Python Multithread

OpenCV 3 bild-och videobearbetning med Python

OpenCV 3 med Python
bild-OpenCV BGR : Matplotlib RGB
grundläggande bildoperationer-pixelåtkomst
iPython-signalbehandling med NumPy
signalbehandling med NumPy I-FFT och DFT för sinus, kvadratvågor, unitpulse och slumpmässig signal
signalbehandling med NumPy II – bild Fourier-Transformation : FFT & DFT
invers Fourier-transformation av en bild med lågpassfilter: cv2.idft()
Bildhistogram
videoinspelning och växling av färgrymder – RGB / HSV
adaptiv tröskelvärde – Otsu : s klusterbaserade bildtröskel
kantdetektering-Sobel – och Laplacian – kärnor
Slug kantdetektering
Hough Transform-cirklar
Vattendelaralgoritm : markörbaserad segmentering I
Vattendelaralgoritm : markörbaserad segmentering II
bildbrusreducering: icke-lokala medel denoising algoritm
bildobjektdetektering : Ansiktsigenkänning med Haar – Kaskadklassificerare
Bildsegmentering – Förgrundsutvinning Grabcut – algoritm baserad på grafskärningar
bildrekonstruktion – Inpainting (Interpolation)-snabba Marschmetoder
Video : mean shift object tracking
maskininlärning : Clustering – K-Means clustering I
maskininlärning : Clustering – K-Means clustering II
maskininlärning : klassificering-k-närmaste grannar (k-NN) algoritm

maskininlärning med scikit-learn

scikit-learn installation
scikit-learn : Funktioner och funktioner extraktion – iris dataset
scikit-lär dig : maskininlärning snabb förhandsvisning
scikit-lär dig : data Preprocessing I – saknas / kategoriska data
scikit-lär dig : data Preprocessing II – partitionering av en dataset / feature scaling / Feature Selection / Regularization
scikit-lär dig : data Preprocessing III – Dimensionality reduction vis Sekventiell feature selection / Assessing feature importance via slumpmässiga skogar
Data Compression via Dimensionality Reduction i – huvudkomponentanalys (PCA)
scikit-lär dig : Datakomprimering via Dimensionalitetsreduktion II – linjär Diskrimineringsanalys (LDA)
scikit-lär dig : datakomprimering via Dimensionalitetsreduktion III – icke-linjära mappningar via kpca-analys (kernel principal component)
scikit – lär dig : logistisk Regression, överfitting & regularisering
scikit-lär dig : övervakat lärande & oövervakat lärande – t. ex. oövervakad PCA-dimensionalitetsreduktion med iris-dataset
scikit-learn : Unsupervised_learning-kmeans clustering med Iris dataset
scikit-learn : Linjärt separerbar Data – linjär modell & (Gaussisk) radiell basfunktion kärna (RBF kärna)
scikit-lär dig : beslutsträd lärande i – entropi, Gini och Informationsvinst
scikit-lär dig : beslutsträd lärande II – konstruera beslutsträdet
scikit-lär dig : slumpmässig Beslutskogsklassificering
scikit-lär dig : Stödvektormaskiner (SVM)
scikit-lär dig : Stödvektormaskiner (SVM)
scikit-lär dig : Stödvektormaskiner (SVM) II
kolv med inbäddad maskininlärning i: serialisering med pickle och dB setup
kolv med inbäddad maskininlärning II : Basic Flask App
kolv med inbäddad maskininlärning III: bädda in klassificerare
kolv med inbäddad maskininlärning IV: distribuera
kolv med inbäddad maskininlärning V: uppdatera klassificeraren
scikit-learn : SVM-klassificera en bra eller en dålig

maskininlärningsalgoritmer och begrepp

Batch gradient descent algorithm
Single Layer Neural Network-Perceptron modell på Iris dataset med Heaviside Step activation function
Batch gradient descent versus stokastisk gradient descent
Single Layer Neural Network-adaptiv linjär Neuron med linjär (identitet) aktiveringsfunktion med batch gradient descent method
Single Layer Neural Network : Adaptiv linjär Neuron med linjär (identitet) aktiveringsfunktion med stokastisk gradient nedstigning (SGD)
logistisk Regression
VC (Vapnik-Chervonenkis) Dimension och splittras
Bias-varians avvägning
maximal sannolikhetsbedömning (MLE)
neurala nätverk med backpropagation för XOR med ett dolt lager
minHash
TF-IDF vikt
Natural Language Processing (NLP): sentiment analysis I (IMDb & bag-of-Words)
natural language processing (NLP): Sentiment Analysis II (tokenization, stemming och stop words)
natural language processing (NLP): Sentimentanalys III (utbildning & korsvalidering)
Natural Language Processing( NLP): sentimentanalys IV (out-of-core)
Lokalitet-känslig Hashing (LSH) med cosinus avstånd (cosinus likhet)

artificiella neurala nätverk (ANN)

källor finns på Github – Jupyter notebook-filer
1. Inledning
2. Framåt Förökning
3. Lutning Nedstigning
4. Backpropagation av fel
5. Kontrollera lutning
6. Träning via BFGS
7. Överfitting & Regularisering
8. Djupt Lärande I : Bildigenkänning (bilduppladdning)
9. Djupt lärande II: bildigenkänning (Bildklassificering)
10-djupt lärande III: djupt lärande III: Theano, TensorFlow och Keras