2015年06月_lolermidking

转载 CNN理解

卷积神经网络是人工神经网络的一种，已成为当前语音分析和图像识别领域的研究热点。它的权值共享网络结构使之更类似于生物神经网络，降低了网络模型的复杂度，减少了权值的数量。该优点在网络的输入是多维图像时表现的更为明显，使图像可以直接作为网络的输入，避免了传统识别算法中复杂的特征提取和数据重建过程。卷积网络是为识别二维形状而特殊设计的一个多层感知器，这种网络结构对平移、比例缩放、倾斜或者共他形式的变形具有

2015-06-26 23:31:12 1459

原创深度学习及课题研究杂谈（一）

what is feature representation?no matter what learning and analytical architecture you adopt, the initial procedure refers to getting the basic feature expressions from the training datasets which h

2015-06-24 22:59:30 3312

原创论文阅读之我见

发表了几篇论文，这个过程中必不可少的就是阅读他人经典论文，从中学习一二提高自己论文的逼格和录用率，简单说说自己的论文阅读习惯吧：首先就是论文阅读周期：最开始给自己安排的是一周四篇（两篇自己研究课题的相关论文，两篇自己感兴趣的论文），不过现在对自己要求逐渐高了，大概是每天阅读大概两篇论文，随后利用周六周日的时间将阅读的论文中经典的值得反复回味的再认真阅读和理解一遍，一周大概保持10篇的阅读量；

2015-06-19 22:12:00 377

原创图像读取及基本处理程序片段

读入灰度图像序列程序实现cl;raw=zeros(200,256,30);for i=1:30 filename=strcat('F:\算法实验\data\seq3\',int2str(i),'.bmp'); raw(:,:,i)=imread(filename);end方法二：cl;img=cell(1,30);for i=1:30 　　filename=strca

2015-06-17 22:21:47 416

原创感知机模型理解和实现

感知机模型理解和实现感知机模型： f(x)=w∙x+b 二分类超平面定义：w∙x+b=0 分类后有效分类判断标准：所有的正样本点使得y_i>0 所有负样本使得y_i<0 如何学习得到分类超平面：第一选择、统计误分类样本总数，设计方法使得该总数最小；第二选择、统计所有误分类样本点到预定义超平面距离之和，设计方法（随机梯度下降SGD）使得该距离和最小。实现方法：定义的损失

2015-06-14 23:12:10 856

转载图像纹理合成

关于纹理合成最经典的论文应该就数Efros的Texture Synthesis by Non-parametric Sampling这篇论文了，引用量近2000。这里的合成是基于样例的，就是先有一个小的纹理图像，然后合成一个大的。我个人的理解是，先产生一个大的随机图像，然后对随机图像中每个像素及其邻域像素和小的纹理图像做对比，找出随机图像当前邻域和小的纹理图像最接近的邻域，然后

2015-06-09 23:12:02 4624

转载 The development and prosperous of deep learning theory applying in computer vision(Image part)

深度学习是近十年来人工智能领域取得的最重要的突破之一。它在语音识别、自然语言处理、计算机视觉、图像与视频分析、多媒体等诸多领域都取得了巨大成功。本文将重点介绍深度学习在物体识别、物体检测、视频分析的最新研究进展，并探讨其发展趋势。1. 深度学习发展历史的回顾现有的深度学习模型属于神经网络。神经网络的历史可追述到上世纪四十年代，曾经在八九十年代流行。神经网络试图通过模拟大脑认知的机理，解

2015-06-08 22:53:00 642

原创光流法的介绍

光流法即空间运动物体在观察成像平面上的像素运动的瞬时速度，是利用图像序列中像素在时间域上的变化以及相邻帧之间的相关性来找到上一帧跟当前帧之间存在的对应关系，从而计算出相邻帧之间物体的运动信息的一种方法。光流法的典型应用有目标检测和目标跟踪，具体介绍如下：1、目标检测光流法用于目标检测的原理：给图像中的每个像素点赋予一个速度矢量，这样就形成了一个运动矢量场。在某一特定时刻，图像上

2015-06-07 23:10:14 1264

原创图像配准基础理解

由对图像配准原理的讨论可知，多幅图像配准的目的是综合利用图像中的各种空间和灰度属性的信息，合并成一组在空间位置上和灰度属性上一一对准的图像，以便于对这组图像的后续处理。因此，图像配准一般由以下五个步骤构成：（1）建立原始图像和待配准图像坐标系；（2）确定图像配准控制点；（3）应用配准控制点建立图像间的畸变模型；（4）根据畸变模

2015-06-02 22:48:17 3520

wangguoqingcumt的博客