第25個冬天

這次來學一個東西 由於在做圖像處理的時候，很長需要進行一個文件夾的所有文件遍歷。 我們要怎麼實踐呢?? 首先準備好存放了三張圖檔分別為png(背景為透明)、bmp(為壓縮圖資非常大)、jpg(壓縮後) 這三種圖檔 目錄位於   C:\img 我們來針對   Directory    這個class   按F12  或者  右鍵查看definition 需引用 contrib模組 #include<opencv2/contrib/contrib.hpp> 成功篩選了  目錄下  附檔名為jpg的圖檔 但是有些人執行此範例會出現以下錯誤 解決此問題方法就是 再去檢查你是不是沒有添加到剛才我們看到的contrib模組所需用到的lib檔喔

在 圖解機器學習 「日本作者 杉山將 」一書是這麼說的，機器學習講白話一點就是 讓電腦有智慧可以跟人一樣具備學習能力的技術，是從堆積如山的數據 ( 又常被稱為「大數據」 ) 中尋找有用知識的數據挖掘技術。 機器學習的種類根據所處理的數據類型不同可分為三種 : (一)               監督式學習    由訓練資料中學到或建立一個模式（函數 / learning model ），並依此模式推測新的實例。訓練資料是由輸入物件（通常是向量）和預期輸出所組成。函數的輸出可以是一個連續的值（稱為迴歸分析），或是預測一個分類標籤（稱作分類）。 一個監督式學習者的任務在觀察完一些訓練範例（輸入和預期輸出）後，去預測這個函數對任何可能出現的輸入值的輸出。要達到此目的，學習者必須以 " 合理 " （見歸納偏向）的方式從現有的資料中一般化到非觀察到的情況。在人類和動物感知中，則通常被稱為概念學習（ concept learning ）。 Ex: 手寫文字識別、聲音處理、圖像處理、垃圾郵件分類與攔截、網頁檢索、基因診斷、股票預測等廣泛應用 (二)               無監督式學習               不需要人力來輸入標籤。它是監督式學習和強化學習等策略之外的一種選擇。在監督式學習中，典型的任務是分類和迴歸分析，且需要使用到人工預先準備好的範例 (base) 。                   一個常見的非監督式學習是數據聚類。在人工神經網路中，自我組織映射（ SOM ）和適應性共振理論（ ART ）則是最常用的非監督式學習。 ART 模型允許叢集的個數可隨著問題的大小而變動，並讓使用者控制成員和同一個叢集之間的相似度分數，其方式為透過一個由使用者自定而被稱為警覺參數的常數。 ART 也用於模式識別，如自動目標辨識和數位信號處理。第一個版本為 "ART1" ，是由卡本特和葛羅斯柏格所發展的。 Ex: 人造衛星故障診斷、視頻分析、社交網站解析、聲音訊號解析 (三)               強化學習         類似監督式學習，但在學習過程中不設置老師提示對錯、告知最終答案等環節。        然而，如果在學習過程中無法從周圍環境獲得

以上是這次學習分享~

一般我們在新增oF專案時可以藉由projectGenerator來選擇預設好的 但是當專案進行到一半的時候呢???? 當我們在  Github  看到別人弄好的   好用的插件 想要套用的時候呢??? (可能不在預設插件中   我們該如何套用???) 這是預設套件    後來我發 現在這裡根本看不到  QQ 開啟這兩個專案吧 原本想法是這樣 後來發現不能直接複製  = =||| 所以另一個比較正確的方法應該是這樣 對方案  進行 右鍵 --->  加入 --> 新的篩選條件 所以之後我們就能夠去Github載別人幫我們開發好的好用套件來進行添加了

【第一階段 -  視窗介 面佈局設計 】 擺上  兩個 寬400  高300的  pictureBox 兩個 Button   一個將來要控制  視訊  開始撥放 一個是用來暫停 【第二階段 - 程式撰寫 】 快點兩下視窗 進入  Form1_Load 的程式區塊 首先  引入常用  命名空間 接著在進行宣告 private void Form1_Load(object sender, EventArgs e){.........}區塊 private void Form1_Load(object sender, EventArgs e) { USB_Webcams = new FilterInfoCollection(FilterCategory.VideoInputDevice); //可輸入視訊影像超過1台機器時執行 if (USB_Webcams.Count > 0) { //Start按鈕為啟動時執行以下動作 button1.Enabled = true; //從第一台視訊擷取畫面 Cam = new VideoCaptureDevice(USB_Webcams[0].MonikerString); //啟動擷取視訊事件 Cam.NewFrame += new NewFrameEventHandler( Cam_NewFrame ); } else { button1.Enabled = false;//Start按鈕為停止時執行以下動作 MessageBox.Show("No video input device is connected."); } } Cam_NewFrame  自訂事件

在一般影像處理的開發上常用的opencv，通常是搭配C++語言去做撰寫。 但是GUI上不是很方便去做設置 可能要搭配到 「Qt」  或者  「MFC」等框架來做輔助 ======================================================== 最近我的同學想要做在WindowsForm上的開發 去做相關的影像(視訊)處理 結合  Kinect V2 SDK 當然首先會遇到的就是 opencv 沒有支援 C# 阿!!!! 所以這裡推薦一個好用的庫給大家 AForge.NET AForge.net 是一個用於處理圖像方面的框架 常用在追蹤 、  運動識別 、 圖像比較等等功能 AForge.NET is an open source C# framework designed for developers and researchers in the fields of Computer Vision and Artificial Intelligence  ex: image processing, neural networks, genetic algorithms, fuzzy logic, machine learning, robotics, etc.      優點在於  配置比 opencv (C++) 和 Emgucv (C#)  都來的快和方便 非常好上手 【第一階段 - 下載&環境配置】 以下是它的官網載點 :  http://www.aforgenet.com/framework/downloads.html 選擇 [ Download Full ZIP Archive ] 做下載 下載下來進行解壓縮 這裡我就先放置好在C槽目錄下 之後請去新增一個  WindowsForm  專案 檔案 --> 新增 --> 專案 開好之後就會像下方的顯示 可視化視窗介面 接下來  去 右側 「參考」 --> 右鍵 --> 「加入參考」--> 瀏覽(Browse)-->去找你安置AForge.N

由於學長最近需要做個牽扯到大數據的研究 所以google搜尋了一下 發現  python  還滿火紅的 只不過有關於開發環境的配置和選定教學文不多也不太明確 pycharm要付費有效期限是缺定 因此我後來選用 (1)下載python linl :  https://www.python.org/downloads/ (2)下載IDE ANACONDA link  :   https://www.continuum.io/downloads#_windows Anaconda內建的整合開發環境Spyder Spyder  IDE  介面簡介 新增專案 ---> File -> New Project 預設的temp不建議直接在上面編寫程式喔!!! 會跳出兩次警示視窗 按 yes  、 OK  跳過即可 不用緊張   你第一次做的只是選定與創建一個專案預設放置的Folder 所以弄好之後 又要再次  File --> New project  喔 以上是本次學習分享 參考學習網站連結如下: 建立用於科學計算的Python開發環境 http://www.astro.ncu.edu.tw/~yhsu/yhsu/%E5%BB%BA%E7%AB%8B%E7%94%A8%E6%96%BC%E7%A7%91%E5%AD%B8%E8%A8%88%E7%AE%97%E7%9A%84python%E9%96%8B%E7%99%BC%E7%92%B0%E5%A2%83/ Python With Spyder 1: First Steps (Updated 7/24/2015) ProfessorEaston https://www.youtube.com/watch?v=J5GevIHNctM&feature=youtu.be Python学习笔记 http://www.cnblogs.com/yyhh/p/4202829.html