2016年03月_阿尔贝斯

转载 Spatial Pyramid Matching 小结

SPM [1]全称是Spatial Pyramid Matching，出现的背景是bag of visual words模型被大量地用在了Image representation中，但是BOVW模型完全缺失了特征点的位置信息。文章被引用了3400多次。文章的贡献，看完以后觉得其实挺简单的，和分块直方图其实是一个道理------将图像分成若干块(sub-regions)，分别统计每一子块的特征，最后

2016-03-14 10:14:14 593

转载应用Sift算子的模式识别方法内核篇

博客地址：http://blog.csdn.net/abcjennifer/article/details/7372880总的来说，模式识别方法分两步：train&predict.经过谭敏师姐细心讲解和细读 siftdemov4 code，将这两部的理解解释如下:(以下提到的feature都是指sift feature)一、train1.提取+/- sample

2016-03-08 14:51:36 557

转载一个用BoW|Pyramid BoW+SVM进行图像分类的Matlab Demo

做了一个简单的图像分类的Demo。是能够让图像分类的初学者能够直观的从实际中观察揣摩理解图像分类的环节，各个环节的步骤以及重要性，哪些环节是问题的本质等等。图像的特征用到了Dense Sift，通过Bag of Words词袋模型进行描述，当然一般来说是用训练集的来构建词典，因为我们还没有测试集呢。虽然测试集是你拿来测试的，但是实际应用中谁知道测试的图片是啥，所以构建BoW词典我这里也只用

2016-03-06 15:42:01 3252 2

转载 Bow模型（解释的很好）

Bag-of-words model (BoW model) 最早出现在NLP和IR领域. 该模型忽略掉文本的语法和语序, 用一组无序的单词(words)来表达一段文字或一个文档. 近年来, BoW模型被广泛应用于计算机视觉中. 与应用于文本的BoW类比, 图像的特征(feature)被当作单词(Word).引子: 应用于文本的BoW modelWikipedia[1]上给出了如下

2016-03-06 15:25:15 684

转载聚类算法——K-means（下）

K-means的源码实现　　一般情况下，我们通过C++/Matlab/Python等语言进行实现K-means算法，结合近期我刚刚学的C++，先从C++实现谈起，C++里面我们一般采用的是OpenCV库中写好的K-means函数，即cvKmeans2，首先来看函数原型：　　从OpenCV manual看到的是：int cvKMeans2(const CvArr* samples,

2016-03-04 14:34:45 577

转载聚类算法——K-means（上）

首先要来了解的一个概念就是聚类，简单地说就是把相似的东西分到一组，同 Classification (分类)不同，对于一个 classifier ，通常需要你告诉它“这个东西被分为某某类”这样一些例子，理想情况下，一个 classifier 会从它得到的训练集中进行“学习”，从而具备对未知数据进行分类的能力，这种提供训练数据的过程通常叫做 supervised learning (监督学习)，而在

2016-03-04 14:33:55 593

转载特征点检测学习_1(sift算法)

sift算法在cv领域的重要性不言而喻，该作者的文章引用率在cv界是number1.本篇博客只是本人把sift算法知识点整理了下，以免忘记。本文比较早的一篇博文opencv源码解析之(3)：特征点检查前言1 中有使用opencv自带的sift做了个简单的实验，而这次主要是利用Rob Hess的sift源码来做实验，其实现在的opencv版本中带的sift算法也是Rob Hess的，只是稍微包装

2016-03-03 17:43:45 679

转载 SVM训练样本方法总结（用于目标识别）

SVM样本训练步骤尊重原创，转载本文请说明出处：http://blog.csdn.net/xw20084898/article/details/213898851、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。

2016-03-01 17:13:56 2438

转载 SVM训练及预测过程

网上有很多关于LibSVM的教程，LibSVM提供了多平台下的可执行文件，在win平台下可以直接通过命令行执行，可以利用提供的可执行文件方便的进行离线的训练和预测，这里不再赘述。这篇文章要做的是把SVM的训练及预测的过程移植到程序当中的方法进行简单阐述，而不是使用提供的可执行文件。过程首先要建立工程，这里以VC6.0为例，建立好工程后，需要将LibSVM中的svm.h和svm.cpp文

2016-03-01 16:54:57 7359

Alpine_Climbing的专栏