О репозитории

Пользовательские реализации распространенных алгоритмов машинного обучения. Исключительно в учебных целях и не предназначен для продуктивного использования.

Файлы

Все файлы могут быть просто выполнены с помощью python filename.py (то есть без аргументов командной строки).

Computer Vision

• binary_dilation_erosion.py - Расширение, эрозия, открытие и закрытие бинарных изображений.
• canny.py - Canny детектор контуров.
• crosscorrelation_convolution.py - Внедрение кросскорреляции и свертки для применения фильтров к изображениям.
• eigenfaces.py - Примените PCA (из sklearn) к человеческим лицам, постройте основные компоненты (также известные как собственные лица).
• gauss.py - Фильтр Гаусса для сглаживания изображений.
• gradients.py - Вычислите производные x и y изображения, используя методы симметричного, обратного и прямого градиента.
• graph_image_segmentation.py - Разделите изображение на сегменты, используя простой метод на основе графа с внутренними и внешними различиями в подграфах.
• harris.py - Вычислите показатель детектора краев Харриса для пикселей в изображении.
• histogram_equalization.py - Нормализуйте гистограмму интенсивности изображения, используя растяжение гистограммы и кумулятивное выравнивание гистограммы.
• hough.py - Поиск конткра на зашумленном изображении, используя преобразование Хафа.
• mean_shift_segmentation.py - Разделите изображение на сегменты, используя кластеризацию среднего сдвига.
• otsu.py - Бинаризация изображения, по методу Otsu.
• prewitt.py - Примените фильтр Prewitt к изображению, чтобы вычислить градиенты x/y.
• rank_order.py - Применяйте фильтры ранжирования к изображению для (недвоичной) эрозии/расширения/закрытия/открытия, медианной фильтрации и обнаружения морфологических краев.
• sift.py - Упрощенная реализация локатора ключевых точек SIFT. Не содержит ни дескриптора, ни сложной фильтрации ключевых точек (с использованием гессиана и главной кривизны). Также не изменяет масштабы с более высокими сигмами.
• sobel.py - Примените фильтр Sobel к изображению для расчета сглаженного градиента.
• template_matching.py - Поиск примера изображения по шаблону на увеличенном изображении.

Классификаторы

• gaussian_mixture_1d_em.py - Обучите смешанную модель одномерных gaussians с помощью алгоритма EM.

Требования

Python 2.7, scipy, numpy, sklearn, scikit-image, matplotlib