- 博客(10)
- 资源 (5)
- 收藏
- 关注
转载 OpenCV原理解读之HAAR+Adaboost
由于在做人脸检测的项目,用到了OpenCV的训练结果中的老分类器,因此将旧分类器的检测方法进行了总结,加上了一些自己的理解,并转载了一些较好的文章记录下来。文章http://www.61ic.com/Article/DaVinci/TMS320DM646x/201310/50733.html解决了以下函数移植到DSP上的一些问题下面为HAAR特征检测的具体流
2016-07-31 00:28:51 1306
转载 机器视觉与图像处理研究必备
机器视觉和图像处理的研究工作,做到以下两点非常重要:1、把握国际最前沿的内容2、所做的工作具备很高的实用性上述两点的解决方法分别为:找到这个方向公认成就最高的几个超级专家;找到实际应用的项目,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;以下大家收集了机器视觉和图像处理领域的核心材料。依照下面目录整理:[1] 研究群体(
2016-07-28 11:02:03 4925
转载 how to draw Opencv face detection Adaboost ROC/PR (绘制方法)
关于adaboost的一些说明 cf.http://www.opencv.org.cn/forum/viewtopic.php?t=4264Rainer Lienhart, Empirical Analysis of Detection Cascades of Boosted Classifiers for Rapid Object Detection: Receiver Operatin
2016-07-28 10:43:33 1159 1
转载 加速matlab运行的三重境界
加速matlab运行的三重境界加速matlab运行的三重境界 %%%%%%%%%%%%%%% 一、 遵守Performance Acceleration的规则 二、 遵守三条规则 三、 绝招 %%%%%%%%%%%%%%%%% 一、 遵守Performance Acceleration的规则 关于什么是“Performance Accelerat
2016-07-28 10:38:38 3982
转载 牛人主页(主页有很多论文代码)
牛人主页(主页有很多论文代码)Serge Belongie at UC San DiegoAntonio Torralba at MITAlexei Ffros at CMUCe Liu at Microsoft Research New EnglandVittorio Ferrari at Univ.of EdinburghKristen Grauman at UT Au
2016-07-21 09:20:40 1041
转载 机器学习中的相似性度量 (多种几何距离定义)
在做分类时常常需要估算不同样本之间的相似性度量(Similarity Measurement),这时通常采用的方法就是计算样本间的“距离”(Distance)。采用什么样的方法计算距离是很讲究,甚至关系到分类的正确与否。 本文的目的就是对常用的相似性度量作一个总结。本文目录:1. 欧氏距离2. 曼哈顿距离3. 切比雪夫距离4. 闵可夫斯
2016-07-21 08:58:16 5313
转载 分类之性能评估指标
本文主要介绍几种常用的用于分类的性能评估指标,同时介绍如何绘制ROC曲线以及计算AUC值的便捷方法。最后再附上一个绘制ROC曲线和计算AUC的源码实现(Python)。Precision和Recall首先我们来看看下面这个混淆矩阵:pred_label/true_labelPositiveNegativePosit
2016-07-12 00:22:49 799
转载 机器学习算法比较
本文主要回顾下几个常用算法的适应场景及其优缺点!(提示:部分内容摘自网络)。机器学习算法太多了,分类、回归、聚类、推荐、图像识别领域等等,要想找到一个合适算法真的不容易,所以在实际应用中,我们一般都是采用启发式学习方式来实验。通常最开始我们都会选择大家普遍认同的算法,诸如SVM,GBDT,Adaboost,现在深度学习很火热,神经网络也是一个不错的选择。假如你在乎精度(accuracy)的话,
2016-07-12 00:05:22 913
原创 求矩阵中最大(小)值并返回其行列号
% 方法 1disp('方法 1');A=[0 17 50;-12 40 3;5 -10 2;30 4 3][C,I]=max(A(:))[m,n]=ind2sub(size(A),I)% 方法 2disp('方法 2');A=[0 17 50;-12 40 3;5 -10 2;30 4 3][M,I]=max(A)[N,J]=max(M)[I(J),J]
2016-07-03 22:25:12 2221
转载 cvHaarDetectObjects参数意义
函数原型:CvHaarClassifier(Cascade* cascade, CvMemStorage* storage, double scale_factor=1.1, int min_neighbors=3, int flags=0, CvSize min_size=cvSize(0,0) ); image 被检图像 c
2016-07-01 19:50:05 433
中文--Jetson TX1 L4T_Tegra_X1 Multimedia多媒体开发指导
2017-06-22
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人