机器学习
文章平均质量分 72
jay463261929
人必自助而后人助之,而后天助之。"只知索取,不愿付出"——loser
展开
-
深度学习笔记1:end-to-end、anchor box解释、人体检测代码
SSD(SSD: Single Shot MultiBox Detector)是采用单个深度神经网络模型实现目标检测和识别的方法。该方法是综合了Faster R-CNN的anchor box和YOLO单个神经网络检测思路(end-to-end).非end-to-end方法:目前目标检测领域,效果最好,影响力最大的还是RCNN那一套框架,这种方法需要先在图像中提取可能含有目标的候原创 2017-02-22 16:15:04 · 26773 阅读 · 1 评论 -
机器学习那些知识点
在机器学习表现不佳的原因:要么是过拟合或欠拟合数据机器学习的目的:就是逼近目标函数过程监督式机器学习通常理解为逼近一个目标函数(f)(f),此函数映射输入变量(X)到输出变量(Y).Y=f(X)Y=f(X)这种特性描述可以用于定义分类和预测问题和机器学习算法的领域。从训练数据中学习目标函数的过程中,我们必须考虑的问题是模型在预测新数据时的泛化性能。泛化好坏是很重要的原创 2017-03-07 11:34:18 · 581 阅读 · 0 评论 -
欠拟合、过拟合及其解决方法
转载:http://blog.csdn.net/willduan1/article/details/53070777在我们机器学习或者训练深度神经网络的时候经常会出现欠拟合和过拟合这两个问题,但是,一开始我们的模型往往是欠拟合的,也正是因为如此才有了优化的空间,我们需要不断的调整算法来使得模型的表达能拿更强。但是优化到了一定程度就需要解决过拟合的问题了,这个问题也在学术界讨论的比较多。(之转载 2017-03-07 09:41:55 · 9289 阅读 · 0 评论 -
机器学习会议
转载:http://www.tuicool.com/articles/ie6fyem 作者:南京大学 周志华老师微博: http://weibo.com/zhouzh2012 tier-1:IJCAI (1+): International Joint Conference on Artificial Intelligence AAAI (1): National C转载 2017-03-07 10:09:25 · 855 阅读 · 0 评论 -
adaBoost算法-分类
一、boosting与adaBoost的区别: boosting 是一种将弱分类器转化为强分类器的方法统称, 而adaboost是其中的一种,采用了exponential loss function(指数损失函数),根据不同的loss function还可以有其他算法,例如:logitboost算法,gentleboost算法等二、adaBoost原创 2017-01-18 15:30:39 · 1314 阅读 · 0 评论 -
计算机视觉资料(很多有源代码)
Serge Belongie at UC San DiegoAntonio Torralba at MITAlexei Ffros at CMUCe Liu at Microsoft Research New EnglandVittorio Ferrari at Univ.of EdinburghKristen Grauman at转载 2016-05-07 09:08:07 · 3102 阅读 · 0 评论 -
很全的机器视觉、模式识别库
开源生物特征识别库 OpenBROpenBR 是一个用来从照片中识别人脸的工具。还支持推算性别与年龄。 使用方法:$ br -algorithm FaceRecognition -compare me.jpg you.jpg更多OpenBR信息最近更新: OpenBR —— 开源的生物识别工具 发布于 13天前计算机视觉库 OpenC转载 2016-05-07 09:10:57 · 20310 阅读 · 0 评论 -
图像算法测试集(视频+图像)
数据集不全,以后慢慢更新一个网友收集的运动目标检测,阴影检测的标准测试视频http://blog.csdn.net/sunbaigui/article/details/6363390 很权威的change detection检测视频集,里面有将近20种主流算法在这个测试集上的运行结果和ROC,PRA曲线http://changedetection.net/ VI转载 2016-11-25 10:07:16 · 4467 阅读 · 0 评论 -
Lab彩色模型
Lab模式是根据Commission Internationale Eclairage(CIE)在1931年所制定的一种测定颜色的国际标准建立的。于1976年被改进,并且命名的一种色彩模式。Lab颜色模型弥补了RGB和CMYK两种色彩模式的不足。Lab颜色模型由三个要素组成,一个要素是亮度(L),a 和b是两个颜色通道。a包括的颜色是从深绿色(低亮度值)到灰色(中亮度值)再到亮粉红色(高亮度值原创 2016-11-28 17:00:04 · 4900 阅读 · 0 评论 -
haar-like特征
1. Haar-like特征 Haar-like特征最早是由Papageorgiou等应用于人脸表示,Viola和Jones在此基础上,使用3种类型4种形式的特征。矩形特征的值, 是指图像上两个或多个形状大小相同的矩形内部所有像素灰度值之和差值, 即使用白色矩形区域所有像素灰度值之和减去黑色矩形区域所有像素灰度值之和。Haar特征分为三类:边缘特征、线性特征、中心原创 2017-01-17 15:53:44 · 866 阅读 · 0 评论 -
LBP特征
一、LBP特征介绍LBP指局部二值模式,英文全称:Local Binary Pattern,是一种用来描述图像局部特征的算子,LBP特征具有灰度不变性和旋转不变性等显著优点。它是由T. Ojala, M.Pietikäinen, 和 D. Harwood [1][2]在1994年提出,由于LBP特征计算简单、效果较好,因此LBP特征在计算机视觉的许多领域都得到了广泛的应用,LBP特征比较出原创 2017-01-19 15:02:58 · 6579 阅读 · 0 评论