- 博客(37)
- 资源 (37)
- 收藏
- 关注
RSS订阅转载 机器学习之路
自从答应简二毛博士将自己的机器学习历程和心得分享给大家至今，转眼间半年已经过去了，感谢简博士分享和开源精神的鼓舞，这也正是本系列关于机器学习介绍博客的动力来源。之前有些网友，师弟们问我，学习机器学习怎么入手，从看什么书开始。这里说一下个人见解：如果你只愿意看一本书，那么推荐Bishop的PRML，全名Pattern Recognition and Machine Learning.
2015-02-13 14:35:08
2228
转载 机器学习算法基础概念学习总结
1.基础概念：(1) 10折交叉验证：英文名是10-fold cross-validation，用来测试算法的准确性。是常用的测试方法。将数据集分成10份。轮流将其中的9份作为训练数据，1分作为测试数据，进行试验。每次试验都会得出相应的正确率（或差错率）。10次的结果的正确率（或差错率）的平均值作为对算法精度的估计，一般还需要进行多次10折交叉验证，在求其平均值，对算法的准确性进行估计
2015-02-13 14:20:34
1218
转载 2015年 行人检测总结4
行人检测2014年08月28日 ⁄ 字号 小 中 大参考原文： http://blog.csdn.net/zouxy09/article/details/7929531http://www.cnblogs.com/dwdxdy/archive/2012/05/31/2528941.htmlhttp://blog.csdn.net/duji
2015-02-13 14:01:12
4508
转载 2015年 行人检测总结3
序号文章简介论文出处02012年PAMI登的行人检测的综述性文章：pedestrian detection an evaluation of the state of the art作者：Piotr Dollar文中对比了很多最新的行人检测的算法。这篇论文简称为PAMI2012pedestrian detection an e
2015-02-13 13:59:00
2962
2
转载 2015年 行人检测总结2
行人检测在计算机视觉领域的许多应用中起着至关重要的作用,例如视频监控、汽车驾驶员辅助系统、人体的运动捕捉系统等.图像的行人检测方法可以分成两大类:轮廓匹配和表观特征.表观特征又被定义成图像特征空间(也叫做描述算子),它可以分为整体法、局部法、特征点对法.在整体法中,Papageorgiou和Poggio[1]提出了Haar小波(HWs)特征,并用SVM训练行人,其中包括了行人的正面和背
2015-02-13 13:57:58
5262
转载 2015年 行人检测总结1
最近一直在看行人检测的论文，对目前的行人检测做大概的介绍。行人检测具有极其广泛的应用：智能辅助驾驶，智能监控，行人分析以及智能机器人等领域。从2005年以来行人检测进入了一个快速的发展阶段，但是也存在很多问题还有待解决，个人觉得主要还是在性能和速度方面还不能达到一个权衡。1.行人检测的现状（大概可以分为两类）（1）.基于背景建模：利用背景建模方法，提取出前景运动的目标，在目标区
2015-02-13 13:56:13
14719
转载 前景目标检测总结 1
运动前景对象检测一直是国内外视觉监控领域研究的难点和热点之一，其目的是从序列图像中将变化区域从背景图像中提取出来，运动前景对象的有效检测对于对象跟踪、目标分类、行为理解等后期处理至关重要，那么区分前景对象，非常关键的一个问题是确定一个非常合适的背景，背景从象素的角度来理解，每一个象素就是有可能是前景点，也有可能是背景点，那么我们就要防止背景中误进入原属于前景点的对象，目前有几种常用的方法，
2015-02-13 13:53:37
7489
1
转载 机器学习领域的几种主要学习方式
学习方式根据数据类型的不同，对一个问题的建模有不同的方式。在机器学习或者人工智能领域，人们首先会考虑算法的学习方式。在机器学习领域，有几种主要 的学习方式。将算法按照学习方式分类是一个不错的想法，这样可以让人们在建模和算法选择的时候考虑能根据输入数据来选择最合适的算法来获得最好的结果。监督式学习：在监督式学习下，输入数据被称为“训练数据”，每组训练数据有一个明确的标识或结果，如对防
2015-02-13 13:50:33
871
原创 学习网页文章备忘
深度学习入门指南http://blog.csdn.net/column/details/deeplearningtutorial.html
2015-02-09 16:17:37
611
原创 Leetcode：在线编程网站－各大IT公司的笔试面试题
leetcode 是一个美国的在线编程网站，上面主要收集了各大IT公司的笔试面试题，对于应届毕业生找工作是一个不可多得的好帮手。这个网站的的好处在于它会告诉你测试数据以及你的输出和正确的输出是什么，方便大家调试学习。目前，只支持C++和Java两种语言。另外它是支持在线编辑，还提供了一个在线运行环境，可以直接看到运行结果。另一个很好的地方在于提供了2个独立的代码窗口，分别编译运行。一个
2015-02-09 13:40:55
23015
2
转载 基于粒子滤波的物体跟踪
一直都觉得粒子滤波是个挺牛的东西，每次试图看文献都被复杂的数学符号搞得看不下去。一个偶然的机会发现了Rob Hess(http://web.engr.oregonstate.edu/~hess/)实现的这个粒子滤波。从代码入手，一下子就明白了粒子滤波的原理。根据维基百科上对粒子滤波的介绍(http://en.wikipedia.org/wiki/Particle_filter)，粒子滤波其实有很多
2015-02-09 11:06:37
1680
原创 基于核化相关滤波器的跟踪－效果直逼Struck和TLD跟踪器
原文：http://cvlab.hanyang.ac.kr/tracker_benchmark_v10.html作者ECCV2012的文章就被我关注过，速度惊人的快。2015年新作出来了。发文以供同行参阅。Kernelized Correlation FiltersJoão F. Henriques, Rui Caseiro, Pedro Martins, Jorge Batist
2015-02-09 10:38:31
15949
8
原创 跟踪算法牛人主页收集
0，Online Object Tracking: A Benchmark cvpr2013 综述 http://visual-tracking.net/# http://cvlab.hanyang.ac.kr/tracker_benchmark_v10.html1, VTD: Visual Tracking Decomposition cv
2015-02-09 09:52:47
23692
转载 基于感知哈希算法的视觉目标跟踪
偶然看到这三篇博文[1][2][3]，提到图片检索网站TinEye和谷歌的相似图片搜索引擎的技术原理。以图搜图搜索引擎的使命是：你上传一张图片，然后他们尽全力帮你把互联网上所有与它相似的图片搜索出来。当然了，这只是他们认为的相似，所以有时候搜索结果也不一定对。事实上，以图搜图三大搜索引擎除了上面的老牌的TinEye和Google外，还有百度上线不算很久的新生儿：百度识图。之前听余凯老师的一个Dee
2015-02-09 09:34:35
2183
2
原创 最简单的目标跟踪－模板匹配跟踪
模板匹配TemplateMatching是在图像中寻找目标的方法之一。原理很简单，就是在一幅图像中寻找和模板图像（patch）最相似的区域。在OpenCV中有对应的函数可以调用： void matchTemplate( const Mat& image, const Mat& templ, Mat&result, int method ); 该函数的功能为，在输入源
2015-02-08 14:20:46
10546
5
转载 时空上下文视觉跟踪（STC）算法的解读与代码复现
时空上下文视觉跟踪（STC）算法的解读与代码复现转载：http://blog.csdn.net/zouxy09 本博文主要是关注一篇视觉跟踪的论文。这篇论文是Kaihua Zhang等人今年投稿到一个会议的文章，因为会议还没有出结果，所以作者还没有发布他的Matlab源代码。但为了让我们先睹为快，作者把论文放在arxiv这个网站上面供大家下载了。对于里面所
2015-02-08 13:52:07
3450
6
转载 LibLinear（SVM包）使用说明之（一）README
LibLinear（SVM包）使用说明之（一）[email protected]://blog.csdn.net/zouxy09 本文主要是翻译liblinear-1.93版本的README文件。里面介绍了liblinear的详细使用方法。更多信息请参考： http://www.csie.ntu.edu.tw/~cjli
2015-02-08 11:53:25
1286
原创 random_shuffle
vector ind(100); for (size_t i = 0; i < 100; i++) ind[i] = i; random_shuffle(ind.begin(), ind.end());
2015-02-08 11:02:02
694
原创 Mat 转成 Vector 类型数据
vector getVector(const Mat &_t1f){ Mat t1f; _t1f.convertTo(t1f, CV_64F); return (vector)(t1f.reshape(1, 1));}
2015-02-08 10:24:16
7317
原创 Mat 数据类型保存为二进制文件
// Write matrix to binary filebool Objectness::matWrite(CStr& filename, CMat& _M){ Mat M; _M.copyTo(M); FILE* file = fopen(_S(filename), "wb"); if (file == NULL || M.empty()) return false; fwr
2015-02-08 10:21:51
7571
转载 用初次训练的SVM+HOG分类器在负样本原图上检测HardExample
难例(或叫做难样本，Hard Example，Hard Negative，Hard Instance)是指利用第一次训练的分类器在负样本原图(肯定没有人体)上进行行人检测时所有检测到的矩形框，这些矩形框区域很明显都是误报，把这些误报的矩形框保存为图片，加入到初始的负样本集合中，重新进行SVM的训练，可显著减少误报。这种方法叫做自举法(Bootstrap)，自举法首先使用初始负样本集来训练一个模型，
2015-02-08 10:19:17
4092
3
转载 自己训练SVM分类器进行HOG行人检测
正样本来源是INRIA数据集中的96*160大小的人体图片，使用时上下左右都去掉16个像素，截取中间的64*128大小的人体。负样本是从不包含人体的图片中随机裁取的，大小同样是64*128(从完全不包含人体的图片中随机剪裁出64*128大小的用于人体检测的负样本)。SVM使用的是OpenCV自带的CvSVM类。首先计算正负样本图像的HOG描述子，组成一个特征向量矩阵，对应的
2015-02-06 15:47:19
5495
8
转载 从完全不包含人体的图片中随机剪裁出64*128大小的用于人体检测的负样本
进行行人检测的分类器训练时，负样本是从完全不包含人体的图片中随机剪裁出来的，下面程序的目的就是这个：#include #include #include //srand()和rand()函数#include //time()函数#include #include #include #include #include using namespace std;using
2015-02-06 15:45:41
2835
1
转载 OpenCV读入图片序列进行HOG行人检测并保存为视频
此程序是用OpenCV的默认SVM参数进行检测，若图片过大过多，处理起来会比较慢。#include #include #include #include #include #include #include #include using namespace std;using namespace cv;int main(){ Mat src; string Img
2015-02-06 15:42:47
2513
1
转载 OpenCV实现HOG行人检测
利用OpenCV中默认的SVM参数进行HOG行人检测，默认参数是根据Dalal的方法训练的。#include #include #include #include #include #include #include using namespace std;using namespace cv;int main(){ Mat src = imread("5.png"
2015-02-06 15:40:50
9328
1
原创 Release 下调试代码设置 (VS2005/2008)
release 下想调试代码只需要修改一下设置:右键当前工程, 选择properties选择 All ConfigurationsC++>General->Debug Information Format->Program Database (/Zi) // 默认:DisabledC++>Optimization->Optimization->Disabled (/Od) //默认:
2015-02-06 14:30:54
744
转载 MEX文件调试—MATLAB调用C++程序—混合编程
转载：http://www.blogbus.com/shijuanfeng-logs/106781870.htmlMATLAB要调用C++程序步骤：1. 在MATLAB命令行敲：mex -setup，选择你所使用的C++版本，装上mex2. 用“mex [参数] *.cpp”, eg:mex -O -c svm.cpp这时在当前目录下就会生成*.mexw32,*.mex
2015-02-06 14:21:53
3698
转载 VS2005调用MATLAB2010函数
转载：http://www.blogbus.com/shijuanfeng-logs/108666611.html查看了网上的N多个版本，终于搞定了。 1. matlab：mex -setup 选择vs2005mbuild -setup 选择vs20052. 写matlab函数：例如：function m=mypascal(n) m=pascal(n);m=m
2015-02-06 14:19:55
1024
转载 FreeType 结合opencv –> 在图像上显示中文
转载：http://www.blogbus.com/shijuanfeng-logs/271845011.htmlFreeType：http://www.freetype.org/FreeType能将字变成位图，进而用于显示。 windows 32位版本：http://gnuwin32.sourceforge.net/packages/freetype.htm 【lib+d
2015-02-06 14:10:10
10942
7
转载 OpenCV中HOG人检测以及Part Model latent SVM目标识别
要做点视频中检测的小东西，发现OpenCV中已经十分全面了，要做的东西要用到Navneet Dalal andBill Triggs的Histogram of Oriented Gradients (HOG)方法以及Pedro F. Felzenszwalb的Discriminatively Trained Deformable Part Models，其实这两种方法在OpenCV中已经有
2015-02-06 11:42:57
2776
3
转载 行人检测(Pedestrian Detection)资源
行人检测(Pedestrian Detection)资源一、论文综述类的文章[1]P.Dollar, C. Wojek,B. Schiele, et al. Pedestrian detection: an evaluation of the state of the art [J].IEEE Transactions on PatternAnalysis andM
2015-02-06 11:02:19
1269
转载 Gabor滤波器
Gabor的核函数参考的wiki使用实数Real的公式计算核函数代码：Mat getGaborFilter(float lambda, float theta, float sigma2,float gamma, float psi = 0.0f){ if(abs(lambda-0.0f)<1e-6){ lambda = 1.0f; } float
2015-02-05 16:51:58
1193
转载 Schmid滤波器
Schmid也是一种类Gabor图像滤波器，在这篇文章[1]中有详细推导和介绍。一种更简洁的表达公式是：当中，r为核半径，Z为归一化參数，τ和σ是比較重要的參数，在ReID提取TextFeature中，常常使用例如以下一系列參数：(2,1), (4,1), (4,2), (6,1), (6,2), (6,3), (8,1), (8,2), (8,3), (10,1), (10,
2015-02-05 16:50:17
1178
转载 感知哈希算法（Perceptual hash algorithm）的OpenCV实现
1.前言 目前“以图搜图”的引擎越来越多，可参考博文： http://blog.csdn.net/forthcriminson/article/details/8698175 此篇博文中列出了很多“以图搜图”的引擎，之前很好奇他们是如何进行检索的，偶然间看到了一篇博客，上面说Google和Tineye主要利用的算法是感知哈希算
2015-02-05 10:29:43
18709
3
转载 图像相似度计算之哈希值方法OpenCV实现
感知哈希算法(perceptual hash algorithm)，它的作用是对每张图像生成一个“指纹”(fingerprint)字符串，然后比较不同图像的指纹。结果越接近，就说明图像越相似。实现步骤：1. 缩小尺寸：将图像缩小到8*8的尺寸，总共64个像素。这一步的作用是去除图像的细节，只保留结构/明暗等基本信息，摒弃不同尺寸/比例带来的图像差异；2. 简
2015-02-04 15:46:16
2621
原创 求矩形的重叠率
float RectOverlap(cv::Rect r, cv::Rect rOther) { int x0 = std::max(r.x , rOther.x); int x1 = std::min(r.x + r.width, rOther.x + rOther.width); int y0 = std::max(r.y, rOther.y); int y1 = std::min(
2015-02-03 17:11:11
914
FreeType 结合opencv在图像上显示中文程序
2016-04-06
基于边界的模板匹配的原理及算法实现 C++
2015-05-07
minGW－Windows
2011-04-12
Doxygen+graphviz+html help workshop
2010-04-08
CodeDrawer v1.8.4.0破解
2010-03-22
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人