- 博客(8)
- 资源 (3)
- 收藏
- 关注
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