- 博客(8)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 svm支持向量机
支持向量机的最终求解可以化为一个具有线性约束的二次凸规划问题,不存在局部极小。通过引人核方法,可以将线性支持向量机简单地推广到非线性支持向量机,而且对于高维样本几乎不增加额外的计算量。算法首先随机选用一部分样本作为工作集即训练集,得到一组乘子。然后用条件对其余的样本进行检验,再把违反条件的样本加人到工作集中,同时删去前一次训练集合中的非支持向量机,重复这一过程,直到所有的样本满足条件为止。2000
2016-06-22 21:00:26
631
原创 Computer Vision and the machine learning workflow
The Computer Vision applications with machine learning have a common basicstructure. This structure is divided into different steps that are repeated in almost all Computer Vision applications, and so
2016-06-19 10:42:35
783
原创 Windows10 x64 环境安装配置OpenCV3.1.0和添加OpenCV_contrib库到OpenCV3.10中及重新配置环境
如何安装并配置OpenCV3.1.0添加OpenCV_contrib库至OpenCV3.1.0中ubuntu 14.04 64位 安装Opencv3.1.0 （包含opencv_contrib模块） 据官方说法，目前还不是太稳定的算法模块都在opencv_contrib里边，由于不稳定，所以不能在release版本里发行，只有在稳定以后才会放进releas
2016-06-19 09:46:35
1228
1
原创 计算机视觉及机器学习的一些学习资源（都是干货）
自己也是菜鸟在网上找的一些资源给大家分享。 第一部分 PRML 笔记 来自 Bishop 的经典书籍 Pattern Recognition and Machine Learning。第二部分 DP 笔记 来自 Bengio 的最新书籍 Deep Learning. 机器学习的系列笔记，内容包括：聚类(Clustering)、支持向量机、学习模型的评估和选择、神
2016-06-16 08:38:09
1993
转载 计算机视觉领域研究资源及期刊、会议介绍
做机器视觉和图像处理方面的研究工作，最重要的两个问题：其一是要把握住国际上最前沿的内容；其二是所作工作要具备很高的实用背景。解决第一个问题的办法就是找出这个方向公认最高成就的几个超级专家(看看他们都在作什么)和最权威的出版物(阅读上面最新的文献)，解决第二个问题的办法是你最好能够找到一个实际应用的项目，边做边写文章。做好这几点的途径之一就是利用网络资源，利用权威网站和专家们的个人主页。依照
2016-06-13 18:48:45
1154
原创 OpenCV学习Object Segmentation
这里介绍一种物体分割和检测的一种方法。完成该功能包括了如下步骤：1.去噪；2.去除背景或光线；3.二值化；4.联通域或提取轮廓进行物体分割。#include "opencv2/core.hpp"#include "opencv2/core/utility.hpp"#include "opencv2/imgproc.hpp"#include "opencv2/hig
2016-06-13 16:07:41
3261
2
原创 OpenCV学习Histogram&equalizeHist&Lomography effect&Cartoonize effect实现
本小实验完成如下五个功能：1：使用trackbar实现button功能（OpenCV不自带button，不用QT我只能用trackerbar来实现可视化操作了）；2：计算并绘制直方图；3：Histogram equalization；4：实现lomography效果；5：实现cartoonize效果。 3中为了色调均衡化一幅彩色图像，我们可以对图像的HSV 或
2016-06-09 08:38:26
1666
原创 OpenCV学习Canny
#include "opencv2/imgproc/imgproc.hpp"#include "opencv2/highgui/highgui.hpp"#include #include using namespace cv;/// 全局变量Mat src, src_gray;Mat dst, detected_edges;int edgeThresh = 1;int l
2016-06-04 09:28:51
705
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人