- 博客(95)
- 资源 (1)
- 收藏
- 关注
RSS订阅转载 机器学习（Machine Learning）大家与资源
内容挺多的，转过来吧=======================国外====================Machine Learning 大家(1)：M. I. Jordan (http://www.cs.berkeley.edu/~jordan/) 在我的眼里，M Jordan无疑是武林中的泰山北斗。他师出MIT，现在在berkeley坐镇一方，在附近的两所名校
2014-11-21 18:12:00
12266
原创 Multi-Instance Learning 和 Latent SVM
MIL和weakly supervised learning有扯不清的关系（有点虾和蛋的关系）。Pedro的Latent SVM算是MILSVM的一个变种，相当于在MIL上加上技巧就可以实现Latent SVM，既然是技巧，就是没有大的理论突破。那仔细看下它们的公式1. basic linear SVM这是个convex-problem，
2014-11-15 14:22:33
8094
转载 Locally linear embedding (LLE)算法简介
Locally linear embedding (LLE) (Sam T.Roweis and Lawrence K.Saul, Science，2000)是一种非线性降维方法，它能够使降维后的数据保持原有拓扑结构。 原始特征的数量可能很大，或者说样本是处于一个高维空间中，通过映射或变换的方法，降高维数据降低到低维空间中的数据，这个过程叫特征提取，也称降维。
2014-10-08 16:33:27
9158
1
原创 吴恩达 (Andrew Ng) 是一个怎样的人
5月17日早间消息，百度公司今天宣布，任命人工智能领域最权威的学者之一——吴恩达(Andrew Ng)博士为百度首席科学家，全面负责百度研究院。百度研究院在硅谷和北京设有实验室。
2014-09-23 10:04:18
6986
转载 斯坦福大学Andrew Ng教授主讲的《机器学习》公开课观后感
-------------------近日，在网易公开课视频网站上看完了《机器学习》课程视频，现做个学后感，也叫观后感吧。 学习时间从2013年7月26日星期五开始，在网易公开课视频网站上，观看由斯坦福大学Andrew Ng教授主讲的计算机系课程（编号CS229）《机器学习》（网址http://v.163.com/special/opencourse/m
2014-09-23 09:31:25
3287
转载 基于稀疏表示的人脸识别 (SRC,LASRC,RASL,MRR)
1. 问题背景 信号的稀疏表示并不是新的东西。我们很早就一直在利用这一特性。例如，最简单的JPEG图像压缩算法。原始的图像信号经过DCT变换之后，只有极少数元素是非零的，而大部分元素都等于零或者说接近于零。这就是信号的稀疏性。 任何模型都有建模的假设条件。压缩感知，正是利用的信号的稀疏性这个假设。对于我们处理的信号，时域上本身就具有稀疏性的信号
2014-09-21 18:58:38
18919
转载 Kmeans、Kmeans++和KNN算法比较
K-Means介绍 K-means算法是聚类分析中使用最广泛的算法之一。它把n个对象根据他们的属性分为k个聚类以便使得所获得的聚类满足：同一聚类中的对象相似度较高；而不同聚类中的对象相似度较小。其聚类过程可以用下图表示： 如图所示，数据样本用圆点表示，每个簇的中心点用叉叉表示。(a)刚开始时是原始数据，杂乱无章，没有label，看起来都一样
2014-09-21 12:38:11
79039
11
转载 Bag of Features (BOF)图像检索算法
1.首先，我们用surf算法生成图像库中每幅图的特征点及描述符。2.再用k-means算法对图像库中的特征点进行训练，生成类心。3.生成每幅图像的BOF，具体方法为：判断图像的每个特征点与哪个类心最近，最近则放入该类心，最后将生成一列频数表，即初步的无权BOF。4.通过tf-idf对频数表加上权重，生成最终的bof。（因为每个类心对图像的影响不同。比如超市里条形码中的第一位
2014-09-21 11:33:28
43687
5
转载 人脸识别新技术准确率超99%：比肉眼更加精准
香港中文大学教授汤晓鸥、王晓刚及其研究团队上周宣布，他们研发的DeepID人脸识别技术的准确率超过99%，比肉眼识别更加精准。 汤晓鸥领导的计算机视觉研究组 (mmlab.ie.cuhk.edu.hk) 开发了一个名为DeepID (深分证)的深度学习模型， 在LFW (Labeled Faces in the Wild)数据库上获得了99.15%的识别率。 LFW是人脸识别领
2014-06-26 16:49:23
8399
转载 【机器视觉】 概率模型与计算机视觉
概率模型与计算机视觉”林达华美国麻省理工学院（MIT）博士上世纪60年代, Marvin Minsky 在MIT让他的本科学生 Gerald Jay Sussman用一个暑假的时间完成一个有趣的Project : “link a camera to a computer and get the computer to describe what it saw”。从那时开始，特别
2014-05-27 08:54:28
2155
转载 图像特征概念
有少量修改，如有疑问，请问原作者！常用的图像特征有颜色特征、纹理特征、形状特征、空间关系特征。 一 ：颜色特征 （一）特点：颜色特征是一种全局特征,描述了图像或图像区域所对应的景物的表面性质。一般颜色特征是基于像素点的特征，此时所有属于图像或图像区域的像素都有各自的贡献。由于颜色对图像或图像区域的方向、大小等变化不敏感，所以颜色特征不能很好地捕捉图像中对象的
2014-05-12 10:47:58
24727
转载 最优化理论与KKT条件
看着内容挺好的，转载一下1. 最优化理论(Optimization Theory)最优化理论是研究函数在给定一组约束条件下的最小值(或者最大值)的数学问题. 一般而言, 一个最优化问题具有如下的基本形式:min.:f(x)s.t.:gi(x)≤0,i=1,2,...,p,hj(x)=0,k=1,2,...,q,x∈Ω⊂Rn
2014-05-09 09:59:50
48038
2
转载 编译boost 1.55
当前boost最新版本为1.55，下载地址：http://sourceforge.net/projects/boost/files/boost/1.55.0/boost官网上提供了使用指导，part2:Instllation就说明了如何去编译，地址：http://www.boost.org/boost-build2/doc/html/index.html1、打开VS
2014-04-29 16:48:04
4409
原创 Kernel method（给部门的讲义PRML chapter6）
参考PRML做的一个系列报告，这是其中之一1.2.3.4.5.6.7.8.
2014-04-03 11:22:34
2460
转载 Multiple Instance Learning
///////////////////////////////////////////推荐学习组//////////////////////////////http://www.robots.ox.ac.uk/~vgg///////////////////////////////////////////////////////////////////////////////////
2014-04-03 09:34:10
7686
1
转载 CVPR 2013 录用论文（目标跟踪部分）
http://blog.csdn.net/gxf1027/article/details/8650878完整录用论文官方链接：http://www.pamitc.org/cvpr13/program.php今年CVPR有open access,真是造福大众啊,特别造福了我这样的科研小菜鸟今年有关RGB-D摄像机应用和研究的论文渐多起来了。当然，自己还是比较关
2014-04-01 10:18:42
3133
转载 从CVPR2013看计算机视觉研究的三个趋势
申明：本文非笔者原创，原文转载自：http://www.bfcat.com/index.php/2013/07/compute-visioni-trends/tombone‘s blog 最近一直在update关于CVPR2013的感受，今天，他在博客中分享了 [CVPR 2013] Three Trending Computer Vision Research A
2014-04-01 10:17:16
2154
1
原创 数据挖掘领域中的分类和回归区别是什么？
先简单的说下吧，下面给出实际例子类和回归的区别在于输出变量的类型。定量输出称为回归，或者说是连续变量预测；定性输出称为分类，或者说是离散变量预测。举个例子：预测明天的气温是多少度，这是一个回归任务；预测明天是阴、晴还是雨，就是一个分类任务。 拿支持向量机举个例子，分类问题和回归问题都要根据训练样本找到一个实值函数g(x).回归问题的要求是：给定一个新
2014-01-07 17:02:46
6795
1
转载 AdaBoost算法简介及入门
一、Boosting算法的发展历史 Boosting算法是一种把若干个分类器整合为一个分类器的方法，在boosting算法产生之前，还出现过两种比较重要的将多个分类器整合 为一个分类器的方法，即boostrapping方法和bagging方法。我们先简要介绍一下bootstrapping方法和bagging方法。 1）bootstrapping方法的主要过程 主要步骤： i
2013-11-05 11:02:56
1487
转载 计算机视觉牛人（最早在自动化所论坛上发现的）
paper毕竟是死的, 写paper的人才是活的. 那么我现在研究一下cv圈的格局, 按师承关系, 借鉴前人, 我总结a tree stucture of cv guys.David Marr----->Shimon Ullman (Weizmann) ----->Eric Grimson (MIT) ----->Daniel Huttenlocher (Cor
2013-09-03 09:39:57
2051
转载 比较新的模式识别相关源码
http://rogerioferis.com/VisualRecognitionAndSearch/Resources.html Resources Visual Recognition and SearchEECS 6890 Topics in Information Processing (3 credits)Sprin
2013-08-02 09:55:17
2270
1
转载 opencv2 直方图
懒得自己写了 #include #include #include cv::Mat GetHist(const cv::Mat src); int main() { cv::Mat src = cv::imread("d:\\blueSky.bmp"); //得到源始图片直方图 cv::Mat srcHist = Ge
2013-07-19 11:33:21
1176
原创 自己写的一款图像处理软件，完善下看能否公开源码
功能：1.自定义图像格式读写显示2.通用格式图像读写显示3.基本的图像处理功能：a.平滑b.锐化c.直方图均衡d.灰度图像伪彩色化e.线性变化f.非线性变化h.反色i.目标识别4.图像处理过程记录5.鼠标拖动，滚轮缩放，滚动条6.键盘信息录入7.SQL Server数据库底层交互 平台：Microsoft系列操作系统 + V
2013-07-08 10:42:29
2229
2
原创 C 判断文件是否存在
忘了在那看到的了，写到这，记录一下 1)access2)fopen3)stat fstat?>>>>>应当使用函数access，头文件是io.h，原型： int access(const char *filename, int amode); amode参数为0时表示检查文件的存在性，如果文件存在，返回0，不存在，
2013-05-08 09:19:50
2840
原创 Object Recognition and Scene Understanding（九）模型转化Mat-〉XML
第一步：获取参数其中为matlab语言1.components 个数NumComponents= length(model.rules{model.start})ncom =length(model.rules{model.start}); 2.Numberof features这个固定， = 31，model文件中没有记录 3.Score threshold= model
2013-04-03 10:57:48
2755
7
原创 Object Recognition and Scene Understanding（八）Matlab中Latent SVM model参数含义
Matlab中mat文件model参数含义模型文件是按照Latent SVM模型保存语法保存参数的，利用了查表的思想，具体细节需要参考原始论文。这样保存的目的好像是计算方便。1.model简单节点内容 model.class= 'bottle'model.year= 2011model.note= 15-50-36等 2. model有以下关键节点filters:
2013-04-03 10:50:16
3374
原创 Object Recognition and Scene Understanding（七）OpenCV中Latent SVM模型文件XML
从该blog开始，逐步介绍DPM + Latent SVM。关于OpenCV下DPM+Latent SVM简单介绍参考上一篇博文：OpenCV Latent SVM Discriminatively Trained Part Based Models for Object Detection 以Cat.xml（opencv安装目录下sample/c内）为例
2013-04-03 09:39:39
5013
6
原创 OpenCV Latent SVM Discriminatively Trained Part Based Models for Object Detection
OpenCV 2.4版本实现了C++版本的DPM程序，和之前C版本的主要区别就是可以同时检测多种目标。使用时，可以把训练好的模型放到一个文件夹中，待检测的图像放到另一个文件夹中，即可检测。可惜没有考虑加速的内容。 Latent SVM¶Discriminatively Trained Part Based Models for Object Detection¶The obje
2013-03-18 11:35:09
9738
45
转载 计算机视觉领域的一些牛人博客，超有实力的研究机构等的网站链接
原作者：http://blog.csdn.net/carson2005/article/details/6601109 以下链接是本人整理的关于计算机视觉（ComputerVision, CV）相关领域的网站链接，其中有CV牛人的主页，CV研究小组的主页，CV领域的paper,代码，CV领域的最新动态，国内的应用情况等等。打算从事这个行业或者刚入门的朋友可以多关注这些网站，多了解一些CV的
2013-03-12 11:25:54
3765
原创 Object Recognition and Scene Understanding（六）OpenCV中HOG+SVM目标检测
参考：利用Hog特征和SVM分类器进行行人检测：http://blog.csdn.net/carson2005/article/details/7841443 HOG+SVM由于其特性，对行人检测有非常好的效果，但是对其他目标检测也有好效果。这里就把范围扩大些。 carson2005的博文中介绍了利用opencv实现样本训练和目标检测。利用Libsvm也可以进行处理。1.使用l
2013-03-12 10:38:53
5057
2
原创 Object Recognition and Scene Understanding（五）OpenCV中peopledetect详细介绍
opencv2以后加入了hog相关的内容，并且给出了示例，用的是法国人Navneet Dalal最早在CVPR2005会议上提出的方法。先是使用HOG进行People Detection的，已经提供了完整的方法，在peopledetect.cpp中，主要的方法有HOG特征提取以及训练还有识别，你可以通过 hog.setSVMDetector(HOGDescriptor::getDefaul
2013-03-11 17:26:16
4578
1
原创 Object Recognition and Scene Understanding（四）OpenCV SVM+HOG分类
通过前面的介绍，可以对hog特征利用svm训练，得到简单的二分类模型，利用分类模型可以实现二分。参考：http://blog.csdn.net/yongshengsilingsa/article/details/7535496 OpenCV官方的SVM代码在http://www.opencv.org.cn/opencvdoc/2.3.2/html/doc/tutorials/ml/in
2013-03-11 17:16:59
2505
原创 Object Recognition and Scene Understanding（三）SVM
支持向量机，多年以来在模式识别上的最大发现，当然其利用核函数来寻找最优的分类的思路存在一定的局限性，但一定程度上解决了很多问题。关于支持向量机在模式识别领域的前世今生，可以参考谭铁牛等的论文。关于libsvm就去看台湾大牛的网页吧，faruto在如何应用libsvm上也有出彩的介绍。这里就不一一列出了。 1.之前的一些介绍libsvm的安装，参考我之前发的小文Matlab安装使用lib
2013-03-11 17:08:24
1767
原创 Object Recognition and Scene Understanding（二）OpenCV 中HOG特征参数个数及图解
这部分都是一些介绍，不需要主观加工，直接收集起来分享之。1. OpenCV中HOG特征参数图解http://blog.csdn.net/raocong2010/article/details/6239431最近要做图像特征提取，可能要用下HOG特征，所以研究了下OpenCV的HOG描述子。OpenCV中的HOG特征提取功能使用了HOGDescriptor这个类来进行封装，其中也有现成的
2013-03-11 16:52:39
3083
原创 Object Recognition and Scene Understanding（一）概述及HOG特征
写一个简单的专题吧：Object Recognition and Scene Understanding，包括以下三大块内容：1.Object Recognition from Local Scale-Invariant Features，基于特征的目标识别算法，最具代表性的就是David G. Lowe的SIFT特征。该部分内容作者已经申请专利，这里就不多做介绍2. Histogra
2013-03-11 16:37:06
4244
转载 CamShift算法，OpenCV实现
参考：http://blog.csdn.net/houdy/article/details/175739Back ProjectionCamShift算法，即"Continuously Apative Mean-Shift"算法，是一种运动跟踪算法。它主要通过视频图像中运动物体的颜色信息来达到跟踪的目的。我把这个算法分解成三个部分，便于理解：1) Back Projection计算
2013-02-22 13:42:37
1837
2
原创 运动目标检测跟踪主流算法
运动目标跟踪主流算法大致分类不全，需要慢慢补充 一．运动目标检测 （一）背景差 1.帧差2.GMM等 背景减算法可以对背景的光照变化、噪声干扰以及周期性运动等进行建模，在各种不同情况下它都可以准确地检测出运动目标。因此对于固定摄像头的情形，目前大多数的跟踪算法中都采用背景减算法来进行目标检测。背景减算法的局限性在于它需要一个静态的固定摄像头。 （二）运动场 光流
2013-02-21 16:58:41
26579
2
转载 OpenCV_基于混合高斯模型GMM的运动目标检测
OpenCV的video module中包含了几种较为常用的背景减除方法，其中混合高斯模型（Gaussian of Mixture Models, GMM）方法效果较好。常用的目标检测方法：1）帧间差分；2）背景减除；其中背景减除方法的关键在于建立一个鲁棒的背景模型（背景图像），常用的建立背景模型方法有：1）均值法；2）中值法；3）滑动平均滤波法；4）单高斯；5）混合高
2013-01-28 11:25:28
19190
15
Qt4实现的图像读写显示程序，VC6.0
2009-08-10
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人