自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(4)
  • 资源 (21)
  • 收藏
  • 关注

原创 【深度剖析HMM(附Python代码)】1.前言及隐马尔科夫链HMM的背景

1. 前言隐马尔科夫HMM模型是一类重要的机器学习方法,其主要用于序列数据的分析,广泛应用于语音识别、文本翻译、序列预测、中文分词等多个领域。虽然近年来,由于RNN等深度学习方法的发展,HMM模型逐渐变得不怎么流行了,但并不意味着完全退出应用领域,甚至在一些轻量级的任务中仍有应用。本系列博客将详细剖析隐马尔科夫链HMM模型,同以往网络上绝大多数教程不同,本系列博客将更深入地分析HMM,不仅包括

2017-04-27 12:24:50 56229 12

原创 【深度剖析HMM(附Python代码)】4.HMM代码测试及hmmlearn介绍

相信经过上几节的说明,大家对于HMM应该有比较好的了解,也许大家已经自己试着运行代码了。这一节主要介绍下另一个著名的HMM的Python库——hmmlearn,这个库提供了三个HMM模型(高斯HMM、离散HMM及高斯混合HMM),比我的代码速度更快,而且更有稳定,而且其还提供了相应的教程和API函数说明:http://hmmlearn.readthedocs.io/en/latest/inde

2017-04-27 14:35:54 15189 1

原创 【深度剖析HMM(附Python代码)】3.隐马尔科夫链所解决的问题

通过隐马尔科夫链,有以下几方面功能:1. 解码问题 已知某一序列,找到最可能的隐藏状态序列(即所谓的解码问题,利用维比特算法来解决)解码过程的相关python代码 def decode(self, X, istrain=True): """ 利用维特比算法,已知序列求其隐藏状态值 :param X

2017-04-27 13:51:53 5380 1

原创 【深度剖析HMM(附Python代码)】2.隐马尔科夫链HMM的EM训练过程

隐马尔科夫链HMM的参数θ的EM训练过程现在回到前一节最后提出的参数θ的最大似然函数上来,先对其做个对数变换,做对数变换是考虑到序列X的概率计算公式中包含了连乘,为了方便计算同时避免序列X的概率过小,因此对其做了对数变换。的期望计算中,对于序列X是已知的,而的概率是由旧参数值 所估计的,因此上式可以表示为:为了方便表示,以下定义:而可以表示为:

2017-04-27 13:28:43 9279 6

ScSPM Matlab原代码

ScSPM Matlab原代码

2016-03-08

SURF Speeded Up Robust Features

SURF算法的经典原文,SURF (Speeded Up Robust Features)也是一种类似于SIFT的兴趣点检测及描述子算法。其通过Hessian矩阵的行列式来确定兴趣点位置,再根据兴趣点邻域点的Haar小波响应来确定描述子,其描述子大小只有64维(也可以扩展到128维,效果更好),是一种非常优秀的兴趣点检测算法。我的博客里面有SURF的算法详解,欢迎相互交流>_<

2015-10-28

基于小波的角点检测方法

Wavelet-based corner detection using eigenvectors of covariance matrices 利用小波和协方差矩阵来检测角点。我的博客里面有关于这些方法的文章,欢迎相互交流。

2015-10-27

ADNN自适应阈值及动态ROS的角点检测方法原文

Curvature Scale Space Corner Detector with Adaptive Threshold and Dynamic Region of Support (2004) 我的博客里面有关于这些方法的文章,欢迎相互交流。

2015-10-27

CPDA角点检测方法

Robust Image Corner Detection Based on the Chord-to-Point Distance Accumulation Technique 我的博客里面有关于这些方法的文章,欢迎相互交流。

2015-10-27

Boundary-based corner detection using eigenvalues of covariance matrices

介绍了基于曲线曲度的角点检测,里面重点介绍通过边缘协方差矩阵来进行曲度计算方法。我的博客里面有关于这些方法的文章,欢迎相互交流。

2015-10-27

Corner detection and curve representation using cubic B-spline

介绍了一种关于样条曲线参数估计的角点检测,里面重点介绍一些B样条曲线的曲度计算方法。我的博客里面有关于这些方法的文章,欢迎相互交流。

2015-10-27

A Simple and Efficient Algorithm for Detection

介绍了早期的基于曲线曲度的角点检测,里面重点介绍一些曲线的曲度计算方法。我的博客里面有关于这些方法的文章,欢迎相互交流。

2015-10-27

Faster and Better A Machine Learning Approach to Corner Detection.pdf

FAST算法原作者在2010年提出的改进算法FAST-ER,提高角点检测的重复率。这里是英文原文。我的博客里有FAST-ER的详解,欢迎相互交流>_<

2015-10-22

Machine Learning for High-Speed Corner Detection.pdf

FAST角点检测的最初始的英文原文,Edward Rosten 和 Tom Drummond 在2006年发表。我的博客里有详细的介绍这个算法,欢迎相互交流>_< http://blog.csdn.net/tostq

2015-10-21

Corner Detection via Topographic Analysis of Vector Potential.pdf

一种基于磁矢量势的角点检测方法,这是其英文原文。

2015-10-21

On Corner and Vertex Detection.pdf

这是一种早期的角点检测方法——DET角点检测方法经典原文。

2015-10-21

SUSAN—A New Approach to Low Level Image Processing.pdf

SUSAN角点及边缘检测方法经典英文原文,是一种通过模板来检测的方法,里面还提到了SUSAN噪声滤除的方法。我的博客里面http://blog.csdn.net/tostq里面有详细的解释,欢迎相互交流>_<

2015-10-21

Robust Low Complexity Corner Detector.pdf

LOCOCO角点检测方法(一种快速精确的Harris及KLT)的经典原文,里面减少了Harris的计算复杂度,并提出了一种子精确度的角度位置确定。如果想大概了解下论文内容,可以参考下我的博客,欢迎相互交流>_<

2015-10-19

Good Features to Track.pdf

Shi-Tomasi特征点(角点)检测及追踪方法的经典英文原文,这个方法也是KLT方法的一种改进。如果需要大概了解这个文章内容,可以参考本人的博客,欢迎相互交流>_<

2015-10-16

Detection and Tracking of Point Features

KLT光流法经典英文原文,里面重点介绍了如何选择跟踪的特征点,如果需要大概了解其原理,可以参考本人的博客,欢迎相互交流

2015-10-15

A Connectionist Model for Corner Detection in Binary and Gray Images

一种类神经网络模型Connectionist Model的角点检测方法,非常有意思,里面的方法融合多尺度及人工神经网络的思想,如果想大概了解下其内容,可以参考我的博客。

2015-10-13

Scale-Space for Discrete Signals.pdf

多尺度空间的经典英文原文,里面介绍了在离散信号情况下,什么样的滤波核能用于尺度变换。

2015-10-12

Uniqueness of the Gaussian Kernel for Scale-Space.pdf

多尺度空间分析的经典英文原文,主要描述高斯平滑为什么是唯一的能用多尺度空间平滑滤波的核。

2015-10-12

Distictive Image Features From Scale-Invariant Keypoints.pdf

Sift算法最经典的奠基论文,里面详细的讲解如何检测尺度不变性的特征点。

2015-10-12

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除