# 机器学习记录

**Repository Path**: sakura674834119/machine-learning-record

## Basic Information

- **Project Name**: 机器学习记录
- **Description**: No description available
- **Primary Language**: Python
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2020-09-16
- **Last Updated**: 2020-12-19

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 机器学习记录

记录一下自己学习机器学习的日常记录

resource中存放代码

doc中存放学习文档

## 2020/09/16

- 使用sklearn实现[SVM代码](./resource/test_SVM.py)

- 理论知识
- SVM进行多分分类
  - SVM对于图像进行分类
- 提取图像特征：SIFT（尺度不变特征变换）

## 2020/09/17

- VSCode+python中代码（函数）不提示的解决办法

  https://blog.csdn.net/m0_37174192/article/details/99226127

- 关闭VScode下方的Microsoft.python.languageserver（占用CPU并且代码无提示）

  - 在设置中搜索languageserver修改如下设置

    > ![image-20200917212144006](README.assets/image-20200917212144006.png)

- 使用SVM训练手写数字样本进行图像识别[代码](./resource/MNIST_SVM.py)

- SVM对于图像进行分类

  - 数据预处理
  - 获得图像特征向量
  - 进行SVM训练

- 图像分割

  - 语义分割

    > ![image-20200917235703776](README.assets/image-20200917235703776.png)

  - 实例分割

    > ![image-20200917235715481](README.assets/image-20200917235715481.png)

  

## 2020/09/21

- [语义分割的segnet模型（编码和解码）](doc/语义分割.md)
- [MobileNet模型详解与实现](doc/MobileNet.md)

## 2020/09/22
- python修改当前程序路径,在使用vscode中运行.py的时候，由于程序启动的时候使用的是父目录的路径，所以在使用相对路径的时候可能会出现问题

  ```python
  import os
  from pathlib import Path
  # 当前路径
  print(os.getcwd())
  #修改为newpath()
  os.chdir(newpath)
  print(os.getcwd())
  #获取当前文件路径
  Path(__file__)
  ```

- 目标分割训练和预测模型(.\resource\Semantic_Segmentation)

- [keras](./doc/keras.md)基础知识汇总
  
  
  
  LCZ数据集下载地址：https://ieee-dataport.org/
  
  数据内容:
  
  每一个城市文件中包含如下内容
  grid/		取样栅格
  landsat_8/	不同日期的landsat_8图像(以100m分辨率重新采样，在选定的波段进行分割)
  lcz/		Local Climate Zones 栅格
  osm_raster/	源于OSM的区域内的栅格 (buildings, land-use, water) 
  osm_vector/	Vector data with OpenStreetMap zones and lines
  sentinel_2/	Sentinel2 image (resampled at 100m res., split in selected bands)

## 2020/09/23

- Unet结构

  > ![在这里插入图片描述](README.assets/20191109101342389.png)

- 土地利用分类数据http://www.grss-ieee.org/2017-ieee-grss-data-fusion-contest/

- 数据集下载地址http://dase.grss-ieee.org/index.php

  > <img src="README.assets/image-20200923104143068.png" alt="image-20200923104143068" style="zoom:50%;" />

## 2020/09/28

- LCZ数据集制作
  - 首先，在人工收集的训练多边形中随机放置多个点，为了减少训练数据池中的计算量和空间冗余，定义随机放置的点之间的最小距离为40 m(4个像素的边缘长度)。对于每一个点，提取其周围的32 * 32个像素作为图像片段，其面积约为10公顷(320 * 320 m)， CNN在这些片段上进行训练。
  - 采用VGG网络
  - 训练数据图像作为cnn的输入。一幅图像容纳了32 * 32 * 10(高×宽×带)像素。因此，除1、9、10波段外，其余S2波段均作为输入，经大气校正后剔除。
- python 图像通道合并

```python
import numpy as np
from PIL import Image
b=Image.open(filename_b)
g=Image.open(filename_g)
r=Image.open(filename_r)
np.array(b)
np.array(g)
np.array(r)
# 合并通道 axis指的是在哪一个维度上合并
img=np.stack((r,g,b),axis=-1)
# 数组转化为图像
img=Image.fromarray(np.uint8(img))
```

- 遥感图像的季节选取
  - 春分 3/20
  - 夏至 6/21
  - 秋分 9/22
  - 冬至 12/21