Jag har virat om massor av gånger. Man sträcker tråden mot tex sidan av virverktyget och sedan virar man på den igen. Att den skulle gå i smulor har jag aldrig varit med om, det beror nog på vilken tråd man använder i så fall. Men jag har aldrig gjort det på något annat än prototyper, så jag skulle ...

Hittade dessa: https://www.vintage-radio.net/forum/attachment.php?s=a6a0781c23c388fadc30fad83d683eb7&attachmentid=32263&d=1265239345 https://www.vintage-radio.net/forum/attachment.php?s=a6a0781c23c388fadc30fad83d683eb7&attachmentid=32264&d=1265239345 Verkar vara korskoppling och fasf...

Läs YOLO-artikeln?

Det är ganska enkelt att skriva en egen FFT, eftersom den är reguljär, det finns massor av exempel, och det är förhållandevis enkelt att testa den. Det du sedan vill ha, tror jag, är absolutbeloppet på de komplexa utsignalerna. Eller första halvan av dem, eftersom den andra halvan är spegling av den...

Jag körde en liten beräkning går och fick 95-97% sannolikhet att den träffar rätt. Det kan ju vara bra, men det beror på experimentet. Om 95% av exemplen är av en viss specifik klass och man alltid gissar den klassen så blir det ju så:-) Viola Jones - Tyvärr så verkar den bara vara för en klass. Du...

Aha, så du tänker att din klassificerare fungerar, men du behöver en detektor för att hitta områden i bilden där det finns objekt att klassificera. Återigen, hur man gör beror på applikationen. Letar man cellförändringar i en lever kanske man kan titta på (rotationsinvarianta) hessianer till exempel...

Jovisst, men jag förstår fortfarande inte vad du vill göra. Fisherfaces utgår väl från att det finns ett ansikte, att det har en viss orientering, position och storlek. Och detta har du redan och vill nu validera automatiskt mot en perfekt ansiktsdetektor? Svårt att hänga med.

Ja, men du måste ju koppla ihop allt och se hur det funkar. Skulle du inte använda SVM för detektion?

Du måste börja koda upp någonting så att du får en bättre förståelse av vad som funkar och inte! Använd Octave, Matlab, OpenCV, Scikit eller vadsomhelst som du är bekväm med och kan jobba snabbt i. Såhär tänker jag mig att man kan lägga upp projektet, VÄLDIGT kortfattat: 1. Implementera en algoritm ...

Du får fundera på hur din dimensionsreduceringsmetod hanterar om objektet du vill klassa befinner sig på olika ställen i bilden, om dess storlek ändras eller om det roteras.

Visst, men vilket problem tänker du lösa med "bildigenkänningen"? Räkna får på satelitbilder, hitta sprickor i vindkraftverksblad, cellförändringar i MR-bilder, orientera dig i en lokal, skilja på katter och hundar, ...? Lösningen kommer att variera beroende på problemet. Kanske börja med ...

Jag tror man inte gör som du tänker. Jag tror att man formar om matrisen i från grunden. Ja det finns många sätt beroende på vad man skall ha det till. Ett annat populärt alternativ ur lösningsspektrumet kan vara "compressed sensing". Du måste förtydliga vad du vill göra och vad det får k...

Undrar om den som ritat bilden förstått hur algoritmen funkar

Hmm, undrar om du inte missförstått YOLO lite. Bilden du bifogar är lite konstig. Det sker ingen uppdelning i småbilder, snarare faltas hela inbilden med ett antal kärnor i flera lager som succesivt samplas ned. Därefter sker en selekteringsprocess av erhållna boundingboxes per klass. Osv.

Mycket på en gång där:-) 1. Ingen aning om hur moget och buggfritt det är. Du får testa. 2. Hur bra det funkar med heltal beror på applikationen och hur många bitar du kan tänka dig att jobba med. Du kan multiplicera upp alla dina flyttal så att de blir heltal, men dynamiken kan ju bli väldigt stor....