学习的卷积神经网络模型在图像分类、物体检测、姿态估计、图像分割和人脸识别等多个计算机视觉应用领域中的研究现状和发展趋势,主要从典型的网络结构的构建、训练方法和性能表现3个方面进行介绍。最后对目前研究中存在的一些问题进行简要的总结和讨论,并展望未来发展的新方向。0 1696浏览会员免费
- 本文实例为大家分享了python实现图像识别的具体代码,供大家参考,具体内容如下 #! /usr/bin/env python from PIL import Image import pytesseract \nurl='img/denggao.jpeg' image=Image.open(url) #image=image.convert('RGB') # RGB image=image.convert('L') # 灰度 image.load() text=pytesseract.image_to_string(image) print text #image.show() r''0 3629浏览会员免费
- 【丁丁历险记】Arduino配置esp8266/esp32开发环境 【丁丁历险记】ESP8266配置microPython 【丁丁历险记】ESP8266花式连接wifi 【丁丁历险记】ESP8266/ESP32做微信遥控语音识别 【丁丁历险记】ESP8266/ESP32发送数据到微信 【丁丁历险记】Arduino IDE编译ESP8266/ESP32代码加密 【丁丁历险记】ESP32-CAM做图像识别 本节教大家快速开发ESP32-CAM做图像传输以及图像识别。 一、ESP32-CAM图像识别 很多小屌丝应该说是小朋友总是觉得图像识别又贵又难开发。要有有效的计算单元和一个清晰的镜1 3982浏览会员免费
- 汽车驾驶员疲劳驾驶是引发交通事故的重要原因之一,许多国家在进行疲劳报警器的研究。在介绍和比较多种驾驶疲劳测评方法的基础上,阐述几种方法进行对比。设计一套驾驶员疲劳监控系统,应用图像差分的方法,灰度直 方图、直方图均衡化等图像分析手段,定位和识别驾驶员眼睛睁开与闭合的变化过程,统计出眼睛闭合时间来确定疲劳程度,并通过利用MATLAB得以实现。0 211浏览会员免费
- 基于DCT的人脸特征提取,是图像识别的一个应用很普遍的技术4 111浏览会员免费
- 计算机视觉:一种现代方法(中文版) 非常值得下载3 290浏览会员免费
- 单目摄像头通过计算机视觉与人工智能算法对摄像头获取的信息进行分析,获取有用 的信息并做出相应的判断。Mobileye 即是单目摄像头解决方案的领先者。目前。单目摄像 头解决方案已经相对成熟,且成本低廉,广泛搭载于各类汽车上,用于对路况的判断。但 同时,单目摄像头也存在一定的劣势。由于单个摄像头无法获取景深,在测量车辆与障碍 物之间的距时需要根据算法在图像识别匹配目标物体之后,通过其在图像中的大小去估算 目标距离。这一方式对算法水平要求极高,同时需要大量的数据训练保证准确率。同时, 由于车载单目摄像头很难频繁变焦,导致了视觉系统难以采集不同焦距下的环境图像。因 此,Mobileye、特斯拉等厂商5 761浏览会员免费
- surf算法是图像识别,该算法能够 抵抗平移、缩放、旋转等变形5 577浏览会员免费
- 【简介】分数维微积分是近来被用于图像识别领域的数学分支。这篇文章对分数维微积分的概念做了介绍。网上关于分数维微积分的资料很少。 【语言】英文0 86浏览会员免费
- 主要介绍了python用TensorFlow做图像识别的实现,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧2 2873浏览会员免费
- OV5640摄像头调试简单步骤0 1273浏览会员免费
- PyQt5自学记录(1)——PyQt5中多线程实现详解 最近想用PyQt5完成图像识别的一个GUI系统,在调用算法模型进行识别的时候,界面会卡住没有反应,所以想学习一下多线程解决这个问题。然后。。。发现没有基础学习来确实挺难,幸运地是最终实现了多线程,记录一下学习过程。如有错误,希望指正,一起进步。 进程和线程 线程是一个轻负荷的子进程,是最小的处理单元。线程被包含在进程之中,是进程中的实际运作单位。一个进程可以并发多个线程,每条线程同时执行不同的任务,并且,线程是独立的,一个线程发生错误,不影响其他线程正常执行。 进程是指正在运行中的应用程序。每个进程都有自己独立的内存空间,当用户启动一个进0 2565浏览会员免费
- 第 1 章 软件包的安装和介绍....................1 1.1 Python 简介......................................1 1.2 安装软件包......................................2 1.2.1 Python(x,y)..................................... 2 1.2.2 Enthought Python Distribution (EPD)............................................. 3 1.3 方便的开发工具..............................3 1.3.1 IPython........................................... 4 1.3.2 Spyder............................................ 8 1.3.3 Wing IDE 101..............................12 1.4 函数库介绍....................................13 1.4.1 数值计算库.................................13 1.4.2 符号计算库.................................14 1.4.3 界面设计.....................................14 1.4.4 绘图与可视化 .............................14 1.4.5 图像处理和计算机视觉..............15 第 2 章 NumPy——快速处理数据.......... 16 2.1 ndarray 对象...................................16 2.1.1 创建数组.....................................16 2.1.2 存取元素.....................................21 2.1.3 多维数组.....................................24 2.1.4 结构数组.....................................29 2.1.5 内存结构.....................................32 2.2 ufunc 运算......................................35 2.2.1 四则运算.....................................37 2.2.2 比较和布尔运算 .........................39 2.2.3 自定义 ufunc 函数 ......................40 2.2.4 广播.............................................42 2.2.5 ufunc 函数的方法.......................46 2.3 多维数组的下标存取....................48 2.3.1 下标对象.....................................48 2.3.2 整数数组作为下标.....................49 2.3.3 一个复杂的例子.........................51 2.3.4 布尔数组作为下标.....................53 2.4 庞大的函数库 ............................... 54 2.4.1 求和、平均值、方差.................54 2.4.2 最值和排序.................................55 2.4.3 多项式函数.................................57 2.4.4 分段函数.....................................60 2.4.5 统计函数.....................................62 2.5 线性代数 ....................................... 65 2.5.1 各种乘积运算.............................65 2.5.2 解线性方程组.............................67 2.6 掩码数组 ....................................... 69 2.7 文件存取 ....................................... 72 2.8 内存映射数组 ............................... 75 第 3 章 SciPy——数值计算库.................79 3.1 常数和特殊函数 ........................... 79 3.2 优化——optimize .......................... 81 3.2.1 最小二乘拟合.............................81 3.2.2 函数最小值.................................84 3.2.3 非线性方程组求解.....................86 3.3 插值——interpolate ....................... 88 3.3.1 B 样条曲线插值..........................88 3.3.2 外推和 Spline 拟合.....................90 3.3.3 二维插值.....................................91 3.4 数值积分——integrate .................. 93 3.4.1 球的体积.....................................93 3.4.2 解常微分方程组.........................95 3.5 信号处理——signal....................... 97 欢迎加入非盈利Python学习交流编程QQ群783462347,群里免费提供500+本Python书籍! VIII Python 科学计算 目 录 3.5.1 中值滤波.....................................97 3.5.2 滤波器设计.................................98 3.6 图像处理——ndimage .................100 3.6.1 膨胀和腐蚀...............................101 3.6.2 Hit 和 Miss.................................102 3.7 统计——stats................................105 3.7.1 连续和离散概率分布................105 3.7.2 二项、泊松、伽玛分布............108 3.8 嵌入 C 语言程序——weave ........112 第 4 章 SymPy——符号运算好帮手 .... 115 4.1 从例子开始..................................115 4.1.1 封面上的经典公式....................115 4.1.2 球体体积...................................117 4.2 数学表达式..................................119 4.2.1 符号...........................................119 4.2.2 数值...........................................121 4.2.3 运算符和函数 ...........................122 4.3 符号运算......................................125 4.3.1 表达式变换和化简....................125 4.3.2 方程...........................................128 4.3.3 微分...........................................129 4.3.4 微分方程...................................130 4.3.5 积分...........................................131 4.4 其他功能......................................133 4.4.1 平面几何...................................133 4.4.2 绘图...........................................135 第 5 章 matplotlib——绘制精美 的图表..................................... 139 5.1 快速绘图......................................139 5.1.1 使用 pyplot 模块绘图...............139 5.1.2 以面向对象方式绘图................142 5.1.3 配置属性...................................143 5.1.4 绘制多个子图 ...........................145 5.1.5 配置文件...................................147 5.1.6 在图表中显示中文....................149 5.2 Artist 对象 ................................... 152 5.2.1 Artist 对象的属性.....................154 5.2.2 Figure 容器................................155 5.2.3 Axes 容器..................................156 5.2.4 Axis 容器...................................159 5.2.5 Artist 对象的关系.....................163 5.3 坐标变换和注释 ......................... 164 5.3.1 4 种坐标系................................167 5.3.2 坐标变换的步骤.......................169 5.3.3 制作阴影效果...........................173 5.3.4 添加注释...................................174 5.4 绘图函数简介 ............................. 177 5.4.1 对数坐标图...............................177 5.4.2 极坐标图...................................178 5.4.3 柱状图.......................................179 5.4.4 散列图.......................................180 5.4.5 图像...........................................181 5.4.6 等值线图...................................184 5.4.7 三维绘图...................................187 第 6 章 Traits——为 Python 添加类型 定义.........................................190 6.1 开发背景 ..................................... 190 6.2 Trait 属性的功能......................... 192 6.3 Trait 类型对象............................. 196 6.4 Trait 的元数据............................. 198 6.5 预定义的 Trait 类型.................... 200 6.6 Property 属性............................... 204 6.7 Trait 属性监听............................. 206 6.8 Event 和 Button 属性.................. 210 6.9 Trait 属性的从属关系................. 211 6.10 动态添加 Trait 属性.................. 213 6.11 创建自己的 Trait 类型.............. 215 6.11.1 从 TraitType 继承.................215 6.11.2 使用 Trait()............................217 6.11.3 定义 TraitHandler 类.............219 欢迎加入非盈利Python学习交流编程QQ群783462347,群里免费提供500+本Python书籍! IX 目 录 第 7 章 TraitsUI——轻松制作用户 界面......................................... 221 7.1 默认界面......................................221 7.2 用 View 定义界面........................222 7.2.1 外部视图和内部视图................222 7.2.2 多模型视图...............................226 7.2.3 Group 对象................................228 7.2.4 配置视图...................................231 7.3 用 Handler 控制界面和模型 .......232 7.3.1 用 Handler 处理事件.................233 7.3.2 Controller 和 UIInfo 对象..........237 7.3.3 响应 Trait 属性的事件..............238 7.4 属性编辑器..................................240 7.4.1 编辑器演示程序 .......................241 7.4.2 对象编辑器...............................243 7.4.3 字符串列表编辑器....................248 7.4.4 对象列表编辑器 .......................250 7.5 菜单、工具条和状态栏..............252 7.6 设计自己的编辑器......................255 7.6.1 Trait 编辑器的工作原理...........255 7.6.2 制作 matplotlib 的编辑器.........259 7.6.3 CSV 数据绘图工具...................262 第 8 章 Chaco——交互式图表............. 264 8.1 面向脚本绘图..............................264 8.2 面向应用绘图..............................265 8.2.1 多条曲线...................................267 8.2.2 Plot 对象的结构........................271 8.2.3 编辑绘图属性 ...........................275 8.2.4 容器(Container).........................276 8.3 添加交互工具..............................279 8.3.1 平移和缩放...............................279 8.3.2 选取范围...................................282 8.3.3 选取数据点...............................284 8.3.4 套索工具...................................287 8.4 二次开发......................................289 8.4.1 用 Kiva 库在数组上绘图..........290 8.4.2 Enable 库的组件.......................292 8.4.3 设计圆形选择工具...................297 8.4.4 制作动画演示...........................301 第 9 章 TVTK——数据的三维可视化....303 9.1 流水线(Pipeline).......................... 304 9.1.1 显示圆锥...................................304 9.1.2 用 ivtk 观察流水线...................307 9.2 数据集(Dataset)........................... 313 9.2.1 ImageData..................................313 9.2.2 RectilinearGrid...........................318 9.2.3 StructuredGrid............................319 9.2.4 PolyData ....................................321 9.3 可视化实例 ................................. 324 9.3.1 切面...........................................325 9.3.2 等值面.......................................330 9.3.3 流线...........................................333 9.4 TVTK 的改进.............................. 337 9.4.1 TVTK 的基本用法....................338 9.4.2 Trait 属性...................................339 9.4.3 序列化(Pickling)........................339 9.4.4 集合迭代...................................340 9.4.5 数组操作...................................341 第 10 章 Mayavi——更方便的可视化....343 10.1 用 mlab 快速绘图 ..................... 343 10.1.1 点和线...................................343 10.1.2 Mayavi 的流水线..................345 10.1.3 二维图像的可视化...............348 10.1.4 网格面...................................352 10.1.5 修改和控制流水线...............356 10.1.6 标量场...................................358 10.1.7 矢量场...................................361 10.2 Mayavi 和 TVTK 之间 的关系....................................... 363 10.2.1 显示 TVTK 流水线..............363 10.2.2 两条流水线之间的关系.......365 欢迎加入非盈利Python学习交流编程QQ群783462347,群里免费提供500+本Python书籍! X Python 科学计算 目 录 10.3 Mayavi 应用程序.......................367 10.3.1 操作流水线...........................368 10.3.2 命令行和对象浏览器...........371 10.4 将 Mayavi 嵌入到界面中..........374 第 11 章 VPython——制作 3D 演示 动画 ...................................... 378 11.1 场景、物体和照相机................378 11.1.1 控制场景窗口.......................380 11.1.2 控制照相机...........................383 11.1.3 模型的属性...........................384 11.1.4 三维模型...............................387 11.2 制作动画演示............................390 11.2.1 简单动画...............................390 11.2.2 盒子中反弹的球...................391 11.3 与场景交互................................393 11.3.1 响应键盘事件.......................394 11.3.2 响应鼠标事件.......................394 11.4 用界面控制场景........................397 11.5 创建复杂模型............................400 11.5.1 faces()的用法........................400 11.5.2 读入模型数据.......................402 第 12 章 OpenCV——图像处理和计算机 视觉 ...................................... 408 12.1 存储图像数据的 Mat 对象........409 12.1.1 Mat 对象和 NumPy 数组.....410 12.1.2 像素点类型...........................414 12.1.3 其他数据类型.......................415 12.1.4 Vector 类型...........................417 12.1.5 在图像上绘图.......................418 12.2 图像处理....................................421 12.2.1 二维卷积...............................421 12.2.2 形态学运算...........................424 12.2.3 填充——floodFill..................426 12.2.4 去瑕疵——inpaint.................427 12.3 图像变换....................................428 12.3.1 几何变换...............................428 12.3.2 重映射——remap..................430 12.3.3 直方图统计...........................433 12.3.4 二维离散傅立叶变换...........437 12.4 图像识别 ................................... 440 12.4.1 用霍夫变换检测直线 和圆.......................................440 12.4.2 图像分割...............................444 12.4.3 用 SURF 进行特征匹配.......450 第 13 章 数据和文件 ............................453 13.1 声音的输入输出 ....................... 453 13.1.1 读写 WAV 文件...................453 13.1.2 用 pyAudio 播放和录音.......456 13.2 视频的输入输出 ....................... 459 13.2.1 读写视频文件.......................459 13.2.2 安装视频编码.......................464 13.3 读写 HDF5 文件....................... 465 13.4 读写 Excel 文件 ........................ 469 13.4.1 写 Excel 文件........................469 13.4.2 读 Excel 文件........................471 第 14 章 数字信号系统.........................473 14.1 FIR 和 IIR 滤波器..................... 473 14.2 FIR 滤波器设计........................ 477 14.2.1 用 firwin()设计滤波器..........479 14.2.2 用 remez()设计滤波器..........481 14.2.3 滤波器的级联.......................483 14.3 IIR 滤波器设计......................... 485 14.3.1 巴特沃斯低通滤波器...........485 14.3.2 双线性变换...........................487 14.3.3 滤波器的频带转换...............490 14.4 数字滤波器的频率响应 ........... 494 14.5 二次均衡滤波器设计工具 ....... 497 14.6 零相位滤波器 ........................... 500 14.7 重取样 ....................................... 501 欢迎加入非盈利Python学习交流编程QQ群783462347,群里免费提供500+本Python书籍! XI 目 录 第 15 章 频域信号处理........................ 505 15.1 FFT 演示程序............................505 15.1.1 FFT 知识复习.......................505 15.1.2 合成时域信号.......................509 15.1.3 三角波 FFT 演示程序..........511 15.2 观察信号的频谱........................512 15.2.1 窗函数...................................515 15.2.2 频谱平均...............................517 15.2.3 谱图.......................................519 15.3 卷积运算....................................522 15.3.1 快速卷积...............................522 15.3.2 分段运算...............................524 15.4 信号处理....................................526 15.4.1 基本框架...............................527 15.4.2 频域滤波器...........................528 15.4.3 频率变调处理.......................530 15.4.4 用谱图差减法降噪...............531 15.5 Hilbert 变换................................532 第 16 章 用 C 语言提高计算效率......... 537 16.1 用 ctypes 调用 DLL 库..............537 16.2 用 Weave 嵌入 C++程序...........541 16.2.1 Weave 的工作原理...............541 16.2.2 处理 NumPy 数组.................543 16.2.3 使用 blitz()提速.....................546 16.2.4 扩展模块...............................548 16.3 用 Cython 将 Python 编译 成 C............................................549 16.3.1 编译 Cython 程序.................549 16.3.2 提高计算效率.......................550 16.3.3 快速访问 NumPy 数组.........553 16.4 用 SWIG 创建扩展模块............555 16.4.1 SWIG 的调用方法 和实例 ..................................555 16.4.2 SWIG 基础............................558 16.4.3 SWIG 处理 NumPy 数组......566 第 17 章 自适应滤波器.........................571 17.1 自适应滤波器简介 ................... 571 17.1.1 系统识别...............................571 17.1.2 信号预测...............................572 17.1.3 信号均衡...............................572 17.2 NLMS 计算公式....................... 573 17.3 用 NumPy 实现 NLMS 算法.... 575 17.3.1 系统辨识模拟.......................577 17.3.2 信号均衡模拟.......................579 17.3.3 卷积逆运算...........................581 17.4 用 C 语言加速 NLMS 运算...... 583 17.4.1 用 SWIG 编写扩展模块.......583 17.4.2 用 Weave 嵌入 C++程序......586 第 18 章 单摆和双摆模拟.....................588 18.1 单摆模拟 ................................... 588 18.1.1 小角度时的摆动周期...........589 18.1.2 大角度时的摆动周期...........590 18.2 双摆模拟 ................................... 592 18.2.1 公式推导...............................592 18.2.2 微分方程的数值解...............595 18.2.3 动画演示...............................598 第 19 章 分形几何................................599 19.1 Mandelbrot 集合........................ 599 19.1.1 使用 NumPy 加速计算.........601 19.1.2 使用 Weave 加速计算..........603 19.1.3 连续的逃逸时间...................604 19.1.4 Mandelbrot 演示程序 ...........605 19.2 迭代函数系统(IFS)................... 606 19.2.1 二维仿射变换.......................610 19.2.2 迭代函数系统设计器...........610 19.3 L-System 分形........................... 613 19.4 分形山脉 ................................... 616 19.4.1 一维中点移位法...................616 19.4.2 二维中点移位法...................618 19.4.3 菱形方形算法.......................6195 2633浏览会员免费
- 有关小波矩算法在图像识别中的应用研究生毕业论文3 96浏览会员免费
- 今天小编就为大家分享一篇使用pytorch完成kaggle猫狗图像识别方式,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧4 3806浏览¥ 9.90
- 我们做图象识别产品,在检查形状算法的时候找到一个算法,有比较好的鲁棒性!0 972浏览会员免费
- 图像特征提取对图像识别有着重要的意义,通过研究图像特征提取,对图像的识别有着重要的帮助。0 301浏览会员免费
- 一、TensorFlow简介 TensorFlow是由谷歌开发的一套机器学习的工具,使用方法很简单,只需要输入训练数据位置,设定参数和优化方法等,TensorFlow就可以将优化结果显示出来,节省了很大量的编程时间,TensorFlow的功能很多很强大,这边挑选了一个比较简单实现的方法,就是利用TensorFlow的逻辑回归算法对数据库中的手写数字做识别,让机器找出规律,然后再导入新的数字让机器识别。 二、流程介绍 上图是TensorFlow的流程,可以看到一开始要先将参数初始化,然后导入训练数据,计算偏差,然后修正参数,再导入新的训练数据,不断重复,当数据量越大,理论上参数就会越准确,不过0 2578浏览会员免费
- 一种用于图像识别的算法:不变矩理论。根据图像自身特点,可以识别经过旋转,平移,缩放的图像。0 74浏览会员免费
- 大作业,LabVIEW2016,可参照着自己来,也可以下载我的代码程序,这个文档主要是对我代码程序的讲解,方便理解,适合新手1 444浏览会员免费
- 本文为大家讲解了pytorch实现CNN卷积神经网络,供大家参考,具体内容如下 我对卷积神经网络的一些认识 卷积神经网络是时下最为流行的一种深度学习网络,由于其具有局部感受野等特性,让其与人眼识别图像具有相似性,因此被广泛应用于图像识别中,本人是研究机械故障诊断方面的,一般利用旋转机械的振动信号作为数据。 对一维信号,通常采取的方法有两种,第一,直接对其做一维卷积,第二,反映到时频图像上,这就变成了图像识别,此前一直都在利用keras搭建网络,最近学了pytroch搭建cnn的方法,进行一下代码的尝试。所用数据为经典的minist手写字体数据集 import torch im0 2567浏览会员免费