# Machine Learning

**Repository Path**: IU19930516/machine-learning

## Basic Information

- **Project Name**: Machine Learning
- **Description**: 机器学习作业记录
作业1：训练KNN模型进行水果识别。
作业2：使用 TensorFlow 和 Keras 构建的CNN模型进行水果识别。
作业3：使用ITTI算法进行显著性特征提取。
大作业：使用 k-means 聚类算法对图像进行分割并提取显著性区域。超像素分割+小矩形+大矩形多重提取，经神经网络训练以输出显著性图。加权组合Canny边缘特征和HOG特征，并用神经网络训练，生成综合的显著性图。
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2025-04-13
- **Last Updated**: 2025-04-13

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 机器学习作业记录

## 作业1：训练KNN模型进行水果识别。

`fruit_knn_success_in_tf.ipynb`

使用了`Fruits-360: A dataset of images containing fruits and vegetables`数据集


## 作业2：使用 TensorFlow 和 Keras 构建的CNN模型进行水果识别。



`fruit_cnn_success_in_tf.ipynb`

使用了`Fruits-360: A dataset of images containing fruits and vegetables`数据集


## 作业3：使用ITTI算法进行显著性特征提取。



`feature_itti_success.ipynb`





## 大作业：

### 使用 k-means 聚类算法对图像进行分割并提取显著性区域。


`PyTorch.ipynb`

使用了`DUTS`显著性检测数据集的子集

### 超像素分割+小矩形+大矩形多重提取，经神经网络训练以输出显著性图。

`PyTorch.ipynb`

使用了`DUTS`显著性检测数据集的子集

### 加权组合Canny边缘特征和HOG特征，并用神经网络训练，生成综合的显著性图。

`PyTorch.ipynb`

使用了`DUTS`显著性检测数据集的子集