- 博客(11)
- 资源 (2)
- 收藏
- 关注
原创 3DDFA 在win10 下的编译
3DDFA对于大角度侧脸效果很好,github地址:https://github.com/cleardusk/3DDFA1. 安装python 和对应版本的Anaconda,我自己用的是python 3.6和对应的Anaconda3-5.2.02. 安装pytorch。 进入pytorch 官网:https://pytorch.org/ 选择好操作系统、pyth...
2019-04-24 09:36:46 1044 1
原创 ceres windows10 VS2015 编译
1. CMAKE 安装gflags gflags源码:https://github.com/gflags/gflagsCMAKE中无需任何设置,无需任何第三方库,直接configure和generate。需要注意的是,CMAKE配置的是32位,当编译64位时,需要在库管理器->命令行中将/machine:X86改成/machine:X64 2. CMAKE 安装glog...
2019-01-02 13:37:44 1371
原创 近几年video segmentation的文章
1. Spectral Graph Reduction for Efficient Image and Streaming Video Segmentation. CVPR 2014Fabio Galasso* (Max Planck Institute), Margret Keuper (University of Freiburg), Thomas Brox (University of
2015-01-19 21:39:54 1794
转载 2014ECCV视觉跟踪录用文章
Motion and tracking Graduated Consistency-Regularized Optimization for Multi-Graph MatchingA Generative Model for the Joint Registration of Multiple Point SetsTracking using Multilevel Quantizati
2014-08-12 09:27:35 1239
原创 一些关于VS2010的目录设置
VS2010默认的工作目录是与cpp同目录,即$(ProjectDir)。但是生成的binary是在solution目录下的debug和release文件夹中。有时候为了方便,可以将工作目录设置在binary所在的文件夹中,如果下图所示设置在release目录中也是类似地。很多时候,为了方便与他人传递VS工程,需要将第三方库设置在solution目录下。可以如下图设置第三方
2013-12-05 19:45:23 997
原创 windows 下编译yaml-cpp
yaml库依赖于boost,所以先装boost。1. 下载 boost http://www.boost.org/ 我下的最新版本 1.55.0,然后解压文件。2. 在开始菜单里打开 Microsoft Visual Studio 2010 -> Visual Studio Tools-> Visual Studio Command Prompt(命令提示行)3. cd 到解压目录,输
2013-11-29 10:41:32 6348 3
原创 在Matlab下编译sparseLM
levmar库给出了一个很好的LM算法实现。可是在处理实际问题中,我们要求解的参数可能非常多,而且这些参数之间关联性不大,这就造成了输入到LM算法的Jacobian矩阵规模很大,而且非常sparse。如果直接传给LM算法,很可能out of memery。这也是levmar的sparse版本sparseLM产生的动机。 相较于levmar,sparseLM依赖于更多的库来处理稀疏性,因此
2012-11-17 22:05:55 1880 4
原创 在Matlab下编译levmar
Levenberg-Marquardt已经成为现在最为通用的非线性最小二乘算法,而levmar库提供了一个非常简便和鲁棒的实现。 levmar给出了c++和matlab两个版本。在msvc下编译levmar,网上有很多现有的教程,这里不再赘述。要注意的是,levmar依赖于lapack\blas库来求解一些基本的线性代数问题,可以直接下载MSWin下编译好binary files。然后在
2012-11-17 18:35:39 2598 2
原创 贝叶斯线性回归(一)
前段时间看完支持向量机(SVM),这两天在看相关向量机(RVM)。不同于SVM,RVM用贝叶斯的方法来解决有监督学习中经典问题回归和分类。同时,RVM还保留了SVM的一些特性,但是RVM的模型更为简单,对于同样的测试集似乎比SVM要快一点。关于更多SVM和RVM的比较是今后的任务,现在主要介绍下RVM的基本思想和原理。 SVM是从二元分类问题发展开来的,而RVM是从回归问题扩展开来的。因此,在正式介绍RVM之前,想讲讲贝叶斯线性回归。 观察值集合{xn},n=1, 2, ..
2011-05-21 10:12:00 3698
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人