在这个项目中，我使用光传感器对三角形窗口进行了自动打开或关闭百叶窗机制。

颜色分类leetcode 日夜图像分类器 该存储库包含使用 OpenCV 和零机器学习通过图像处理实现的昼夜图像分类。 先决条件 该项目是使用 python 3.6.7 和以下包开发的。 不需要 GPU。 numpy==1.16.4 熊猫==0.24.2 seaborn==0.9.0 matplotlib==3.0.3 opencv-python jupyterlab 使用pip安装： pip install -r requirements.txt 数据集 白天/黑夜图像数据集由 200 张 RGB 彩色图像组成，分为白天和黑夜两类。 每个示例的数量相同：100 张白天图像和 100 张夜间图像。 这将为我们提供一个平衡的数据集。 注意：所有图片均来自（许多户外场景档案）。 方法 第 1 步：加载数据集并可视化 可视化数据集可以让我们了解数据。 我们试图找到一些显着特征：白天图像通常比夜晚图像亮得多。 夜间图像也有这些非常明亮的小点，因此整个图像的亮度变化比白天图像大得多。 白天图像中有更多的灰色/蓝色调色板。 第 2 步：预处理数据 所有输入数据应采用一致的形式。 我们将所有图像调整

日夜数据集列表 收集数据集列表，其中包括白天和黑夜的图像以及分割或检测注释。 [v] 1. Mapillary Vistas数据集（ICCV2017） 带有语义分割注释的街道图像。 包括白天和黑夜的图像，但不包含相应的标签。 [v] 2. KAIST多光谱行人数据集（CVPR2015） 由取自带有边界框注释的车辆的95k色温对（640x480，20Hz）组成。 包括白天和黑夜的标签。 [v] 3. SYNTHIA（CVPR2016） 从虚拟城市渲染的逼真的帧，并带有精确的像素级语义注释。 包括白天和黑夜的标签。 RGBD数据集列表 1.纽约大学深度数据集V2（ECCV2012） RGB和深度相机同时记录的室内场景。 一个子集包含语义分割标签。 参考数据集 仅具有白天或黑夜图像的数据集。 1.城市景观数据集（CVPR2016） [网页] [纸张] [评估

将图像首先进行分割的matlab代码贝叶斯分类器图像日夜 阅读完整报告，或 朴素贝叶斯分类器构成基于贝叶斯定理的简单概率分类器。 这个定理表达了给定特征向量 x 的模式被分类到类 ωi 的可能性。 该相似性等于概率，它描述了向量 x 在 ωi 类中的分布，乘以属于 ωi 类的模式的概率，再除以定义 x 的概率函数的概率。 朴素贝叶斯分类器的算法试图识别模式的不同类别并将其与它所属的类别进行匹配。 最初，它获得一组称为可测量特征或参数的属性（让 x1、χ2、...、χM）。 鉴于这些，模式被分类为类（让 ω1, ω2, ..., ωM）。 请注意，该算法始终将其特征视为不相关，即使它们是相关的。 这就是被称为Naive的原因。 然而，朴素贝叶斯分类器在许多真正复杂的情况下仍然非常有效。 这个项目代表了模式识别的朴素贝叶斯分类器。 该代码是在 Matlab 上编写的，它对白天和黑夜的图像进行分类。 基本上，该算法读取 20 张白天图像和 20 张夜间图像。 它还计算每个图像的平均亮度和亮度的方差。 基于此，它通过以下方式将图像分类为“白天”或“夜晚”类： 显示图像频率 y 的正态分布，具有