机器学习与模式识别
仗剑走海角
豪爽!乐观开朗!
展开
-
OpenCV中的HOG+SVM物体分类
[cpp] view plaincopy[cpp] view plaincopyprint #include "cv.h" #include "highgui.h" #include "stdafx.h" #include #include #include #include #in原创 2014-01-19 22:27:42 · 1526 阅读 · 1 评论 -
学习OpenCV——HOG+SVM
[cpp] view plaincopyprint?#include "cv.h" #include "highgui.h" #include "stdafx.h" #include #include #include #include #include using namespace cv; usin转载 2014-06-26 13:32:39 · 1257 阅读 · 0 评论 -
数字图像处理的就业前景与学习资源
最近版上有不少人在讨论图像处理的就业方向,似乎大部分都持悲观的态度。我想结合我今年找工作的经验谈谈我的看法。就我看来,个人觉得图像处理的就业还是不错的。首先可以把图像看成二维、三维或者更高维的信号,从这个意义上来说,图像处理是整个信号处理里面就业形势最好的,因为你不仅要掌握一维信号处理的基本知识,也要掌握图像处理的知识。其次,图像处理是计算机视觉和视频处理的基础,掌握好了图像处理的基本知识,就业时转载 2014-05-12 22:26:52 · 2539 阅读 · 2 评论 -
支持向量机对线性不可分数据的处理
目标本文档尝试解答如下问题:在训练数据线性不可分时,如何定义此情形下支持向量机的最优化问题。如何设置 CvSVMParams 中的参数来解决此类问题。动机为什么需要将支持向量机优化问题扩展到线性不可分的情形? 在多数计算机视觉运用中,我们需要的不仅仅是一个简单的SVM线性分类器, 我们需要更加强大的工具来解决 训练数据无法用一个超平面分割 的情形。我们以原创 2014-03-25 22:14:08 · 7023 阅读 · 0 评论 -
平面物体检测
这个教程的目标是学习如何使用 features2d 和 calib3d 模块来检测场景中的已知平面物体。测试数据: 数据图像文件,比如 “box.png”或者“box_in_scene.png”等。创建新的控制台(console)项目。读入两个输入图像。Mat img1 = imread(argv[1], CV_LOAD_IMAGE_GRAYSCALE);Mat原创 2014-03-25 22:09:54 · 1560 阅读 · 0 评论 -
支持向量机(SVM)介绍
目标本文档尝试解答如下问题:如何使用OpenCV函数 CvSVM::train 训练一个SVM分类器, 以及用 CvSVM::predict 测试训练结果。什么是支持向量机(SVM)?支持向量机 (SVM) 是一个类分类器,正式的定义是一个能够将不同类样本在样本空间分隔的超平面。 换句话说,给定一些标记(label)好的训练样本 (监督式学习), SVM原创 2014-03-25 22:12:57 · 1470 阅读 · 0 评论 -
opencv 中SVM + PCA 人脸识别
这一周一直都在弄人脸识别的东西,这个也可以算是我个人第一个DIY项目,虽然没有在MFC框架下来实现,但我觉得 SVM + PCA 人脸识别这个东西 最主要的还是算法 和效果没有必要一定要在MFC框架下去实现。从不懂到慢慢明白一些道理,写这样一个技术文档无非就是怕以后忘记这样一个过程。从这个项目得到的经验:1:我真正领悟到了“二八法则”的真谛。准备加编程阶段看了不少论文,试了转载 2014-03-18 10:26:30 · 2098 阅读 · 3 评论 -
计算机视觉目标检测的框架与图像处理过程
个人接触机器视觉的时间不长,对于机器学习在目标检测的大体的框架和过程有了一个初步的了解,不知道对不对,如有错误,请各位大牛不吝指点。 目标的检测大体框架:目标检测分为以下几个步骤:1、训练分类器所需训练样本的创建: 训练样本包括正样本和负样本;其中正例样本是指待检目标样本(例如人脸或汽车等),负样本指其它不包含目标的任意图片(如背转载 2014-03-18 10:01:04 · 1961 阅读 · 0 评论 -
SVM训练样本方法总结(用于目标识别)
SVM样本训练步骤1、引言近期在做飞形体目标识别的研究,需要做SVM训练来生成识别的分类器。从网上找了大量的参考文章,但是发现很多文章都讲的比较零散。鉴于此原因,本文对SVM训练过程做一个较为系统的总结,希望对广大初学者有所帮助。2、步骤(1)生成SVM描述文件;将需要训练的样本文件的路径和对应的分类类别号写入txt文档,如:plane/飞机训练正样本Normalize/0原创 2014-03-17 15:36:44 · 32657 阅读 · 5 评论 -
Bag-of-words model in computer vision
一、Bag-of-words modelBag-of-words model是用于自然语言处理和信息检索中的一种简单的文档表示方法。通过这一模型,一篇文档可以通过统计所有word的数目来表示,这种方法不考虑语法和word出现的先后顺序。这一模型在文档分类里广为应用,通过统计each word的frequency来作为分类器的特征。通过下面的例子来说明用这一model来表示文档的基本转载 2013-11-15 10:08:13 · 7752 阅读 · 0 评论 -
机器学习知识点学习
机器学习知识点学习zouxy09@qq.comhttp://blog.csdn.net/zouxy09 在学习机器学习的有关知识时,搜索到JerryLead的cnblog中的Machine Learning专栏,里面对于机器学习的部分算法和知识点讲解地很经典和透彻。所以Mark在这,多多学习!http://www.cnblogs.com/jerryle转载 2014-01-10 10:35:00 · 756 阅读 · 0 评论 -
SIFT算法的应用--目标识别之Bag-of-words模型
引言本blog之前已经写了四篇关于SIFT的文章,请参考九、图像特征提取与匹配之SIFT算法,九(续)、sift算法的编译与实现,九(再续)、教你一步一步用c语言实现sift算法、上,及九(再续)、教你一步一步用c语言实现sift算法、下。上述这4篇文章对SIFT算法的原理和C语言实现都做了详细介绍,用SIFT做图像匹配效果不错。现在考虑更为高层的应用,将SIFT算法应用于转载 2013-11-15 11:26:39 · 3589 阅读 · 1 评论 -
机器学习初探:OpenCV K均值代码笔记
K均值聚类算法在Opencv的cxcore中,它可以找到数据的自然类别。最为常用的聚类技术之一,它可以迅速找到“类别”中心,将数据进行聚类。 我们可以从图中了解K均值算法的聚类过程: (a) 随机放置聚类中心(圆),将数据样本(小方块)聚到离它最近的中心(即连线) (b) 数据中心移到它所在类别的中心转载 2014-01-16 20:25:41 · 871 阅读 · 0 评论 -
学习OpenCV——一次颜色聚类
1.首先区分三个通道,画出每个通道的直方图;2.平滑直方图,像素值等于前后共七种颜色数量的平均值;3.取波峰,波谷。(条件:颜色数亮s(i-2)s(i+1)>s(i+2)或s(i-2)>s(i-1)>s(i)4.计算算有颜色的组合,并存入一个一维矩阵中;5.颜色合并(利用map);6.把原图所有颜色与合并后的颜色计算距离,得出距离最近的合并颜色,在另一个原图转载 2014-06-26 13:30:16 · 1777 阅读 · 0 评论