- 博客(8)
- 资源 (3)
- 收藏
- 关注
RSS订阅原创 目标检测（Object Detection）原理与实现(五)
基于Cascade分类器的目标检测 从今天开始进入基于机器学习的目标检测，前几节虽然也接触了一些机器学习的方法，但它主要是做辅助工作，机器学习的方法和非机器学习的方法结合在一起使用，说到这想起来前几天看到一位博士师兄发的笑话，说的是百度实验室： Theory is when you know everthing but nothing works.
2013-06-25 21:25:23
18326
原创 目标检测（Object Detection）原理与实现(四)
基于ASM的目标检测 ASM(Active Shape Model：主动形状模型)是Tim Cootes于1995年提出来的，其实是在1992年提交，1994年被接受，1995被发表的。ASM方法是通过寻找一系列匹配点来检测形状的方法，和单纯的基于shift（或者surf）特征点匹配的方法不一样，后者是通过互相独立的shift（或者surf）特征点匹配来做目标检测，当模版图像和
2013-06-23 13:27:16
10054
2
原创 google公开深度学习部分应用
最近比较忙，再看ASM和AAM的东西，没时间更新霍夫推理的博客，准备把他放在后面基于机器学习的目标检测来写，分享下deep learning最新的小料：谷歌公开了深度学习部分应用，谷歌语音搜索主管Vanhoucke于19号在ICML做了个的语音识别与深度学习的讲座（PPT链接），另附上一个关于无服务器集群的散户使用deep learning的应用的讨论（链接）。在来一个lecun在ICML
2013-06-20 16:11:01
4938
4
原创 64位win7下使用vs2010调用opencv2.4.4缺少DLL问题
如果你的操作系统是64位的win7,并且使用VS2010调用OpenCV2.4.4,提示缺少msvcp110d.dll和msvcr110d.dll(debug模式下)或者msvcp110.dll和msvcr110.dll(release模式下)的话， 你就要考虑一下重新编译下OpenCV咯，而不是使用安装解压后的dll和lib文件，因为VS2010对应的这两个MFC文件是100版本，
2013-06-16 20:06:14
5713
10
原创 目标检测（Object Detection）原理与实现(三)
基于霍夫森林的目标检测 上节说了霍夫变换（HT）和广义霍夫变换（GHT），今天就接着广义霍夫变换说下去，在广义霍夫变换中，每个投票元素（比如边缘像素中的点）在霍夫空间中累加投票的权重是相等的，每个元素投票的权重互不影响，这其实是假设了图像空间中的每个像素点是独立的，但现实是这样的吗？答案:不是，尤其是牵扯到我们今天的基于部件的投票时，这种投票元素互相独立的观点更站不脚，
2013-06-14 09:10:59
9660
4
原创 目标检测（Object Detection）原理与实现(二)
基于霍夫变换和广义霍夫变换的目标检测 上节讨论了基于阈值处理的目标检测，今天就来讨论下基于霍夫投票的目标检测，霍夫投票打算分成两个小节，第一个小节简单的说下霍夫变换和广义霍夫变换（generalized hough transform），他们投票的权重都是相等的，下一节讨论概率空间中的霍夫投票，顾名思义他们的投票权重是不确定的。 先来看下霍夫变换（hou
2013-06-10 16:20:19
13310
9
原创 学科起源（漫画版）
发几张收藏的图，让大家对学科起源有点了解，避免因学科纷争而引起不和，生命科学也罢，神经网络也罢都摆脱不了从物理和数学的角度去解释，因为机器学习中很大的一部分，尤其是神经网络，最近深度学习很火，所以一些物理术语出现在神经网络中让人很不解。接着来个物种进化吧，当然是科普简图咯，这种图好处就是让一部分人看到了很激动，老想着在里面找到灵感，有时间可以看看《物种起源》吧最后就来个宏观
2013-06-07 13:43:03
3994
原创 稀疏编码(Sparse Coding)的前世今生(三)
稀疏编码(sparse coding)和低秩矩阵(low rank)的区别 上两个小结介绍了稀疏编码的生命科学解释，也给出一些稀疏编码模型的原型(比如LASSO),稀疏编码之前的探讨文章就不说了，今天开始进入机器学习领域的稀疏表达。稀疏编码进入机器学习领域后，出现了很多应用，比如计算视觉领域的图像去噪，去模糊，物体检测，目标识别和互联网领域的推荐系统（Collabora
2013-06-06 17:21:19
13208
4
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人