角点检测 原理： 特性：向任何方向移动变化都很大 Harris 角点检测 将窗口向各个方向移动（u，v）然后计算所有差异的总和，窗口函数可以是正常的矩形窗口也可以是对每一个像素给予不同权重的高斯窗口。 角点检测中要使E (u; v) 的值最大。这就是说必须使方程右侧的第二项的取值最大。 详情参
笔者在机器学习、神经网络、SVM、二分类等相关的文章中经常看见利用声呐（岩石/水雷）数据集。都是拿它来跑程序看看算法性能，但没探究过这里面的***特征究竟代表什么***，甚至有人说60个特征代表不同方向返回的声音强度（如果直接根据声音强度能识别出水雷就太好了呢
pointNet 无序性： 低维特征(\(N*3\))经过MLP层上升到高维，然后对高维采用最大池化 旋转不变性： 2个TNet, 学习一个旋转矩阵，对输入进行校正，对提取的特征也进行校正 pointNet++ pointNet没有局部的概论，要不对单个点，要不对所有点进行操作，为解决这一问题，PointNet++引入领域球进行区域划
机器学习 特征工程数据的特征提取字典特征提取--DictVectorizer类文本（英文）特征提取文本（中文）特征提取CountVectorizer法TfidfVectorizer法 数据的特征预处理1.归一化处理2.标准化处理3.缺失值处理（同pandas） 数据降维(1)特征选择(2)主成分分析 特征工程 数据的特征提取
1、SIFT简介 SIFT，即尺度不变特征变换（Scale-invariant feature transform，SIFT），是用于图像处理领域的一种描述。这种描述具有尺度不变性，它对物体的尺度变化，刚体变换，光照强度和遮挡都具有较好的稳定性。算法实现特征匹配主要有三个流程： 提取特征点：搜索高斯尺度空间对于尺
目录 *sklearn数据集*一、scikit-learn数据集API介绍二、sklearn大数据集三、sklearn返回值 *数据集划分api**特征值提取*一、字典特征提取二、文本特征提取三、Tf-idf文本特征提取（找关键词）API sklearn数据集 一、scikit-learn数据集API介绍 sklearn.datasets 加载获
特征工程：对原始数据进行数据分析，转变为特征的过程，这些特征可以更好的描述数据，并且利用他们建立模型在未知数据上表现性能可以达到最优（或接近最佳性能） 从数学角度来看，就是人工的设计输入变量X 通过数学优化等机器学习学习更深度的特征，在数学上进行约束和优化。 特征提取——认为的
PointPillars整体网络结构有三个部分构成，他们分别是PFN(Pillar Feature Net),Backbone(2D CNN)和Detection Head(SSD)。其中PFN是PointPillars中最重要也是最具创新性的部分。 在正式讨论PFN之前我们可以幻想一下自己变成一个小蜜蜂，飞翔在3D点云空
决策树算法 1. 决策树算法简介2. 决策树分类原理3. cart剪枝3.1 为什么要剪枝?3.2 常用的减枝方法3.2.1 预剪枝3.2.2 后剪枝 3.3 小结 4. 特征工程-特征提取5. 决策树算法API6. 案例：泰坦尼克号乘客生存预测7. 回归决策树 1. 决策树算法简介 决策树思想的来源非常朴素，程序
读 Trajectron++: Dynamically-Feasible TrajectoryForecasting With Heterogeneous Data paper github 贡献 模型框架 具体实现 其他需要注意 贡献 异构数据如何融合； 提出一种考虑动力学约束基于学习的多智能体轨迹预测方法； 模型框架 特征提取包括对智能体本身历史轨迹、
当在数据一个线性子空间像扁平饼时 PCA 是非常有用的。但是如果数据形成更复杂的形状呢？一个平面（线性子空间）可以推广到一个 流形 （非线性子空间），它可以被认为是一个被各种拉伸和滚动的表面。 如果线性子空间是平的纸张，那么卷起的纸张就是非线性流形的例子。你也可以叫它瑞士卷。（见图
前言 以前我们看电影的时候看到人脸识别，瞳孔识别，和指纹识别的时候感觉好先进，特别有未来科技感。但是现在人脸识别技术已经非常普及了，无论我们是在付款或者在验证密码的时候都可以应用到人脸识别技术了。那么人脸识别技术到底是如何实现的呢，下面就给大家简单介绍一下。 什么是人
本文翻译自Java深度学习框架deeplearning4j中deeplearning4j-docs的一篇文档，主要介绍在什么情况下选择深度学习，使用深度学习的先决条件和注意事项，利用深度学习处理相似和不同，进行特征提取，但缺乏特征的反思，以及神经网络的优点。 原文地址：为什么深度学习(deeplearning4j-docs)
（一）HOG特征 from：http://dataunion.org/20584.html 1、HOG特征： 方向梯度直方图（Histogram of Oriented Gradient, HOG）特征是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子。它通过计算和统计图像局部区域的梯度方向直方图来构成特征。Hog特征结合 SVM分类
ECCV2020 论文地址：https://doi.org/10.1007/978-3-030-58565_6 代码地址：https://github.com/arthurdouillard/incremental learning.pytorch 目录 1.贡献点 2.方法 2.1 pool类型 2.2 POD（Pooled Outputs Distillation）方法 2.3 LSC（Local Similarity Classifier） 三、实验结果 3.1
【飞桨】【PaddlePaddle】【李宏毅机器学习特训营】迁移学习—Domain adversaria 课程链接：https://aistudio.baidu.com/aistudio/course/introduce/1978 迁移学习—Domain adversarial Domain adversarial 主要是应用在只有source data而没有target source 上，其可以看成是GAN
零基础入门语音识别-食物声音识别 音频数据特征值的提取及MFCC特征提取知识 Task3 音频特征提取介绍打卡 本次新人赛是Datawhale与天池联合发起的零基础入门系列赛事第八场 —— 零零基础入门语音识别-食物声音识别挑战赛。 baseline由开源学习组织Datawhale提供 https://gi
1、Repeatability Is Not Enough:Learning Affine Regions via Discriminability 论文链接：https://arxiv.org/pdf/1711.06704.pdf 代码链接：https://github.com/ducha-aiki/affnet 主要贡献是提出了affine shape estimator，并依据次设计了AffNet，用来提取patch，然后用使用Hardnet
1 SIFT特征提取分析 SIFT（Scale-invariant feature transform)是一种检测局部特征的算法，该算法通过求一幅图中的特征点（interest points,or corner points）及其有关scale 和 orientation 的描述子得到特征并进行图像特征点匹配，获得了良好效果。 算法描述： SIFT特征不只具有尺度不变
在读取完数据，进行了数据分析之后，我们就要对样本进行特征提取来建模了。所谓的特征就是希望可以通过特征来得到、分辨出这一个样本是由什么组成的。 import pandas as pd import numpy as np import tsfresh as tsf from tsfresh import extract_features, select_features fr
这两天一直在研究DLoopDetector，想利用ORB特征提取方法来进行回环检测。但奈何原版demo所使用的是BRIEF256进行的特征提取，其提取出来的descriptor是利用vector进行存储的，与利用ORB方法进行特征提取的descriptor利用Mat数据类型进行存储完全不一样，因此很多的代码并不是完全兼容，需
一.真实失真图像的盲评是一大挑战，当前方法大多是关于合成数据集的，泛化能力差，因此本文提出一种自适应的超网络结构对真实的图像进行评价。图像质量评价算法在真实数据集上遇到如下三个挑战：1受限于真值图的获取；2真实数据集失真类型过多；3.真实数据集包含过多的图片内容。采用最
subfieldn. 子域；分栏；子字段；分支 artificial intelligence (AI). depiction:描绘 intuitively：adv. 直觉地，直观地；由直觉而得地 interchangeably：adv. 可交换地，可交替地 incarnations;n. 赋予形体( incarnation的名词复数 )；体现；前身；典型 prominent:adj. 突出的，杰出的；突起的；著名的
目录用途和传统神经网络的区别整体架构卷积堆叠的卷积层卷积层涉及参数步长卷积核尺寸边缘填充 pad卷积核个数卷积结果计算池化层经典网络感受野 卷积神经网络：Convolutional Neural Networks 神经网络基础上的改进版本。 用途 主要用于 计算机视觉领域，如 检测、追踪、分类、检索
Classification of ECG signals using Machine Learning Techniques: A Survey INTRODUCTIONBACKGROUND KNOWLEDGEISSUES IN ECG CLASSIFICATIONSURVEY OF ECG CLASSIFICATIONECG CLASSIFICATIONECG DatabaseFeature extraction techniqueClassification of ECG using neur
