吴恩达《机器学习》学习笔记七——逻辑回归代码一、无正则项的逻辑回归1.问题描述2.导入模块3.准备数据4.假设函数5.代价函数6.梯度下降7.拟合参数8.用训练集预测和验证9.寻找决策边界二、正则化逻辑回归1.准备数据2.特征映射3.正则化代价函数4.正则化梯度5.拟合参数6.预测7.画出决策边界这次的笔记紧接着上两次对逻辑回归模型和正则化笔记，将一个分类问题用逻辑回归和正则化的方法解决。机器学习

OpenCV与图像处理学习五——图像基本操作（下）三、图像滤波与增强3.1 线性滤波3.1.1 方框滤波上两次的笔记地址：OpenCV与图像处理学习三——图像基本操作（上）OpenCV与图像处理学习四——图像基本操作（中）这次笔记的主要内容为图像滤波与增强、以及一点图像形态学的内容。对应的OpenCV官方python文档为：三、图像滤波与增强所谓滤波实际上是信号处理领域的一个概念，就是将信号中特定

PyTorch框架学习七——自定义transforms方法一、自定义transforms注意要素二、自定义transforms步骤三、自定义transforms实例：椒盐噪声虽然前面的笔记介绍了很多PyTorch给出的transforms方法，也非常有用，但是也有可能在具体的问题中需要开发者自定义transforms方法，这次笔记就介绍如何自定义transforms方法。ps：本次笔记中使用的原始

PyTorch框架学习十八——Layer Normalization、Instance Normalization、Group Normalization一、为什么要标准化？二、BN、LN、IN、GN的异同三、Layer Normalization四、Instance Normalization五、Group Normalization上次笔记介绍了Batch Normalization以及它在P

OpenCV与图像处理学习九——连通区域分析算法（含代码）一、连通区域概要二、Two-Pass算法三、代码实现一、连通区域概要连通区域（Connected Component）一般是指图像中具有相同像素值且位置相邻的前景像素点组成的图像区域，连通区域分析是指将图像中的各个连通区域找出并标记。连通区域分析是一种在CV和图像分析处理的众多应用领域中较为常用和基本的方法。例如： OCR识别中字符分割提取

PyTorch框架学习二十——模型微调（Finetune）一、Transfer Learning：迁移学习二、Model Finetune：模型的迁移学习三、看个例子：用ResNet18预训练模型训练一个图片二分类任务因为模型微调的内容没有实际使用过，但是后面是肯定会要了解的，所以这里算是一个引子，简单从概念上介绍一下迁移学习与模型微调，后面有时间或需要用到时再去详细了解。一、Transfer L

OpenCV与图像处理学习七——传统图像分割之阈值法（固定阈值、自适应阈值、大津阈值）一、固定阈值图像分割1.1 直方图双峰法1.2 OpenCV中的固定阈值分割二、自适应阈值图像分割三、迭代法阈值分割四、Otsu大津阈值法前面的笔记介绍了一些OpenCV基本的图像处理，后面将学习使用OpenCV的传统的图像分割方法，这次笔记的内容是阈值法进行图像分割。图像分割是指将图像分成若干具有相似性质的区域

OpenCV与图像处理学习四——图像基本操作（中）二、图像的几何变换2.1 图像平移2.2 图像缩放（上采样与下采样）续上次的笔记：OpenCV与图像处理学习三——图像基本操作（上）这次笔记主要的内容是图像的几何变换：包括平移、缩放、旋转、仿射变换和透视变换。二、图像的几何变换2.1 图像平移将图像中所有的点按照指定的平移量水平或者垂直移动。变换公式：设（x0，y0）为原图像上的一点，图像水平平移

OpenCV与图像处理学习十——区域生长算法（含代码）一、区域生长算法概要二、区域生长算法原理三、代码应用一、区域生长算法概要区域生长是一种串行区域分割的图像分割方法。区域生长是指从某个像素出发，按照一定的准则，逐步加入邻近像素，当满足一定的条件时，区域生长终止。区域生长的好坏决定于：初始点（种子点）的选取。生长准则。终止条件。区域生长是从某个或者某些像素点出发，最后得到整个区域，进而实现目标的提

PyTorch框架学习一——PyTorch的安装（CPU版本）PyTorch简介PyTorch的安装（CPU版）机器学习/深度学习领域的学习都是需要理论和实践相结合的，而它们的实践都需要借助于一个框架来实现，PyTorch在学术界目前处于主流的地位，而且据说上手较快，从今天起开始学习该框架，为后面的学习打一个基础。PyTorch简介PyTorch背后的东家是Facebook。2017年1月FAIR