视频课程 人浏览 历史评分   更新时间: 30天前 随到随学

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]

相关推荐
客服 关于