四次报告分别是： 实验一：数字图像空域增强实验 实验二：数字图像频域增强实验 实验三：数字图像编码实验 实验四：数字图像分割与边缘检测实验 (之前Python是用jupyter notebook 打的，所以复制出来交代码的时候直接放到了记事本里，大家可以复制出来在python环境运行。记得代码图片路径要修改)

机器学习之神经网络的公式推导与python代码（手写+pytorch）实现 神经网络使用手写数字数据集分别采用纯python代码实现+pytorch框架实现（1.10） 资源包含两份可执行Python代码+完整数据集+讲解PPT

车道线识别；效果良好；环境配置简单，毕设可用；#python 可见博客：https://blog.csdn.net/ALiLiLiYa/article/details/127677866

目前计算机视觉（CV）与自然语言处理（NLP）及语音识别并列为人工智能三大热点方向，而计算机视觉中的对象检测(objectdetection)应用非常广泛，比如自动驾驶、视频监控、工业质检、医疗诊断等场景。 目标检测的根本任务就是将图片或者视频中感兴趣的目标提取出来，目标的识别可以基于颜色、纹理、形状。其中颜色属性运用十分广泛，也比较容易实现。下面就向大家分享一个我做的小实验———通过OpenCV的Python接口来实现从视频中进行颜色识别和跟踪。 下面就是我们完整的代码实现（已调试运行）： import numpy as np import cv2 font = cv2.FONT_HE

2018-春季-人工智能-No04-Topic 05-不确定性推理-Bayes实验Python代码1

#将SVM代码文件直接导，pycharm2017软件中，将data数据的路径在代码中进行修改 #fileIn = open('C:/Users/LENOVO/Desktop/SVM-master/datasets.txt') #open()进行文件的读取工作，直接修改路径即可，但是要注意绝对路径与相对路径的区分

DIP大作业图像分割大津法OTSU算法Python代码

变分模态分解 信号处理方法 数据序列平稳化。

关联度分析，Python代码结合数据，分析各个因素对于结果的影响程度

运行代码需安装pygame zero库： pip install pgzero