机器视觉
不要做程序员的小松鼠
愉快的调bug......
展开
-
Boosting学习(一)——PAC学习模型到Boosting
PAC ( Probably Approximately Correct)可能近似正确学习模型因为我们不能指望学习能够零错误,并且也不能要求对任意数据的预测能够成功,但是我们需要将错误率和预测失败率控制在一定范围内,也就是近似正确,而不是以1为指标的。定义 (PAC Model):我们称一个 concept class C 是 PAC 可学习 的,如果存在一个算法 L ,使得对任意的 targe原创 2016-04-12 10:20:55 · 4444 阅读 · 0 评论 -
opencv源码解读——haartraining
1.参数:-data :指定生成的文件目录-vec :正样本的保存文件-bg :负样本的保存文件-npos :正样本的数量 默认2000-nneg :负样本的数量 默认2000-nstages :训练的层数 默认14-nsplits :决定adaboost的弱分类器,默认 1 ,则一个简单的 stump classifier 被使用。如果是n,则使用带有 n原创 2016-05-05 10:35:33 · 1261 阅读 · 0 评论 -
OpenCV 源码解读——createsample
最近在学习,网上有很多训练的教程,但是不够深入,照葫芦画瓢会导致遇到问题无从下手。遂将源码创建工程,通过看注释和调试程序对源码有了一定认识,了解什么是瓢,分享在这里,从createsample开始。在VS中,通过项目属性->配置属性->调试 设置命令行参数,如 -img .\pos\2.bmp -vec vec.txt -num 9 -w 20 -h 20 -show 。对源码增加了在生成vec文件之前,保存各个样本的功能,这样就知道样本的具体情况,遇到问题更好解决,如有需要欢迎交流。原创 2016-05-04 16:14:35 · 2751 阅读 · 0 评论 -
图像特征之 Haar-like特征(二)计算方法-积分图
1.积分图(Integral Image)类似动态规划的方法,主要的思想是将图像从起点开始到各个点所形成的矩形区域像素之存在数组中,当要计算某个区域的像素和时可以直接从数组中索引,不需要重新计算这个区域的像素和,从而加快了计算。 ABCD是四个区域,包含若干像素 2.计算点1:A 2.A+B 3.A+C 4.A+B+C+D 其实就是图像中各个点与坐标原创 2016-04-20 11:06:08 · 4794 阅读 · 0 评论 -
OpenCv训练降低CPU占用率
OpenCv使用cpu训练数据时候,cpu占用率会达到100%,这样的效率很快,但是会升高温度缩短cpu使用时间,影响其他程序运行。 打开任务管理器减少节点,当然你也可以用GPU训练。原创 2016-05-10 19:05:58 · 5290 阅读 · 0 评论 -
cmake编译 opencv_contrib-master时候遇到错误
错误内容:Unknown CMake command "ovc_define_module".这不是我的错!是它们的CMakeLists.txt中的ocv_define_module写成了ovc_define_module,手动改一下就好了。我下载了他们的最新更新的文件,里面已经改正了。原创 2016-05-10 15:59:42 · 7954 阅读 · 6 评论 -
图像特征之 Haar-like特征(一)概述及特征值数量计算
1.haar-like特征介绍 - 最初用于描述人脸, 分为三类:边缘特征、线性特征、中心特征和对角线特征,组合成特征模板。 - 特征模板内有白色和黑色两种矩形,并定义该模板的特征值为 黑色矩形像素和 - 白色矩形像素和。 - 邻域矩形灰度差特征Haar特征值反映了图像的灰度变化情况。例如:脸部的一些特征能由矩形特征简单的描述,眼睛要比脸颊颜色要深,鼻梁两侧比鼻梁颜色要深,嘴原创 2016-04-15 11:44:32 · 11636 阅读 · 0 评论 -
C4.5决策树算法
这是上数据挖掘课准备的演示文稿,后面直接以图片的形式贴过来。C4.5概述 C4.5是机器学习和数据挖掘领域解决分类问题的一套算法。用来做有监督学习。给定一个属性值数据集,每个样本都是一系列属性值和所属类别,C4.5学习从属性值到类别标记的映射关系,用来对新的、未知的的样本做分类。可以用来根据历史数据预测购买人群,或者通过历史战绩推测球赛的结果等。J.Ross Quinlan设计的C4.5算原创 2016-04-13 18:03:16 · 1171 阅读 · 0 评论 -
Boosting学习(三)—Adaboost原理白话
Deep Learning出来之前,SVM和Adaboost是效果最好的 两个算法,而Adaboost是提升树(boosting tree),所谓“提升树”就是把“弱学习算法”提升(boost)为“强学习算法”。算法公式及过程(纯手写。。。)原创 2016-04-13 12:21:12 · 1325 阅读 · 0 评论 -
Boosting学习(二)
Boosting是一种集合分类器Boosting实际上是一个提高弱分类算法准确度的框架,根据一个基分类器,不断设定权重,迭代生成一堆分类器,然后将这些分类器进行融合。迭代过程中误判率高的在下一个分类器中提高权重。待更。原创 2016-04-12 11:20:34 · 689 阅读 · 0 评论 -
mxnet 在windows下安装
下载 nightly:https://github.com/yajiedesign/mxnet/releaseshttps://github.com/dmlc/mxnet/releasespython 要求2.7版本安装 选择了一个稳定的、大家安装较多的旧版本20160531gpucuda cudnn opencv openblas numpy matplotlib等提前安装好配置好最好原创 2017-04-12 16:10:12 · 1727 阅读 · 1 评论