计算机视觉 deep learning for CV
白辰甲
哈尔滨工业大学博士,关注强化学习(Reinforcement Learning)
展开
-
USB免驱摄像头采集图像【VS2012+opencv+directShow(CcameraDS)实现】
在Opencv中文网站上有关于directShow和opencv结合采集图像的教程,但是该配置比较老,本文讲述如何基于该教程在 VS2012和opencv2.4.9上进行配置和修改,完成USB免驱双目相机的驱动和图像捕获。原创 2016-10-12 17:50:09 · 15499 阅读 · 5 评论 -
opencv双目视觉标定、匹配和测量 (附代码)
双目视觉原理方面参照《学习Opencv》和大牛博客 http://blog.csdn.net/chenyusiyuan/article/details/5970799中16-19系列博客。本文主要记录我自己在双目视觉标定,立体匹配,测量中遇到的问题和解决方法,并附有代码,文末有代码下载的地址,欢迎交流。博主使用的相机是USB双目免驱相机,相机驱动见另外一篇博客: USB免驱摄像头采集图像【VS2原创 2016-10-10 16:11:07 · 33302 阅读 · 57 评论 -
【自动驾驶】深度学习用于自动驾驶技术 DeepDriving(ICCV 2015)
无人驾驶技术在最近几年得到了迅猛发展,今天将分享 ICCV 2015 的一篇有关方面的论文: DeepDriving: Learning Affordance for Direct Perception in Autonomous Driving有兴趣的读者可以参考其官网链接。本文并非完全翻译该论文,主要说明其思想和创新点。1. 相关研究论述目前相关研究主要集中于两种方法,第一种方法基于中间的翻译 2016-12-27 19:38:18 · 14341 阅读 · 5 评论 -
Principal components analysis(PCA) 主成分分析
本文主要参考资料: CS229 lecture notes by Andrew Ng UFLDL主成分分析 by Andrew Ng 《机器学习实战》第13章“使用PCA来简化数据” 1. 运用背景在机器学习中,PCA是一种常用的方法。其目的是将 nn 维的原始数据近似的用 kk 维来表示,而且近似表示后对数据的损失尽可能的小。我们可以假设原始的 nn 维数据 x(i)x^{原创 2017-02-19 16:06:14 · 2733 阅读 · 1 评论 -
【深度学习CV】SVM, Softmax损失函数
Deep learning在计算机视觉方面具有广泛的应用,包括图像分类、目标识别、语义分隔、生成图像描述等各个方面。本系列博客将分享自己在这些方面的学习和认识,如有问题,欢迎交流。在使用卷积神经网络进行分类任务时,往往使用以下几类损失函数:平方误差损失SVM损失softmax损失其中,平方误差损失在分类问题中效果不佳,一般用于回归问题。softmax损失函数和SVM(多分类)损失函数在实际原创 2016-12-26 23:36:19 · 13743 阅读 · 2 评论