计算机视觉视觉
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
-
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,只是稍微包装转载 2016-03-03 17:43:45 · 680 阅读 · 0 评论 -
双目视觉简介
1. 双目视觉算法简介1.1. 双目视觉简介双目视觉广泛应用在机器人导航,精密工业测量、物体识别、虚拟现实、场景重建,勘测领域。什么是双目视觉?双目视觉是模拟人类视觉原理,使用计算机被动感知距离的方法。从两个或者多个点观察一个物体,获取在不同视角下的图像,根据图像之间像素的匹配关系,通过三角测量原理计算出像素之间的偏移来获取物体的三维信息。得到了物体的景深信息,就可以计算出物体转载 2017-01-06 11:19:32 · 820 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/51396303VS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 · 2325 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 · 639 阅读 · 0 评论 -
python基于dlib的face landmarks
原文地址:http://blog.csdn.net/sunmc1204953974/article/details/49976045python基于dlib的face landmarkspython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DlibDlib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 · 4279 阅读 · 0 评论 -
PCA原理及人脸识别
原文地址: http://blog.sina.com.cn/s/blog_60a0e97e01017o5x.htmlPCA原理(原文出处:http://blog.csdn.net/longxiaoshi/article/details/7404251 ) PCA是主成分分析,主要用于数据降维,对于一系列sample的feature组成的多维向量,多维向转载 2016-04-27 15:46:31 · 1292 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 · 985 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 · 593 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、train1.提取+/- sample转载 2016-03-08 14:51:36 · 557 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 · 3252 阅读 · 2 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 modelWikipedia[1]上给出了如下转载 2016-03-06 15:25:15 · 684 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 · 577 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 · 593 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 · 531 阅读 · 0 评论