计算机视觉小菜鸟的专栏

原创 灰度共生矩阵GLCM(Gray Level Co-occurrence Matrix)

转载 Deep Learning源代码收集-持续更新…

申明：本文非笔者原创，原文转载自：http://blog.csdn.net/zouxy09/article/details/11910527收集了一些Deep Learning的源代码。主要是Matlab和C++的，当然也有python的。放在这里，后续遇到新的会持续更新。下表没有的也欢迎大家提供，以便大家使用和交流。谢谢。 最近一次更新：2013-9-22

转载 稀疏表达：向量、矩阵与张量（中）

申明，本文非笔者原创，原文转载自：http://www.cvchina.info/2010/07/13/sparse_representation_vector_matrix_tensor2/在开始正文之前，咱首先得说明一下，这篇东西偏向于理论，各位看官可以自行跳过某些部分。这方面的工作奠基人同样也是compressive sensing的大牛之一E.J Candes（Dono

转载 稀疏表达：向量、矩阵与张量（上）

申明：本文非笔者原创，原文转载自：http://www.cvchina.info/2010/06/01/sparse-representation-vector-matrix-tensor-1/稀疏表达是近年来SP, ML, PR, CV领域中的一大热点，文章可谓是普天盖地，令人目不暇给。老板某门课程的课程需要大纲，我顺道给扩展了下，就有了这个上中下三篇介绍性质的东西。遗憾的是

转载 压缩感知进阶——有关稀疏矩阵

申明：本文非笔者原创，原文转载自：http://blog.csdn.net/abcjennifer/article/details/7748833===============================回忆传统压缩对于原始信号x∈C(N*1)，传统压缩是构造正交矩阵D∈C（N*N）,正变换为y=Dx, 反变换x=D-1y= DTy, D-1= DT。

转载 初识压缩感知Compressive Sensing

申明：本文非笔者原创，原文转载自：http://blog.csdn.net/abcjennifer/article/details/7721834压缩感知是近年来极为热门的研究前沿，在若干应用领域中都引起瞩目。最近粗浅地看了这方面一些研究，对于Compressive Sensing有了初步理解，在此分享一些资料与精华。本文针对陶哲轩和Emmanuel Candes上次到北京的讲

转载 [资料]L1算法代码大合集

申明：本文非笔者原创，原文转载自：http://blog.163.com/gan_research/blog/static/1653481482010102810141278/在别的网站，http://www.eecs.berkeley.edu/~yang/software/l1benchmark/看到很久了，今天转过来，给大家方便。SparseLab: http://

转载 稀疏表示step by step

申明：本文非笔者原创，原文转账自：http://blog.csdn.net/zhang11wu4/article/details/8058777踏入“稀疏表达”（Sparse Representation）这个领域，纯属偶然中的必然。之前一直在研究压缩感知（Compressed Sensing）中的重构问题。照常理来讲，首先会找一维的稀疏信号（如下图）来验证CS理论中的一些原理

原创 介绍几篇压缩感知相关的文章

这几篇是个人觉得比较通俗易懂的入门文章，（1）压缩感知研究； 戴琼海、付长军；清华大学；计算机学报 2011（2）压缩感知； 许志强；中科院计算所； 2012；（3）压缩感知理论及其研究进展； 石光明、刘丹华； 西电； 电子学报； 2009；（4）一个武汉大学的PPT，2011年的（5）压缩感知回顾与展望； 焦李成、杨淑媛； 西电； 电子学报； 2011；

原创 压缩感知简介

Nyquist采样定理（香农采样定理）指出，采样速率达到信号带宽的两倍以上时，才能由采样信号精确重建原始信号。可见，带宽是Nyquist采样定理对采样的本质要求。然而随着人们对信息需求量的增加，携带信息的信号带宽越来越宽，以此为基础的信号处理框架要求的采样速率和处理速度也越来越高。解决这些压力常见的方案是信号压缩。但是，信号压缩实际上是一种资源浪费，因为大量的不重要的或者只是冗余信息在压缩过程中被

原创 介绍一个牛人的机器学习PPT

Andrew Ng，斯坦福大学教授，同时也是Google公司某个机器学习项目的负责人，再同时，他就是那个“Google猫脸识别”的创造者。什么？你没听说过前段时间媒体上很火热的“Google猫脸识别”？赶紧Google吧；此人在人工智能领域造诣颇深，最近几年的研究兴趣主要在无监督学习、深度神经网络、深度学习方面，笔者要介绍的这个PPT也是关于这方面的，有兴趣的朋友请自己去下载：http://dow