denghe1122-CSDN博客

转载核函数与径向基函数 (Radial Basis Function 简称 RBF)详解

转载于：http://blog.csdn.net/huang1024rui/article/details/515106111.核函数1.1核函数的由来-----------还记得为何要选用核函数么？-----------对于这个问题，在Jasper's Java Jacal博客《SVM入门（七）为何需要核函数》中做了很详细的阐述，另外博主对于SVM德入门学习

2017-09-27 09:26:21 25896 1

转载由浅入深理解傅里叶—— 看完你还不懂的话，你可以回来掐死我（原作者说的，要掐掐死他）

最近，一直在研究视觉追踪图像处理，其中傅里叶变换是非常重要的一环。单单只是会使用OpenCV里面的库函数，感觉是远远不够的，所以对傅里叶变换进行了研究。无意间发现了原来作者的一篇技术博客，看完以后，醍醐灌顶。在此给大家分享一下。我主要修改了两个地方：1）文章中卖萌的语句，我给删除了，可能是我欣赏不来。2）文章中一些动图，我给做了显示。原文链接如下：https://zhuanlan.

2017-09-26 19:59:51 1846

原创余弦窗(汉宁窗)的作用——图像预处理

1.MOSSE（Visual Object Tracking using Adaptive Correlation Filters）3.1 Preprocessing(文章原处) : One issue with the FFT convolution algorithm is that the image and the filter are mapped to the topol

2017-09-25 15:12:53 22044 1

转载图像处理中的卷积和滤波详解

本文主要介绍了图像处理中卷积和滤波的相关原理。一、线性滤波与卷积的基本概念线性滤波可以说是图像处理最基本的方法，它可以允许我们对图像进行处理，产生很多不同的效果。做法很简单。首先，我们有一个二维的滤波器矩阵（有个高大上的名字叫卷积核）和一个要处理的二维图像。然后，对于图像的每一个像素点，计算它的邻域像素和滤波器矩阵的对应元素的乘积，然后加起来，作为该像素位置的值。这样就完成

2017-09-25 11:18:57 3652

原创视频转换成图像序列、图像转换成视频（代码）

在目标检测领域，经常碰到将视频转换成图像序列，或者将图像序列转成视频。下面一段代码可实现此类功能。废话不多说，直接上代码void Video2Pic() { cv::VideoCapture vc; bool flag = vc.open("G:\\20140524\\S1050003.MP4"); if (!flag) {

2017-09-24 11:30:28 6633 1

原创三帧差法运动目标检测代码及注释

代码及注释仅供参考。int CallTime = 0;//定义调用次数计数器 IplImage* BackGroundImage;//上一帧灰度图 IplImage* DiffImage_1;//上一帧差分图的二值化图 void ThreeFrmDiff(IplImage* pColorIn) { CallTime++; if(CallTime >

2017-09-23 16:29:40 3151

原创将一个16进制的数的二进制位反序

这是昨天晚上某号称中国创新力最强的应用层网络设备供应商的一题笔试编程题。题目看似简单，总的来说吧，会的人不难，不会的人无从下手。题目如下：题目：程序如下：编写函数reverse(),将val(32位无符号整数)的二进制位反序。比如，如果val的二进制表示为1011000011111111，反序后的val的二进制表示为 1111111100001101.

2017-09-22 10:32:55 4709

转载 fstream ,ifstream,ofstream的用法详解

fstream的使用方法ofstream是从内存到硬盘，ifstream是从硬盘到内存，其实所谓的流缓冲就是内存空间; 在C++中，有一个stream这个类，所有的I/O都以这个“流”类为基础的，包括我们要认识的文件I/O，stream这个类有两个重要的运算符：1、插入器(　　向流输出数据。比如说系统有一个默认的标准输出流(cout)，一般情况下就是指的显示器，所以，cout<<

2017-09-21 11:03:02 1374

原创 KCF目标跟踪代码及注释

代码链接在这tracker.h：定义Tracker类[cpp] view plain copy #pragma once #include #include class Tracker { public: Tracker() {} virtual ~Tracker() { } virtua

2017-09-20 09:43:33 16247 11

原创 RGB颜色空间与Lab颜色空间区别与联系(附转换代码)

RGB颜色空间RGB颜色是红色（Red）、绿色（Green）和蓝色（Blue）三基色的字母缩写。RGB色彩模式是通过三种基本颜色的不同程度的迭加来产生各种各样的不同颜色。这个标准能够涵盖人类视力所能感知的所有颜色，是目前运用广泛的颜色系统之一。RGB(red,green,blue)颜色空间最常用的用途就是显示器系统，彩色阴极射线管,彩色光栅图形的显示器都使用R、G、B数值来驱动R、G

2017-09-19 16:47:00 12022

翻译基于RNN的在线多目标跟踪——OnLine Multi-Target Tracking Using Recurrent Neural Networks

论文链接：https://arxiv.org/pdf/1604.03635.pdf由于在 CSDN 上编辑公式太麻烦，所以，我把翻译内容整理到文档上，然后发截图1、背景简介无限制环境下的多目标跟踪仍然是一个具有挑战性的任务。即使经过几十年的研究，但跟踪的准确性远远达不到人类的标准。随着近些年来，深度学习的兴起，与多目标跟踪的有关的工作依然很少。这篇文章，我们在实际场景中对多

2017-09-18 15:56:58 8116 2

转载 caffe blob类用法详解

此部分内容参考了三人的博客,写的东西有相同之处和不同之处,互相补充吧. 1. 转载链接:http://blog.csdn.net/chenriwei2/article/details/46367023 主要功能：Blob 是Caffe作为数据传输的媒介，无论是网络权重参数，还是输入数据，都是转化为Blob数据结构来存储，网络，求解器等都是直接与此结构打交道的。

2017-09-18 14:12:57 11966

转载 caffe nat 类代码分析详解

Net类是Solve类的一个成员，主要功能// Net connects Layers together into a directed acyclic graph (DAG) specified by a NetParameter,to achieve // initialization through layer by layer, and provide Update () interfa

2017-09-18 10:05:05 1747

转载行人检测综述

PART Ifrom: http://www.cnblogs.com/molakejin/p/5708791.html行人检测具有极其广泛的应用：智能辅助驾驶，智能监控，行人分析以及智能机器人等领域。从2005年以来行人检测进入了一个快速的发展阶段，但是也存在很多问题还有待解决，主要还是在性能和速度方面还不能达到一个权衡。近年，以谷歌为首的自动驾驶技术的研发正如火如荼的进行，这也迫

2017-09-15 09:14:37 25822

原创近几年研究进展——相关滤波追踪

今天重新安装了 ubuntu 14.04 ，想要重新安装OpenCV3.2 。但是出现了很多问题。首先，在安装依赖项的时候：sudo apt-get install build-essential libgtk2.0-dev libvtk5-dev libjpeg-dev libtiff4-dev libjasper-dev libopenexr-dev libtbb-dev

2017-09-07 18:02:59 493

原创 ubuntu 14.04 下同时安装OpenCV2.4.8和OpenCV3.2,版本共存切换

由于实验室需要用到ROS，在安装ros-indigo的时候，系统默认安装了 OpenCV2.4.8版本，直接使用还挺好的。但是，科研需要与时俱进啊，新版的OpenCV３.0以上集成了好多新的功能。比如说，近两年很火的目标跟踪算法KCF、Goturn算法等，都在ＯpenCV3.1中集成了，直接使用比较方便。但是，ros系统的运行，需要２.4.8版本中的一些比如CV_BRIDGE，所以，２.4.8版本

2017-09-07 08:51:19 3584

转载 opencv3.0中的无缝克隆图像——seamless_cloning（Poisson Image Editing）

opencv3.0 photo 模块加入了seamless_cloning类。该类对应的论文是“Poisson Image Editing”主要可以实现一下功能：seamless clone：纹理传输：去除光噪：等等。本文主要以normal_clone为例，从代码层面解释整个流程：

2017-09-06 09:53:07 7010

转载理解卷积神经网络CNN中的特征图 feature map

一直以来，感觉 feature map 挺晦涩难懂的，今天把初步的一些理解记录下来。参考了斯坦福大学的机器学习公开课和七月算法中的机器学习课。 CNN一个牛逼的地方就在于通过感受野和权值共享减少了神经网络需要训练的参数的个数。总之，卷积网络的核心思想是将：局部感受野、权值共享（或者权值复制）以及时间或空间亚采样这三种结构思想结合起来获得了某种程度的位移、尺度、形变不...

2017-09-05 10:18:54 56797 15

转载基于深度学习的目标检测技术演进

作者：Madcola来源：https://www.cnblogs.com/skyfsm/p/6806246.htmlobject detection我的理解，就是在给定的图片中精确找到物体所在位置，并标注出物体的类别。object detection要解决的问题就是物体在哪里，是什么这整个流程的问题。然而，这个问题可不是那么容易解决的，物体的尺寸变化范围很大，摆放物体的角度，姿态不定，而且可以出现...

2017-09-05 08:54:07 2223

转载 TLD目标跟踪算法详解（二）学习器Learning （跟踪器与检测器的协调与更新）

原文链接：http://blog.csdn.net/wood_water/article/details/9023151 在上一篇跟踪器与检测器（tracker and detector）中，我们已经详细介绍了TLD中跟踪器与检测器的设计方案，而在具体运行过程中需要对二者进行调和，所谓调和主要指两方面：1.对二者输出的结果综合考虑，选择最有可能的作为最终的输出。2.当目标跟...

2017-09-03 21:55:28 2617

转载 TLD算法详解（一）前言 + 跟踪器与检测器的设计

原文：http://blog.csdn.net/wood_water/article/details/9017681。本文略微做了增减等修改。 TLD是英国Surrey大学的Zdenek Kalal发表在PAMI2012年七月刊的一篇文章，主要贡献在于将跟踪与检测结合在一起，实现了工程上可应用的实时跟踪程序。而本篇文章其实是对ZK 在 2009年的paper:Online learni...

2017-09-03 21:52:12 2997

原创不使用加减乘除+-*/，实现减法运算

上篇文章中，解释了不使用加减乘除+-*/，实现加法运算，那么如何实现减法呢？方法一、将被减数取反，利用加法运算。先看程序：int add(int a, int b){ if (a == 0) return b; if (b == 0) return a; int p1 = a&b;//位与。 p1 = p1 << 1;//这两句只考虑进位 int p2 = a

2017-09-03 11:04:15 2442

原创不使用加减乘除+-*/，实现加法运算（使用位运算符）

从计算机的角度看数据，都是二进制的。所以，我们可以利用位操作符，位与（&）、位或（|）、位异或（^）。而加法的实现，最主要的就是确定什么时候进位。程序如下：int add(int a, int b){ if (a == 0) return b; if (b == 0) return a; int p1 = a&b;//位与。 p1 = p1 << 1;//这两句只考虑进位

2017-09-01 16:20:21 2390

转载如何在C++中方便的将float、int等类型数据转换成string类型，并利用ROS中的std_msg/String发布出去

原文链接：http://blog.csdn.net/shawn_zhangguang/article/details/53609200 在ROS系统中有时候我们需要利用标准的消息类型如std_msg/String等进行发布某些数据，这就需要将不同的数据类型进行相互转化，比如：float -->string int---->string 等。这里利用str

2017-09-01 09:56:45 3333

转载深度学习中关于特征

原地址：http://blog.csdn.NET/zouxy09/article/details/8775488 因为我们要学习的是特征的表达，那么关于特征，或者说关于这个层级特征，我们需要了解地更深入点。所以在说Deep Learning之前，我们有必要再啰嗦下特征（呵呵，实际上是看到那么好的对特征的解释，不放在这里有点可惜，所以就塞到这了）。四、

2017-08-31 16:29:42 15789 1

翻译 ECO论文翻译：Efficient Convolution Operators for Tracking论文翻译

摘要近些年来，在目标追踪领域，基于判别式相关滤波（DCF）的方法明显体现了最高水平。不过，曾经追求提高包括提取特征的速度和实时性等追踪性能（的研究）,已经逐渐黯然失色。在将来，越来越复杂的、并且包含大量训练参数的模型,已经引入了重度过拟合的风险（意思是，越来越复杂的模型，更容易引起很严重的过拟合）。本次工作中，我们处理复杂计算和过拟合问题背后的关键问题，并且，同时改善速度和精度。

2017-08-30 16:11:10 5520 7

原创什么是过拟合？

过拟合很好理解，今天在知乎上看到一个人这么解释，挺形象的，大致是这么个说法。在机器学习中，我们想要提高在训练数据上的表现力

2017-08-30 14:57:02 13192

转载 Caffe 学习——训练和测试自己的图片

原文地址：http://www.cnblogs.com/denny402/p/5083300.html 学习caffe的目的，不是简单的做几个练习，最终还是要用到自己的实际项目或科研中。因此，本文介绍一下，从自己的原始图片到lmdb数据，再到训练和测试模型的整个流程。一、准备数据有条件的同学，可以去imagenet的官网http://www.image-net.org

2017-08-30 11:22:36 1132 2

转载知道这20个正则表达式，能让你少写1000行代码

转载于： http://www.jianshu.com/p/e7bb97218946正则表达式，一个十分古老而又强大的文本处理工具，仅仅用一段非常简短的表达式语句，便能够快速实现一个非常复杂的业务逻辑。熟练地掌握正则表达式的话，能够使你的开发效率得到极大的提升。下面是@技匠整理的，在前端开发中经常使用到的20个正则表达式。正则表达式经常被用于字段或任意字符串的校验，如下面

2017-08-27 12:02:43 1301

原创匈牙利算法——最大匹配问题（具体例程）—— 过山车问题、奶牛选择问题产奶、飞行员匹配

1、（杭电2613）—— 过山车问题Problem DescriptionRPG girls今天和大家一起去游乐场玩，终于可以坐上梦寐以求的过山车了。可是，过山车的每一排只有两个座位，而且还有条不成文的规矩，就是每个女生必须找个个男生做partner和她同坐。但是，每个女孩都有各自的想法，举个例子把，Rabbit只愿意和XHD或PQK做partner，Grass只愿意和linl

2017-08-27 11:41:27 1455

原创匈牙利算法——最大匹配问题详解

2017年中兴提前批校招，就考了一题匈牙利算法。匈牙利算法是由匈牙利数学家Edmonds于1965年提出，因而得名。匈牙利算法是基于Hall定理中充分性证明的思想，它是部图匹配最常见的算法，该算法的核心就是寻找增广路径，它是一种用增广路径求二分图最大匹配的算法。先了解一些概念性的东西吧。 1.二分图设G=(V,E)是一个无向图，如果顶点V可分割为两个互不相交的子

2017-08-27 11:25:48 40821 10

原创 string 中关于 npos 的使用方法详解

一、关于npos的定义在MSDN中有如下说明： basic_string::npos static const size_type npos = -1;//定义以上的意思是npos是一个常数，表示size_t的最大值（Maximum value for size_t）。许多容器都提供这个东西，用来表示不存在的位置，类型一般是std

2017-08-24 15:26:10 6598

原创 string 类成员函数 find() / find_first_of() / find_last_of() 的用法详解

一：find（）函数用法详解函数原型： size_t find(const string &str, size_t pos = 0) const size_t find (const char *s, size_t pos, size_t n) const size_t find (const char *s, size_t pos =

2017-08-24 14:32:39 2872

转载深度学习在目标跟踪中的应用

原文地址：深度学习在目标跟踪中的应用。作者为中科院一学生，总结的特别特别好。开始本文之前，我们首先看下方给出的3张图片，它们分别是同一个视频的第1，40，80帧。在第1帧给出一个跑步者的边框(bounding-box)之后，后续的第40帧，80帧，bounding-box依然准确圈出了同一个跑步者。以上展示的其实就是目标跟踪(visual object tracking)的过程。目标跟踪(

2017-08-24 10:28:56 6862

转载 ECO: Efficient Convolution Operators for Tracking视频目标跟踪论文笔记（PPT版）

原文地址：http://blog.csdn.net/discoverer100/article/details/62885860原创 2017年03月17日 13:25:49181662论文标题：ECO: Efficient Convolution Operators for Tracking论文主页：http://www

2017-08-24 09:20:14 2264 1

原创 CVPR 2017 论文集锦（目标检测与目标追踪相关）

CVPR 2017 有很多优秀的论文，但，学，是无止境的，正所谓“伤其十指，不如断其一指”，这么多内容我也不可能一一整理。未来，导师让我做目标检测与目标追踪等方向的研究。因此，以下，只整理了关于目标检测与目标追踪方向的论文。 CVPR 2017关于单目标追踪的论文总共11篇，相关滤波7篇，其中1篇是oral，3篇用到卷积特征，相关滤波占了64%，(非卷积特征的)CNN相关4篇，可以看出目

2017-08-23 10:34:36 8184 1

原创 CVPR 2017论文集锦（论文分类）—— 附录部分翻译

作为计算机视觉领域的三大顶级会议之一，CVPR 2017 又收录了很多优秀的文章。具体可参见 CVPR 的论文官网：http://www.cvpapers.com/cvpr2017.html Machine Learning 1 （机器学习）Spotlight 1-1A （关注的焦点 1-1 A）Exclusivity-Consistency Regular

2017-08-23 09:51:09 28294

原创 SSD 源码分析

1、将随机数字去重+排序程序如下： bool comp(const int &s1, const int &s2) { return s1 < s2; }int main(){ int num_total,num; int a[1000] = {0}; // 注意：此时的下标索引不再仅仅是0~9的数字了，而是一个数，可能很大 cin >> num_total;

2017-08-22 08:40:26 2011 3

原创牛客网三道编程题（六) 之华为机试在线训练（五）对随机数字去重、排序；取近似值

1、对随机数字去重、排序这道题我做的是对的。但是编译器显示有个结果输错了。我在VS2013下，把61个数据输送了一遍，显示的结果是正确的。我也就呵呵了。我的程序是这样的：#include #include #include #include using namespace std; bool comp(const int &s1, const int &

2017-08-21 20:35:19 1020

原创牛客网三道编程题（五) 之华为机试在线训练（四）进制转换、删除重复出现的数字、句子逆序

1、进制转换

2017-08-21 14:40:41 1625

cudnn5.1zip

cuda_8.0驱动

OpenCV 在linux 下的基础编程模板

空空如也