【机器视觉】
文章平均质量分 74
残阳摧雪
行有不得,反求诸己!
展开
-
UCI数据库及算法
UCI数据集是一个常用的标准测试数据集,下载地址在http://www.ics.uci.edu/~mlearn/MLRepository.html我的主页上也有整理好的一些UCI数据集:http://lamda.nju.edu.cn/yuy/files/download/UCI_arff.zip在看别人的论文时,别人使用的数据集会给出数据集的出处或下载地址(除非是很机密的数据,转载 2016-03-06 11:47:59 · 3630 阅读 · 0 评论 -
拉格朗日 & KKT条件
有什么用拉格朗日乘子法(Lagrange Multiplier)和KKT(Karush-Kuhn-Tucker)条件是求解约束优化问题的重要方法,在有等式约束时使用拉格朗日乘子法,在有不等约束时使用KKT条件。(前提:只有当目标函数为凸函数时,使用这两种方法才保证求得的是最优解。)拉格朗日乘子法如上所述,拉格朗日乘子法可以将等式约束优化问题转换为无约束优化问题,即将问题:(原创 2017-09-29 16:01:32 · 1360 阅读 · 0 评论 -
联合/先验/后验概率、似然函数
这是一个由联合概率引发的一连串有趣的故事。联合概率p(x)p(x)表示xx发生的概率,p(y)p(y)表示yy发生的概率,则x,yx,y同时发生的概率为:p(x,y)=p(x|y)p(y)=p(y|x)p(x)p(x,y)=p(x|y)p(y)=p(y|x)p(x)特别的,当x,yx,y独立时,上式可以写作: p(x,y)=p(x)p(y)p(x,y)=p(x)p(y) 原因在于,当x,原创 2017-10-06 18:02:16 · 4516 阅读 · 1 评论 -
神经网络--误差反传
什么是神经网络一般的,典型的三层神经网络的基本构成如下,Layer L1是输入层,Layer L2是隐含层,Layer L3是隐含层。 我们现在手里有一堆数据{x1,x2,x3,...,xn}\{ x_1,x_2,x_3,...,x_n\},输出也是一堆数据{y1,y2,y3,...,yn}\{y_1,y_2,y_3,...,y_n\},现在要他们在隐含层做某种变换,让你把数据灌进去后得到你期望的原创 2017-08-24 13:31:10 · 1186 阅读 · 0 评论 -
OpenCV优化:图像的遍历4种方式
我们在实际应用中对图像进行的操作,往往并不是将图像作为一个整体进行操作,而是对图像中的所有点或特殊点进行运算,所以遍历图像就显得很重要,如何高效的遍历图像是一个很值得探讨的问题。一、遍历图像的4种方式:at<typename>(i,j)Mat类提供了一个at的方法用于取得图像上的点,它是一个模板函数,可以取到任何类型的图像上的点。下面我们通过一个图像处理中的实际来说明它的用法。在实际应用中,我转载 2017-09-13 21:07:54 · 247 阅读 · 0 评论 -
性能指标(模型评估)之ROC与AUC
为什么ROC在前面已经介绍了mAP性能指标,用于评估模型的性能(查全&查准双高)了。这里为什么还需要介绍ROC呢?他是何方妖孽?通过前面的P-R曲线可以看出来,选取的top-N随着N的不同,模型对查全和差准的重视程度各有不同,比如N较小时更看重“查准率”,N越大越重视“查全率”。因此,排序本身的好坏,体现了综合考虑学习器在不同任务下的“期望泛化性能”的好坏,或者是“一般情况下”泛化性能的好坏。ROC原创 2017-08-26 21:19:45 · 1725 阅读 · 0 评论 -
性能指标(模型评估)之mAP
为什么性能指标用于评价模型的好坏,当然使用不同的性能指标对模型进行评价往往会有不同的结果,也就是说模型的好坏是“相对”的,什么样的模型好的,不仅取决于算法和数据,还决定于任务需求。因此,选取一个合理的模型评价指标是非常有必要的。错误率 & 精度针对数据集DD和学习器ff而言:1、错误率:分类错误的样本数占总样本的比例 E(f;D)=1m∑i=1mI(f(xi)≠yi)E(f;D)=\frac 1原创 2017-08-26 15:33:21 · 80862 阅读 · 25 评论 -
局部二值模式(LBP)
简要介绍LBP(Local Binary Pattern,局部二值模式)是一种用来描述图像局部纹理特征的算子,具有旋转不变性和灰度不变性等显著优点。首先由T. Ojala, M.Pietikäinen, 和D. Harwood 在1994年提出,用于纹理特征提取。主要应用于人脸识别和目标检测中,OpenCV中有使用LBP特征进行人脸识别的接口,也有用LBP特征训练目标检测分类器的方法,Opencv实原创 2017-07-26 15:05:35 · 11663 阅读 · 3 评论 -
方向梯度直方图(HOG)
引言向梯度直方图(Histogram of Oriented Gradient, HOG)特征是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子。它通过计算和统计图像局部区域的梯度方向直方图来构成特征。Hog特征结合SVM分类器已经被广泛应用于图像识别中,尤其在行人检测中获得了极大的成功。需要提醒的是,HOG+SVM进行行人检测的方法是法国研究人员Dalal在2005的CVPR上提出的,而如原创 2017-08-02 00:15:34 · 3102 阅读 · 0 评论 -
SIFT特征表达
引言尺度不变特征转换(Scale-invariant feature transform或SIFT)是一种电脑视觉的算法用来侦测与描述影像中的局部性特征,它在空间尺度中寻找极值点,并提取出其位置、尺度、旋转不变量,此算法由 David Lowe在1999年所发表,2004年完善总结。SIFT算法的实质是在不同的尺度空间上查找关键点(特征点),并计算出关键点的方向。SIFT所查找到的关键点是一些十分突原创 2017-08-03 18:07:11 · 165 阅读 · 0 评论 -
77个数据科学家常见面试题
随着大数据概念的火热,数据科学家这一职位应时而出,那么成为数据科学家要满足什么条件?或许我们可以从国外的数据科学家面试问题中得到一些参考,下面是77个关于数据分析或者数据科学家招聘的时候会常会的几个问题,供各位同行参考。1、你处理过的最大的数据量?你是如何处理他们的?处理的结果。2、告诉我二个分析或者计算机科学相关项目?你是如何对其结果进行衡量的?3、什么是:提升值、关键绩效指标、强壮性、模型按合度转载 2016-08-29 15:31:04 · 3882 阅读 · 1 评论 -
Solver及其参数配置
Caffe参数调节原创 2017-07-14 22:04:55 · 1260 阅读 · 2 评论 -
如何理解计算机视觉
文章来源品玩 编者按:昨天PingWest网站上已经更新了Robert Li在听加州大学洛杉矶分校UCLA统计系教授Alan Yuille(艾伦.尤尔)讲授“计算机前沿课程”时的笔记,如果你觉得那个信息量还不够,现在Albert Jiao同学的第二篇来了。首先感谢Pingwest和依图科技公司提供的这次学习计算机前沿课程的机会,2014年12月20日-21日,我从香港飞往上海,在依图公司的会议室参转载 2016-06-14 22:04:54 · 1284 阅读 · 0 评论 -
CV datasets
2013年博客原创 2016-06-08 18:51:49 · 279 阅读 · 0 评论 -
全景摄像机
全景相机数据集介绍数据集原创 2016-04-06 11:13:00 · 1765 阅读 · 0 评论 -
笔记
世界坐标系世界坐标系是系统的绝对坐标系,在没有建立用户坐标系之前画面上所有点的坐标都是以该坐标系的原点来确定各自的位置的。全景摄像机全景摄像机可以独立实现大范围无死角监控的摄像机,其概念与初级成品诞生已久,但成熟商用产品直到70年才正式出现。又因为目前国内安防方面的标准大多围绕模拟摄像机与网络摄像机展开,故此对于全景摄像机还没有较为统一的标准定义,使得在具体到某些项目实施的过程中会存在认同度方面的问原创 2016-03-30 17:52:22 · 376 阅读 · 0 评论 -
Pycharm安装cv2 [python3.6]
python解释器为Anaconda的3.6版本下载在这里选择对应的版本进行下载,其中参数分别为3.4.2(opencv3.4.2)、cp36(python3.6)、win_amd64(windows64位系统),根据自己的实际情况进行调整。安装将下载的文件拷贝至E:\Anaconda3\Lib\site-packages目录下,并打开命令窗口cd 至该目录下输入如下命...原创 2018-07-29 16:47:32 · 15876 阅读 · 1 评论