课程介绍
注意0:欲购买此课程,获取安全购买链接,索要正版授权学习平台账号,务必加咨询QQ:2536379620
注意1:由于编码原因,试听课程视频画面清晰度不如最终购买的视频。最终购买视频的画面清晰度可参见以下两张图。图1 图2
注意2:正版良心视频,购买后有机会和原作者直接短暂技术交流。
本课程基于OpenCV4,Python3.10。主要内容如下:
1.机器学习基础
2.使用KNN识别字符
3.使用KNN模型求解数独
4.SVM识别手写数字
5.行人检测
6.K均值聚类绘制艺术画
适合人群:
OpenCV程序员
计算机视觉程序员
机器学习研究人员
Python程序员
从事计算机视觉的相关研发人员
在校大学生
你将会学到:
让学员掌握机器学习相关技术,在OpenCV中如何使用机器学习相关API完成处理处理
课程大纲
第1章机器学习基础(47分钟2节) 免费试看
1-1
使用KNN(K临近)模块完成数据分类
[30:19]
1-2
使用SVM(支持向量机)模块完成数据分类
[16:47]
第2章使用KNN识别字符(41分钟2节)
2-1
识别手写体数字
[26:45]
2-2
识别英文字母
[15:13]
第3章求解数独(1小时30分钟5节)
3-1
定位数独图像内单元格中的数字
[39:38]
3-2
构造KNN模型
[18:13]
3-3
识别数独图像中的数字
[16:17]
3-4
计算数独
[08:57]
3-5
在数独图像上绘制计算结果(项目完结)
[07:21]
第4章SVM识别手写数字(1小时11分钟4节)
4-1
校正倾斜数字
[21:30]
4-2
提取图像的HOG特征值
[28:18]
4-3
将图像拆分成训练数据和测试数据
[14:41]
4-4
构造并使用SVM分类器(识别手写文字,项目完结)
[07:07]
第5章行人检测(50分钟6节)
5-1
自动检测不礼让行人的车辆
[18:38]
5-2
调整行人识别的精度
[16:22]
5-3
调整Padding参数
[04:32]
5-4
调整scale参数
[03:56]
5-5
开关重叠边界检测
[02:58]
5-6
完成的行人检测程序
[04:02]
第6章K均值聚类(51分钟4节)
6-1
一维数据K均值聚类原理
[15:37]
6-2
二维数据K均值聚类原理
[05:29]
6-3
用K均值聚类模块对100个随机点进行分类,并绘制分类
[23:12]
6-4
绘制艺术画
[06:58]