机器学习
文章平均质量分 88
阿尔贝斯
关注机器学习,数据挖掘,高性能计算,移动互联网领域等。
展开
-
级联分类器训练
介绍 级联分类器包括两部分:训练和检测。 检测部分在OpenCV objdetect 模块的文档中有介绍,在那文档中给出了一些级联分类器的基本介绍。这个指南是描述如何训练分类器:准备训练数据和运行训练程序。 重点注意事项 OpenCV中有两个程序可以训练级联分类器: opencv_haartraining and opencv_traincascade``。``opencv_trai转载 2016-01-02 15:18:36 · 557 阅读 · 0 评论 -
LIBSVM使用方法及参数设置
LIBSVM使用方法及参数设置 主要参考了一些博客以及自己使用经验。收集来觉得比较有用的。 LIBSVM 数据格式需要---------------------- 决策属性 条件属性a 条件属性b ... 2 1:7 2:5 ... 1 1转载 2016-04-08 15:15:15 · 1002 阅读 · 0 评论 -
python基于dlib的face landmarks
原文地址:http://blog.csdn.net/sunmc1204953974/article/details/49976045 python基于dlib的face landmarks python使用dlib进行人脸检测与人脸关键点标记 Dlib简介: 首先给大家介绍一下Dlib Dlib是一个跨平台的C++公共库,除了线程支持,网络支持,提供测转载 2016-05-12 16:55:22 · 4314 阅读 · 0 评论 -
Supervised Descent Method and its Applications to Face Alignment
原文地址:http://blog.csdn.net/xiamentingtao/article/details/47306887 本方法是当前人脸对齐最流行的算法,速度很快,很稳定。下面我将介绍一下这篇文章的整体思路和相关细节。 在介绍之前,先给出几个有用的链接: 1.) 本论文作者主页,形象地介绍了SDM的特点: http://xiong828.github.i转载 2016-05-07 22:39:19 · 652 阅读 · 0 评论 -
_USER_ERROR__missing_dlib_all_source_cpp_file__OR......
原文地址:http://blog.csdn.net/duan19920101/article/details/51396303 VS中无法解析的外部符号: _USER_ERROR__missing_dlib_all_source_cpp_file__OR__inconsistent_use_of_DEBUG_or_ENABLE_ASSERTS_preprocessor_direct转载 2016-05-19 13:46:48 · 2347 阅读 · 0 评论 -
zouxy09博客原创性博文导航
zouxy09博客原创性博文导航 zouxy09@qq.com http://blog.csdn.net/zouxy09 2012年8月21号开始了我的第一篇博文,也开始了我的研究生生涯。怀着对机器学习和计算机视觉等等领域的懵懂,从一个电子材料的领域跨入这个高速发展的人工智能领域。从开始的因无知而惊慌,因陌生而乏力,到一步步的成长。这过程的知识积累也都大部转载 2016-08-15 15:17:54 · 686 阅读 · 0 评论 -
经典计算机视觉论文笔记——DeepFace\DeepID\DeepID2\DeepID3\FaceNet\VGGFace汇总
1. DeepFace:Closing the Gap to Human-Level Performance in Face Verification 最早将深度学习用于人脸验证的开创性工作。Facebook AI实验室出品。动用了百万级的大规模数据库。典型的识别信号提特征+验证信号refine的两步走,对DeepID等后人的工作影响很大。 技术概括转载 2016-08-25 10:02:21 · 4003 阅读 · 0 评论 -
学神之路 —— Python数据科学全攻略(原创译文)
Python菜鸟到Python Kaggler 如果你梦想成为一名数据科学家,或者已然是数据科学家的你想扩展自己的工具库,那么,你找对地方啦。本文旨在为做数据分析的Python人提供一条全方位的学习之路,完整讲述运用Python进行数据分析的所有步骤。当然,如果你已经有了一些知识储备,或者无需掌握全部的内容,可以按照自己的需求做出调整,也欢迎与我们分享你是如何调整的。 你也可以参考本学转载 2016-08-15 10:35:02 · 1828 阅读 · 0 评论 -
cvpr2015的face Alignment 文章笔记
原文地址:http://blog.csdn.net/wuyoy520/article/details/47776243 最近开始看face alignment 相关的东西。人脸关键点对齐(我觉得叫人脸关键点定位也挺好)对人脸识别,人脸矫正,表情分析等都有很好的帮助。cvpr14的有两篇论文的检测方法效率很高,很不错。cvpr15感觉好像没有那么追求速度了,但是效果貌似比cvpr1转载 2017-08-16 17:29:59 · 551 阅读 · 0 评论 -
利用MATLAB Training Image Labeler标记样本并保存
在做机器学习任务的时候,需要标记大量样本。之前找了好久实用的工具,一直没找到,后来发现竟然MATLAB就有这个功能,用起来还比较顺手。但美中不足是导出的样本标记只有记录了源图像路径和兴趣区位置的mat数据文件,笔者写了一些处理脚本,完成了 标记→存储ROI区域位置→图像分割储存的流程。本文分为两部分,Part 1为MATLAB样本标记工具的使用方法,Part 2为笔者写的后续处理脚本,完成了图像存...转载 2018-09-17 10:42:18 · 2087 阅读 · 0 评论 -
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,最后转载 2016-03-14 10:14:14 · 610 阅读 · 0 评论 -
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、train 1.提取+/- sample转载 2016-03-08 14:51:36 · 567 阅读 · 0 评论 -
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词典我这里也只用转载 2016-03-06 15:42:01 · 3331 阅读 · 2 评论 -
traincascade与AdaBoost的opencv实现框架
本节研究traincascade的opencv实现. 涉及的源代码位于: sources\apps\traincascade traincascade实现 sources\modules\ml opencv machine learning部分 sources\data\vec_files\trainingfaces_24-24.vec 正样本 http:转载 2016-01-03 09:57:07 · 961 阅读 · 0 评论 -
boosting方法和AdaBoost算法概述
boosting增强法的目标是提高任何给定的学习算法的分类准确率。 Boosting方法从弱学习算法出发,通过学习训练出一系列弱分类器,然后通过组合这些弱分类器构造一个强分类器。大部分Boosting方法都通过改变训练样本集学习得到,改变训练样本集则可通过改变训练数据的概率分布达到,样本集或是全部或是一定规则的重采样。 Boosting方法一般过程: 其首先根据已有的训练样本集设计一转载 2016-01-03 10:01:39 · 717 阅读 · 0 评论 -
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文转载 2016-03-01 16:54:57 · 7479 阅读 · 0 评论 -
《FAQ:OpenCV Haartraining》——使用OpenCV训练Haar like+Adaboost分类器的常见问题
最近使用OpenCV训练Haar like+Adaboost分类器,查阅了一些资料,这些资料对训练过程陈述的很详细,但是缺少一些细节,偶然看到了一篇英文资料,觉得很好,简单翻译了自己觉得有用的部分。 原文链接:FAQ:OpenCV Haartraining 关于正样本图片 1、I have positive images, how create vec file转载 2016-02-15 14:03:34 · 1529 阅读 · 0 评论 -
cvpr读书笔记[3]:traincascade与AdaBoost的opencv实现框架
本节研究traincascade的opencv实现. 涉及的源代码位于: sources\apps\traincascade traincascade实现 sources\modules\ml opencv machine learning部分 sources\data\vec_files\trainingfaces_24-24.vec 正样本 http:转载 2016-02-16 10:58:42 · 1100 阅读 · 0 评论 -
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),而在转载 2016-03-04 14:33:55 · 611 阅读 · 0 评论 -
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,转载 2016-03-04 14:34:45 · 589 阅读 · 0 评论 -
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 model Wikipedia[1]上给出了如下转载 2016-03-06 15:25:15 · 700 阅读 · 0 评论