机器视觉
文章平均质量分 84
chenbang110
学习是最快乐的事
展开
-
机器学习中的相似性度量
转载 2014-07-04 11:10:09 · 960 阅读 · 0 评论 -
机器学习算法中文视频教程
机器学习算法中文视频教程zouxy09@qq.comhttp://blog.csdn.net/zouxy09 在网上狂搜ReproducingKernel Hilbert Space的时候,找到了一个好东西。这个是李政軒Cheng-Hsuan Li的关于机器学习一些算法的中文视频教程。感觉讲得很好。这里非常感谢他的分享:http://www.power转载 2013-08-25 23:49:29 · 1829 阅读 · 0 评论 -
运动检测(前景检测)之(一)ViBe
运动检测(前景检测)之(一)ViBezouxy09@qq.comhttp://blog.csdn.net/zouxy09 因为监控发展的需求,目前前景检测的研究还是很多的,也出现了很多新的方法和思路。个人了解的大概概括为以下一些: 帧差、背景减除(GMM、CodeBook、 SOBS、 SACON、 VIBE、 W4、多帧平均……)转载 2013-08-22 09:37:26 · 1852 阅读 · 0 评论 -
运动检测(前景检测)之(二)混合高斯模型GMM
运动检测(前景检测)之(二)混合高斯模型GMMzouxy09@qq.comhttp://blog.csdn.net/zouxy09 因为监控发展的需求,目前前景检测的研究还是很多的,也出现了很多新的方法和思路。个人了解的大概概括为以下一些:帧差、背景减除(GMM、CodeBook、 SOBS、 SACON、 VIBE、 W4、多帧平均……)、转载 2013-08-22 09:39:11 · 1194 阅读 · 0 评论 -
计算机视觉、机器学习相关领域论文和源代码大集合
原文地址:[ZZ]计算机视觉、机器学习相关领域论文和源代码大集合作者:计算机视觉与模式注:下面有project网站的大部分都有paper和相应的code。Code一般是C/C++或者Matlab代码。最近一次更新:2013-1-29一、 特征提取Feature Extraction: SIFT [1] [Demo program][SIFT转载 2013-08-22 01:04:46 · 1056 阅读 · 0 评论 -
牛人推荐机器学习网站
牛人推荐机器学习网站 北京大学视觉与听觉信息处理实验室北京邮电大学模式识别与智能系统学科复旦大学智能信息处理开放实验室IEEE Computer Society北京映象站点计算机科学论坛机器人足球赛模式识别国家重点实验室南京航空航天大学模式识别与神经计算实验室 - PARNEC南京大学机器学习与数据挖掘研究所 - LAMDA南京大学人工智能实验室南京大学软件新技术国家重点实验室转载 2012-12-26 11:08:40 · 2111 阅读 · 0 评论 -
褪去华衣 裸视学习 探讨系列
写在最前:本专题经 @老师木 同意, 特收录“老湿”对AI/ML的一些独到见解。如果非要问我为什么要特别收录这几篇文章,回答:个人认为,他的大部分见解已经并肩甚至超过了该领域的一般教授。如果你再八卦一下问这个专题为什么叫“褪去华衣 裸视学习”,答曰:这些见解一定程度上褪去了AI/ML的神秘色彩,可以让我们更客观的看待这一学科。专题分为六个篇章:1)机器学习 基础篇转载 2012-12-26 11:34:31 · 1417 阅读 · 0 评论 -
Machine Learning Resources机器学习的资料
Machine Learning Resources Machine Learning Softwares SVM Light - Support Vector Machine in C Source Code (Including SVM Struct for structural output learning) LIBSVM - A C++ Library f转载 2012-11-14 11:36:49 · 2529 阅读 · 0 评论 -
神经网络发展史
机器学习(Machine Learning)机器学习是人工智能(Artificial Intelligence)的核心。它和统计学有着密不可分的关系。作为对比,让我们先来看一看这两个领域的区别。传统的统计学的特点: 低维数据;数据中有大量噪点(Noise);数据中没有复杂的结构,且所有结构均可以被简化为一个相对简单的模型;面临的主要问题是如何从数据中分辨出正确的结构转载 2012-11-12 23:24:28 · 12676 阅读 · 0 评论 -
机器学习中相似性度量
在做分类时常常需要估算不同样本之间的相似性度量(Similarity Measurement),这时通常采用的方法就是计算样本间的“距离”(Distance)。采用什么样的方法计算距离是很讲究,甚至关系到分类的正确与否。本文的目的就是对常用的相似性度量作一个总结。 1. 欧氏距离(Euclidean Distance)欧氏距离是最易于理解的一种距离计算方法,源自欧氏转载 2012-11-08 17:32:28 · 548 阅读 · 0 评论 -
景建模或前景检测(Background Generation And Foreground Detection) 四
转自:http://www.cnblogs.com/xrwang/archive/2012/04/24/MPCBBGM.html多阶编码本模型(Multi phase codebook model)作者:王先荣 注:这是2010年所写的文章,因为要发论文到杂志上的缘故,这篇文章放到博客几天便隐藏起来了,最近论文正是刊出,所以文章又重见天日了。您可以在后面的地址查看或者下转载 2013-08-25 23:58:12 · 1336 阅读 · 1 评论 -
背景建模或前景检测(Background Generation And Foreground Detection) 一
转自:http://www.cnblogs.com/xrwang/archive/2010/02/21/ForegroundDetection.html作者:王先荣前言 在很多情况下,我们需要从一段视频或者一系列图片中找到感兴趣的目标,比如说当人进入已经打烊的超市时发出警报。为了达到这个目的,我们首先需要“学习”背景模型,然后将背景模型和当前图像进行比较,从而得到前景转载 2013-08-25 23:54:59 · 2394 阅读 · 0 评论 -
adaboost学习(三)
最大错误率问题:将γt=1/2-Et ;Freund and Schapire证明:最大错误率为: 即训练错误率随γt的增大呈指数级的减小.最大总误差: m : 样本个数d : VC维T :训练轮数Pr:对训练集的经验概率如果T值太大,Boosting会导致过适应(overfit)《模式分类》3转载 2013-09-11 11:30:09 · 8134 阅读 · 1 评论 -
adaboost学习(二)
最大错误率问题:将γt=1/2-Et ;Freund and Schapire证明:最大错误率为: 即训练错误率随γt的增大呈指数级的减小.最大总误差: m : 样本个数d : VC维T :训练轮数Pr:对训练集的经验概率如果T值太大,Boosting会导致过适应(overfit)《模式分类》3转载 2013-09-11 11:28:36 · 4873 阅读 · 0 评论 -
adaboost学习(一)
一、Boosting算法的发展历史 Boosting算法是一种把若干个分类器整合为一个分类器的方法,在boosting算法产生之前,还出现过两种比较重要的将多个分类器整合为一个分类器的方法,即boostrapping方法和bagging方法。我们先简要介绍一下bootstrapping方法和bagging方法。 1)bootstrapping方法的主要过程 主要步骤:转载 2013-09-11 11:28:08 · 1886 阅读 · 0 评论 -
2013计算机视觉代码合集一
申明:本文非笔者原创,原文转载自:http://www.yuanyong.org/blog/cv/cv-code一、特征提取Feature Extraction:SIFT [1] [Demo program][SIFT Library] [VLFeat]PCA-SIFT [2] [Project]Affine-SIFT [3] [Project]SURF转载 2013-09-11 10:28:22 · 1161 阅读 · 0 评论 -
2013计算机视觉代码合集二
申明,本文非笔者原创,本文转载自:http://www.yuanyong.org/blog/cv/resource-codeFeature Detection and DescriptionGeneral Libraries: VLFeat – Implementation of various feature descriptors (includ转载 2013-09-11 10:29:26 · 1213 阅读 · 0 评论 -
背景建模或前景检测(Background Generation And Foreground Detection) 六 Emvisi2
Emvisi2: A background subtraction algorithm, robust to sudden light changes Making Background Subtraction Robust to Sudden Illumination ChangeEmvisi2 是由瑞士联邦理工学院计算机实验室提出的一种背景建模算法。转载 2013-08-25 23:59:28 · 1760 阅读 · 0 评论 -
背景建模或前景检测(Background Generation And Foreground Detection) 三
转自:http://www.cnblogs.com/xrwang/archive/2010/04/12/BackgroundGenerationAndForegroundDetectionPhase3.html作者:王先荣 在上一篇文章里,我尝试翻译了《Nonparametric Background Generation》,本文主要介绍以下内容:如何实现该论文的算法,如果利转载 2013-08-25 23:57:09 · 1875 阅读 · 0 评论 -
背景建模或前景检测(Background Generation And Foreground Detection) 五 ViBe
ViBe算法:ViBe - a powerful technique for background detection and subtraction in video sequences算法官网:http://www2.ulg.ac.be/telecom/research/vibe/描述:ViBe是一种像素级视频背景建模或前景检测的算法,效果优于所熟知的几种算法,对硬件内转载 2013-08-25 23:58:54 · 2155 阅读 · 0 评论 -
背景建模或前景检测(Background Generation And Foreground Detection) 二
转自:http://www.cnblogs.com/xrwang/archive/2010/03/27/BackgroundGenerationAndForegroundDetectionPhase2.html作者:王先荣 本文尝试对《学习OpenCV》中推荐的论文《Nonparametric Background Generation》进行翻译。由于我的英文水平很差转载 2013-08-25 23:55:50 · 2093 阅读 · 0 评论 -
背景建模数学理论
转自:http://underthehood.blog.51cto.com/2531780/484191背景建模算法1 基本原理视频图像中运动目标检测的一种方法,其基本思想是对图像的背景进行建模。一旦背景模型建立,将当前的图像与背景模型进行某种比较,根据比较结果确定前景目标(需要检测的运动目标)。2 难点(1) 环境光照的变化(光照突然性转载 2013-08-25 23:52:58 · 1610 阅读 · 0 评论 -
机器学习和计算机视觉有关的数学
1. 线性代数 (Linear Algebra):我想国内的大学生都会学过这门课程,但是,未必每一位老师都能贯彻它的精要。这门学科对于Learning是必备的基础,对它的透彻掌握是必不可少的。我在科大一年级的时候就学习了这门课,后来到了香港后,又重新把线性代数读了一遍,所读的是Introduction to Linear Algebra (3rd Ed.) by Gilber转载 2012-11-01 08:38:08 · 892 阅读 · 0 评论 -
机器学习的一些数据库
KDD杯的中心,所有的数据,任务和结果。UCI机器学习和知识发现研究中使用的大型数据集KDD数据库存储库。UCI机器学习数据库。AWS(亚马逊网络服务)公共数据集,提供了一个集中的资料库,可以无缝集成到基于AWS的云应用程序的公共数据集。生物测定数据,在 虚拟筛选,生物测定数据,对化学信息学,J.由阿曼达Schierz的,有21个生物测定数据集(有效/无效的化合物)可供下载。加拿大开放数据,许多政转载 2012-10-18 11:15:12 · 2176 阅读 · 0 评论 -
机器学习中的数学(2)-线性回归,偏差、方差权衡
版权声明: 本文由LeftNotEasy所有,发布于http://leftnoteasy.cnblogs.com。如果转载,请注明出处,在未经作者同意下将本文用于商业用途,将追究其法律责任。如果有问题,请联系作者 wheeleast@gmail.com前言: 距离上次发文章,也快有半个月的时间了,这半个月的时间里又在学习机器学习的道路上摸索着前进,积累了一点心得转载 2012-05-20 13:27:29 · 830 阅读 · 0 评论 -
机器学习入门
感觉写的不错!!机器学习问题常用技术: 决策树 神经网络 支持向量机 贝叶斯分类 序列分析 聚类 分类 最近邻,k近邻,改进近邻目前有多种比较成熟的算法,如贝叶斯分类、近邻法、决策树、神经网络、支撑向量机等。其中转载 2012-05-19 09:39:40 · 1366 阅读 · 0 评论 -
光流法简单介绍
光流的概念是Gibson在1950年首先提出来的。它是空间运动物体在观察成像平面上的像素运动的瞬时速度,是利用图像序列中像素在时间域上的变化以及相邻帧之间的相关性来找到上一帧跟当前帧之间存在的对应关系,从而计算出相邻帧之间物体的运动信息的一种方法。一般而言,光流是由于场景中前景目标本身的移动、相机的运动,或者两者的共同运动所产生的。其计算方法可以分为三类:(1)基于区域或者基于特征的匹配方转载 2012-05-19 09:04:45 · 1207 阅读 · 0 评论 -
SIFT特征详细描述
一、介绍特征的检测和匹配在许多计算机视觉应用中是一个重要的组成部分,例如无缝拼接,三维重建等。其中兴趣点特征是很重要的一类特征,而目前应用最广泛的兴趣点特征检测方法就是SIFT检测算法,该检测算法所得到的特征点不仅在位置上能够稳定识别,而且具有尺度不变性和旋转不变性。由于各大论坛以及该论文作者都只是给出matlab的实现算法,并未给出C++的版本,而且由于在SIFT的实现过程中有很多参数设转载 2012-05-12 15:20:02 · 18585 阅读 · 3 评论 -
机器视觉:特征提取
特征提取是计算机视觉和图像处理中的一个概念。它指的是使用计算机提取图像信息,决定每个图像的点是否属于一个图像特征。特征提取的结果是把图像上的点分为不同的子集,这些子集往往属于孤立的点、连续的曲线或者连续的区域。 特征的定义 至今为止特征没有万能和精确的定义。特征的精确定义往往由问题或者应用类型决定。特征是一个数字图像中“有趣”的部分,它是许多计算机图像分析算法的起点。因转载 2012-05-27 10:55:59 · 1864 阅读 · 0 评论 -
LibSVM学习(四)——逐步深入LibSVM
其实,在之前上海交大模式分析与机器智能实验室对2.6版本的svm.cpp做了部分注解,(在哪里?google一下你就知道)。但是,这个注释只是针对代码而注释,整篇看下来,你会发现除了理解几个参数的含义,还是会对libsvm一头雾水。当然作为理解程序的辅助材料,还是有很大用处的。特别是,对几个结构体的说明,比较清楚。但是要清楚程序具体做了什么,还是要追踪程序中去。 由于svm涉转载 2012-05-04 19:11:46 · 924 阅读 · 1 评论 -
LibSVM学习(二)——第一次体验libSvm
1. 把LibSVM包解压到相应的目录(因为我只需要里面windows文件夹中的东东,我们也可以只把windows文件夹拷到相应的目录),比如C:\libsvm-3.12 2. 在电脑“开始”的“运行”中输入cmd,进入DOS环境。定位到C:\libsvm-3.12下,具体命令如下: C: (回车) cd C:\libsvm-3.12\w转载 2012-05-04 18:24:34 · 1192 阅读 · 0 评论 -
LibSVM学习(一)——初识LibSVM
LibSVM是台湾 林智仁(Chih-Jen Lin) 教授2001年开发的一套支持向量机的库,这套库运算速度还是挺快的,可以很方便的对数据做分类或回归。由于libSVM程序小,运用灵活,输入参数少,并且是开源的,易于扩展,因此成为目前国内应用最多的SVM的库。 这套库可以从http://www.csie.ntu.edu.tw/~cjlin/免费获得,目前已经发展到2.转载 2012-05-04 18:11:49 · 906 阅读 · 0 评论 -
LibSVM学习(六)——easy.py和grid.py的使用
我们在“LibSVM学习(一)”中,讲到libSVM有一个tools文件夹,里面包含有四个python文件,是用来对参数优选的。其中,常用到的是easy.py和grid.py两个文件。其实,网上也有相应的说明,但很不系统,下面结合本人的经验,对使用方法做个说明。 这两个文件都要用python(可以在http://www.python.org上下载到,需要安装)和绘图工具gnuplo转载 2012-05-04 19:16:41 · 1482 阅读 · 0 评论 -
LibSVM学习(五)——分界线的输出
对于学习SVM人来说,要判断SVM效果,以图形的方式输出的分解线是最直观的。LibSVM自带了一个可视化的程序svm-toy,用来输出类之间的分界线。他是先把样本文件载入,然后进行训练,通过对每个像素点的坐标进行判断,看属于哪一类,就附上那类的颜色,从而使类与类之间形成分割线。我们这一节不讨论svm-toy怎么使用,因为这个是“傻瓜”式的,没什么好讨论的。这一节我们主要探讨怎么结合训练结果文件,自转载 2012-05-04 19:13:02 · 2260 阅读 · 0 评论 -
机器学习中的数学(4)-线性判别分析(LDA), 主成分分析(PCA)
版权声明: 本文由LeftNotEasy发布于http://leftnoteasy.cnblogs.com, 本文可以被全部的转载或者部分使用,但请注明出处,如果有问题,请联系wheeleast@gmail.com前言: 第二篇的文章中谈到,和部门老大一宁出去outing的时候,他给了我相当多的机器学习的建议,里面涉及到很多的算法的意义、学习方法等等。一宁上次给转载 2012-05-20 15:56:52 · 759 阅读 · 0 评论 -
机器学习中的数学(1)-回归(regression)、梯度下降(gradient descent)
版权声明: 本文由LeftNotEasy所有,发布于http://leftnoteasy.cnblogs.com。如果转载,请注明出处,在未经作者同意下将本文用于商业用途,将追究其法律责任。前言: 上次写过一篇关于贝叶斯概率论的数学,最近时间比较紧,coding的任务比较重,不过还是抽空看了一些机器学习的书和视频,其中很推荐两个:一个是stanford的machin转载 2012-05-20 13:25:34 · 575 阅读 · 0 评论 -
局部图像特征描述概述
收藏自:http://www.sigvc.org/bbs/thread-165-1-1.html收藏原因:把比较流行的局部特征描述方法大体罗列了一下,期待图像更全面特征或者特征模型的一些综述、例如HOG、Part Model、Examplar、Sparse Coding、Local...等等。windwail阿邦:回复@邓亚峰-人脸识别:以工序而言,HOG算特征,Sparse转载 2012-10-12 16:54:32 · 1007 阅读 · 0 评论 -
国外人工智能界牛人主页
http://people.cs.uchicago.edu/~niyogi/http://www.cs.uchicago.edu/people/http://pages.cs.wisc.edu/~jerryzhu/http://www.kyb.tuebingen.mpg.de/~chapellehttp://people.cs.uchicago.edu/~xia转载 2012-08-27 08:40:04 · 1925 阅读 · 0 评论 -
CUDA简介
随着显卡的发展,GPU越来越强大,而且GPU为显示图像做了优化。在计算上已经超越了通用的CPU。如此强大的芯片如果只是作为显卡就太浪费了,因此NVidia推出CUDA,让显卡可以用于图像渲染和计算以外的目的(例如这里提到的通用并行计算)。CUDA即Compute Unified Device Architecture,是NVidia利用GPU平台进行通用并行计算的一种架构,它包含了CUDA指令集架转载 2012-06-27 09:40:11 · 743 阅读 · 0 评论 -
图像颜色特征提取
颜色直方图是最常用的一种特征:颜色直方图是在许多图像检索系统中被广泛采用的颜色特征。它所描述的是不同色彩在整幅图像中所占的比例,而并不关心每种色彩所处的空间位置,即无法描述图像中的对象或物体。颜色直方图特别适于描述那些难以进行自动分割的图像。当然,颜色直方图可以是基于不同的颜色空间和坐标系。最常用的颜色空间是RGB颜色空间,原因在于大部分的数字图像都是用这种颜色空间表达的。然而,R转载 2012-07-07 16:52:42 · 17767 阅读 · 4 评论