使用seq2seq模型与attention注意力机制生成对联,数据集中有预处理代码,其对应的工程代码github地址:https://github.com/zhangzhiqiangccm/NLP-project
2022-11-30 09:51:36 21.11MB 自然语言处理 文本生成 对联生成
1
文件用于mmdetection3d的SUN RGB-D数据集预处理程序,原始处理程序为matlab版,这里替换成了Python版本。文件包含了数据集分割和标注数据提取两个python脚本文件。具体使用方法请参考本人即将更新的博客:https://blog.csdn.net/suiyingy/article/details/128086017。
2022-11-29 16:28:02 3KB SUNRGB-D sunrgbd python mmdetection
1、该脚本是python语言编写; 2、需要在python环境下运行,建议安装anaconda; 3、把需修改的文件(如批量图片)存放一个文件夹,修改代码中路径; 4、执行.py文件,重命名文件夹中的文件,提高效率。 【备注】该脚本随机读取文件,并命名,适合做深度学习数据预处理时使用,使用过程有问题请留言。
实现任意角度拍摄的矩形物体,通过一系列数字图像处理,把另外一张目标图像替换拍摄的矩形框。 难点一:矩形边框的检测识别(噪声) 针对难点一: 拟采用边缘检测检测像素突变点提取边缘线条+轮廓提取+拟合外接四边形寻找轮廓中满足面积条件的四边形。考虑到拍摄图像有很多噪点干扰,采用中值滤波进行平滑处理,过滤椒盐噪声。设定矩形区域面积阈值,去除不满足条件轮廓,对轮廓进行多边形拟合迭代,直到拟合成四边形,并排序输出四个点坐标。 ②难点二:由于相机平面很难与物体平面平行,所以矩形区域是形变的矩形。 针对难点二: 拟采用投影变换,利用getPerspectiveTransform函数求出变换矩阵M,再用M将代替换图像投影变换到矩形区域,其余面积像素为0,以便后续图片融合相加。
2022-11-23 17:24:54 5.72MB python 矩形框检测 opencv 图像处理
1
用于 FEATool Multiphysics 的 STL CAD 几何预处理工具箱
2022-11-22 16:22:23 2.12MB matlab
1
实现任意角度拍摄的矩形物体,通过一系列数字图像处理,把另外一张目标图像替换拍摄的矩形框。 难点一:矩形边框的检测识别(噪声) 针对难点一: 拟采用边缘检测检测像素突变点提取边缘线条+轮廓提取+拟合外接四边形寻找轮廓中满足面积条件的四边形。考虑到拍摄图像有很多噪点干扰,采用中值滤波进行平滑处理,过滤椒盐噪声。设定矩形区域面积阈值,去除不满足条件轮廓,对轮廓进行多边形拟合迭代,直到拟合成四边形,并排序输出四个点坐标。 ②难点二:由于相机平面很难与物体平面平行,所以矩形区域是形变的矩形。 针对难点二: 拟采用投影变换,利用getPerspectiveTransform函数求出变换矩阵M,再用M将代替换图像投影变换到矩形区域,其余面积像素为0,以便后续图片融合相加。
1
搜狐新闻语料,5000条,包括新闻标题、新闻链接、新闻内容、新闻类别。 搜狐新闻语料,5000条,包括新闻标题、新闻链接、新闻内容、新闻类别。
2022-11-20 19:33:24 9.49MB 机器学习
1
文件为多源数据集的编码形式,即预处理之后的数据 用于我的另一资源:基于多种机器学习算法的分类预测研究 该资源为机器学习结课论文,本文在对Lending Club数据集进行初步数据分析的基础上,通过选取4组不同的特征,采用同一种算法(逻辑回归,LR)进行分类预测,最终确定3个相对较优特征为:loan_amnt,annual_inc,term。随后本文针对“多源数据集”,采用神经网络、贝叶斯分类器和决策树三种算法对数据进行分类预测,最终综合三种算法的模型结果参数,确定决策树为三者最优。最后,本文仍选取Lending Club数据集作为研究对象,经预处理后,选取数据的55个特征,并将二分类问题变为三分类问题。之后,采用单一树类模型——决策树,以及集成树类模型——随机森林和极端随机树对数据进行分类预测,对比模型结果参数,得出结论:集成算法相比较于单一算法有更好的准确度和泛化能力,但是相应模型也会消耗更多计算机资源
2022-11-16 09:31:40 4.16MB
1
从MODIS云产品数据集中提取需要的数据并对其投影,
2022-11-10 19:10:00 11KB MOD06_L2预处理
1