svm、HMM、hog、Gobor、Gog高斯差分、小波变换
文章平均质量分 72
liulina603
治疗对未来焦虑的良药就在今天你自己的所为
展开
-
利用SVM训练自己的XML文件
在人脸检测中,我们一般利用训练好的XML文件去预测图像中是否存在人脸,那么XML文件是如何得到的,按照人脸的XML文件,它应该是提取样本的Haar特征,利用某个机器学习方法,最终得到的。本文主要讨论如何得到自己的XML文件。 在机器学习中,首先应该是采集样本,然后提取他们的特征,本人主要利用HOG特征进行实验。1、采集样本图像(正样本和负样本),将其归一化到一个的尺度,如4转载 2012-10-26 11:01:09 · 8033 阅读 · 1 评论 -
【OpenCV】SIFT原理与源码分析:DoG尺度空间构造
http://blog.csdn.net/xiaowei_cqu/article/details/8067881《SIFT原理与源码分析》系列文章索引:http://blog.csdn.net/xiaowei_cqu/article/details/8069548尺度空间理论自然界中的物体随着观测尺度不同有不同的表现形态。例如我们形容建筑物用“米”,观测分子、原子等用“纳米”。转载 2013-03-11 10:21:36 · 3702 阅读 · 0 评论 -
Gabor的OpenCV代码
最近弄人脸识别,用到Gabor卷积核,但网上的代码似乎没有和我心意的,于是参考了自己写了下!参考了Zhou Mian以及matlab的Gabor实现代码的代码。虽然OpenCV的imporc下面有个gabor.cpp,但那个是一般形式的公式,不是用来做人脸识别的,可以参考文献A review on Gabor wavelets for face recognition,又说到。上代码和链接地址转载 2013-03-11 09:55:14 · 8109 阅读 · 4 评论 -
隐马尔科夫模型HMM(1)
隐马尔科夫模型HMM(1)介绍 崔晓源 翻译我们通常都习惯寻找一个事物在一段时间里的变化规律。在很多领域我们都希望找到这个规律,比如计算机中的指令顺序,句子中的词顺序和语音中的词顺序等等。一个最适用的例子就是天气的预测。首先,本文会介绍声称概率模式的系统,用来预测天气的变化然后,我们会分析这样一个系统,我们希望预测的状态是隐藏在表象之后的,并不是我们观察到的现象。比如,我们转载 2013-01-09 14:22:22 · 1784 阅读 · 0 评论 -
Gog高斯差分分析
代码在下面的网址中,http://blog.csdn.net/tianguokaka/article/details/6416684 在计算机视觉中,高斯差(英语:Difference of Gaussians,简称“DOG”)是一种将一个原始灰度图像的模糊图像从另一幅灰度图像进行增强的算法,通过DOG以降低模糊图像的模糊度。这个模糊图像是通过将原始灰度图像经过带有不同标转载 2013-03-08 16:14:54 · 10329 阅读 · 2 评论 -
DoG 、Laplacian、图像金字塔详解
DoG(Difference of Gaussian)DoG (Difference of Gaussian)是灰度图像增强和角点检测的方法,其做法较简单,证明较复杂,具体讲解如下:Difference of Gaussian(DOG)是高斯函数的差分。我们已经知道可以通过将图像与高斯函数进行卷积得到一幅图像的低通滤波结果,即去噪过程,这里的Gaussian和高斯低通滤波器的高斯一样,是一转载 2013-03-11 10:26:39 · 22842 阅读 · 4 评论 -
DoG (Difference of Gaussian)角点检测
http://blog.csdn.net/abcjennifer/article/details/7639488#commentsDoG (Difference of Gaussian)是灰度图像增强和角点检测的方法,其做法较简单,证明较复杂,具体讲解如下:Difference of Gaussian(DOG)是高斯函数的差分。我们已经知道可以通过将图像与高斯函数进行卷积得到一幅图像的低通转载 2013-03-11 13:34:50 · 2809 阅读 · 0 评论 -
HOG特征(Histograms of Oriented Gradients)
定义:梯度方向直方图本质:梯度的统计信息,而梯度主要存在于边缘的地方1.标准化gamma空间和颜色空间为了减少光照因素的影响,首先需要将整个图像进行规范化。在图像的纹理强度中,局部的表层曝光贡献的比重较大,所以,这种压缩处理能够有效地降低图像局部的阴影和光照变化。因为颜色信息作用不大,通常先转化为灰度图Gamma压缩公式:比如可以取Gamma=1/2 2.计算梯度原创 2013-02-03 09:25:22 · 5327 阅读 · 3 评论 -
LibSVM学习(二)——第一次体验libSvm
1. 把LibSVM包解压到相应的目录(因为我只需要里面windows文件夹中的东东,我们也可以只把windows文件夹拷到相应的目录),比如D:/libsvm。2. 在电脑“开始”的“运行”中输入cmd,进入DOS环境。定位到d:/ libsvm下,具体命令如下: d: (回车) cd /libsvm/windows (回车) (上面第一行转载 2013-01-22 13:16:42 · 1431 阅读 · 0 评论 -
vs2005hog+svm,vs2008 hog+svm 中的computer()函数出错折磨我好几天
#include "stdafx.h"#include #include "cv.h" #include "highgui.h" #include #include #include #include #include #include #include #include "cvaux.h"us原创 2013-02-02 21:20:02 · 4288 阅读 · 16 评论 -
libsvm数据格式、c语言输出符合libsvm要求格式的特征文件代码
该软件使用的训练数据和检验数据文件格式如下: : : ... 其中 是训练数据集的目标值,对于分类,它是标识某类的整数(支持多个类);对于回归,是任意实数。index> 是以1开始的整数,可以是不连续的;为实数,也就是我们常说的自变量。检验数据文件中的label只用于计算准确度或误差,如果它是未知的,只需用一个数填写这一栏,也可以空着不填。在程序包中,还包括有一个训练数据实例:原创 2013-01-22 08:28:05 · 4235 阅读 · 5 评论 -
libSVM简介及核函数模型选择
1. libSVM简介训练模型的结构体struct svm_problem //储存参加计算的所有样本{int l; //记录样本总数double *y; //指向样本类别的组数struct svm_node **x;//数据样本};当样本类别事先已经被告知时,可以通过数字来给样本数据进行标识(如果是两类通常以1与-1来表示)。如果不清楚样本类别可以用样本个数编号来原创 2013-01-29 14:01:18 · 51101 阅读 · 5 评论 -
用于预测分析的分类与回归
分类(classification)是这样的过程,它找出描述和区分数据类或概念的模型(或函数),以便能够使用模型预测类标号未知的对象的类标号。导出模型是基于对训练数据集(即,类标号已知的数据对象)的分析。该模型用来预测类标号未知的对象的类标号。“如何提供导出的模型?”导出的模型可以用多种形式表示,如分类规则(即IF-THEN规则)、决策树、数学公式或神经网络(见图1.9)。决策树是一种类似于流转载 2013-01-30 17:08:42 · 5629 阅读 · 2 评论 -
简述样本回归函数与总体回归函数的区别
总体回归函数也成为理论回归函数,模型为 E(y | x)= a + b x其中参数ab存在但未知,是一个期望值,样本回归函数也成为经验回归函数模型为 y^ = a^ + b^ x其中a^ 、b^为根据样本数据估计出来的值,y^也是通过估计所得的方程预测出来的值。非实际模型,知识用来拟合实际模型。 总体回归线是未知的,只有一条。样本回归线是根据样本数据拟合的,每抽取一转载 2013-01-30 17:03:48 · 36750 阅读 · 0 评论 -
[机器学习之SVM] 线性SVM还是非线性SVM?
SVM的应用领域很广,分类、回归、密度估计、聚类等,但我觉得最成功的还是在分类这一块。 用于分类问题时,SVM可供选择的参数并不多,惩罚参数C,核函数及其参数选择。对于一个应用,是选择线性核,还是多项式核,还是高斯核?还是有一些规则的。 实际应用中,多数情况是特征维数非常高。如OCR中的汉字识别,提取8方向梯度直方图特征,归一化的字符被等分成8*8的网格,每个网格计转载 2013-01-29 13:46:05 · 10641 阅读 · 1 评论 -
Vc++调用Libsvm
LibSVM的package中的Readme文件中介绍了怎样具体的使用LibSvm,可以在Dos下以命令形式进行调用,也可以用程序包中提供的GUI程序Svm-toy进行图形化的操作。svm-toy提供了store和load操作,可以很方便的手动生成数据,然后store到磁盘中。load可用来从文件中直接调用数据,包括自己手动生成的,更重要的是可用导入数据库中的数据。以上两个方法在具体的研究开发转载 2013-01-23 10:19:21 · 9643 阅读 · 11 评论 -
LibSVM学习(一)——初识LibSVM
LibSVM是台湾 林智仁(Chih-Jen Lin)教授2001年开发的一套支持向量机的库,这套库运算速度还是挺快的,可以很方便的对数据做分类或回归。由于libSVM程序小,运用灵活,输入参数少,并且是开源的,易于扩展,因此成为目前国内应用最多的SVM的库。 这套库可以从http://www.csie.ntu.edu.tw/~cjlin/免费获得,目前已经发展到转载 2013-01-22 13:01:23 · 1634 阅读 · 0 评论 -
svm图像训练与测试
#include #include #include #include#include#include #include #include #include using namespace std;using namespace boost;#define WIDTH 20#define HEIGHT 20int main( ){转载 2012-12-03 11:02:38 · 5114 阅读 · 1 评论 -
一维的Haar小波变换
小波变换的基本思想是用一组小波函数或者基函数表示一个函数或者信号,例如图像信号。为了理解什么是小波变换,下面用一个具体的例子来说明小波变换的过程。1. 求有限信号的均值和差值 [例] 假设有一幅分辨率只有4个像素 的一维图像,对应的像素值或者叫做图像位置的系数分别为: [9 7 3 5] 计算它的哈尔小波变换系数。计算步原创 2013-03-08 10:01:10 · 28711 阅读 · 8 评论