在我们开始训练我们的Haar分类器之前，首先要对样本进行处理。人脸识别的尝试系列（一）中：http://blog.csdn.net/u011583927/article/details/44627493我们已经提到了如何准备我们的样本，在如下图准备好样本之后需要在cmd窗口中调用类似如下的命令生成vec文件opencv_createsamples.exe–vec pos

本文全文引用自点击打开链接，作者还在不断更新。先转载下来，慢慢学习《Brief History of Machine Learning》介绍:这是一篇介绍机器学习历史的文章，介绍很全面，从感知机、神经网络、决策树、SVM、Adaboost到随机森林、Deep Learning.《Deep Learning in Neural Networks: An Overv

python实现视频关键帧提取（基于帧间差分）在很多场景下，我们不想或者不能处理视频的每一帧图片，这时我们希望能够从视频中提取出一些重要的帧进行处理，这个过程我们称为视频关键帧提取。关键帧提取算法多种多样，如何实现主要取决于你对于关键帧的定义。也就是说，对于你的实际应用场景，视频中什么样的图片才算是一个关键帧？今天我实现了一种比较通用的关键帧提取算法，它基于帧间差分。算法的原理很简单：我...

本文全文引用自点击打开链接，作者还在不断更新。先转载下来，慢慢学习《Brief History of Machine Learning》介绍:这是一篇介绍机器学习历史的文章，介绍很全面，从感知机、神经网络、决策树、SVM、Adaboost到随机森林、Deep Learning.《Deep Learning in Neural Networks: An Overv

本文首先简单的选取了少量的样本并进行样本归一化，这样就得到了可供训练的训练集和测试集。然后训练了400×25×2的三层BP神经网络，最后对最初步的模型进行了误差分析并找到了一种效果显著的提升方法！

背景一个能够实际应用的深度学习模型，背后的数据集往往都花费了大量的人力财力，通过聘用标注团队对真实场景数据进行标注生产出来，大多数情况不太可能使用网络来源的图片。但在项目初期的demo阶段，或者某些特定的场合下，你可能需要借助一些网络来源的图片来辅助你构建最初的数据集。本文就将我制作的两个脚本工具分享给大家，它们可以让你借助百度识图来快速的爬取一批目标数据来丰富你的数据集。代码也整合到了我维...

有时候，我们需要程序帮我们自动检测某些事件的发生这个需求是广泛存在的因此，这里整理了利用python实现短信和电话提醒功能的方法主要需要完成以下4个步骤：- 安装核心库：twilio- 注册账号及配置-发送短信示例- 电话提醒示例twiliotwilio是我们需要的核心库，我们要利用其提供的api完成所需的功能首先安装twilio模块（我使用的是py...

本文首先简单的选取了少量的样本并进行样本归一化，这样就得到了可供训练的训练集和测试集。然后训练了400×25×2的三层BP神经网络，最后对最初步的模型进行了误差分析并找到了一种效果显著的提升方法！

前言简短的介绍下分享fast-autoaugment的原因毫无疑问数据增强对于训练CNN非常有效，大家也在不断发明新的数据增强方法拿到一份数据集，我们凭借之前的经验组合不同的增强方法形成一个数据增强策略，通常可以得到一个还不错的baseline。但如何更进一步，让模型再提升1-2个百分点就很困难了。通常我是进行一些数据增强效果的可视化，选定一个潜在的优化方向（比如旋转的幅度是否过大了），然后...

3.3 锚框 or 先验框本文来自开源组织 DataWhale ???? CV小组创作的目标检测入门教程。对应开源项目 《动手学CV-Pytorch》 的第3章的内容，教程中涉及的代码也可以在项目中找到，后续会持续更新更多的优质内容，欢迎⭐️。如果使用我们教程的内容或图片，请在文章醒目位置注明我们的github主页链接：https://github.com/datawhalechina/dive-