Computer Vision
langb2014
这个作者很懒,什么都没留下…
展开
-
目标检测:Object Detection in 20 Years: A Survey
Abstract:论文中引用411片文献,涵盖了许多主题,包括历史上的里程碑检测器、检测数据集、度量、检测系统的基本构件、加速技术以及最新的检测方法。还综述了行人检测、人脸检测、文本检测等重要的检测应用,该论文完整的归纳了object detection的发展。转载 2020-12-14 15:57:43 · 9858 阅读 · 0 评论 -
机器学习中的Embedding
来自知乎的一个解释:(版权归原作者所有,仅供学习,禁止商用)https://zhuanlan.zhihu.com/p/46016518解释还是有点感觉迷糊,数学解释:Embedding在数学上表示一个maping, f: X -> Y, 也就是一个function,其中该函数是injective(就是我们所说的单射函数,每个Y只有唯一的X对应,反之亦然)和st...转载 2019-10-17 15:31:30 · 5532 阅读 · 0 评论 -
multidimensional scaling
一般想到降维,就自然想到一种方法PCA,其实还有一种方法MDS(multidimensional scaling),可以获得样本间的相似性的空间表达。先说说这两种方法的相似处,PCA是把观察的数据用较少的维数来表达,这点上两种方法的相似的;两种方法的不太之处在于,MDS利用的是成对样本间相似性,目的是利用这个信息去构建合适的低维空间,是的样本在此空间的距离和在高维空间中的样本间的相似性尽可能的转载 2015-09-15 11:59:40 · 2149 阅读 · 0 评论 -
Bag of words and Bag of features
关于BOW没什么好点资源,百度到的都是一些不详细的。碰巧看到了一个公开课,http://crcv.ucf.edu/courses/CAP5415/Fall2012/index.php里面有视频和PDF可能需要翻墙才能看到视频和pdf,这里我就把原资源截下来放里面了。版权归原作者所有。================================================原创 2015-09-17 09:45:25 · 4150 阅读 · 4 评论 -
Locality-constrained Linear Coding for Image Classification(阅读)
通熟易懂的图片,来自余凯。经过前面的BoW、BoF、SPM、ScSPM的学习,终于可以大概把CNN网络的结构稍微理解一下了:VQ啊,SC啊相当于CNN中的coding部分,SPM相当于pooling部分。 BoW+SPM的图下面是CNN等效对比图:然后接下来就是Spare Coding取代,它能很好模拟人大脑的信号处理过程,也求解问题能够用LASSO解决。原创 2015-10-07 18:59:30 · 3445 阅读 · 0 评论 -
caffe提取已训练好模型的特征
按照caffe官网教程:1、创建一个临时文件夹$ mkdir examples/_temp2、我们为三张图片添加一个文件列表find `pwd`/examples/images -type f -exec echo {} \; > examples/_temp/temp.txt原创 2015-11-26 12:29:44 · 3164 阅读 · 1 评论 -
Deep Learning方向的paper
个人阅读的Deep Learning方向的paper整理,分了几部分吧,但有些部分是有交叉或者内容重叠,也不必纠结于这属于DNN还是CNN之类,个人只是大致分了个类。目前只整理了部分,剩余部分还会持续更新。一 RNN1 Recurrent neural network based language model RNN用在语言模型上的开山之作转载 2016-03-06 14:47:05 · 2627 阅读 · 0 评论 -
GoogleNet的Inception_v1、Inception_v2、Inception_v3、Inception_v4(整理)
来自caffeCN的一个简要的总结(http://caffecn.cn/?/question/255):先上Paper列表:[v1] Going Deeper with Convolutions, 6.67% test error, http://arxiv.org/abs/1409.4842[v2] Batch Normalization: Accelerating Deep Net原创 2016-10-11 13:16:30 · 22415 阅读 · 3 评论 -
Fast-rcnn的caffe代码结构描述
首先要学会如何调用python层在protxt文件中,调用python层后面补上。下面是Fast-rcnn的官网slide描述:原创 2016-10-12 12:09:32 · 3188 阅读 · 0 评论 -
什么是end-to-end神经网络?
来源:知乎著作权归作者所有。讨论:张旭--------------------------------->端到端指的是输入是原始数据,输出是最后的结果,原来输入端不是直接的原始数据,而是在原始数据中提取的特征,这一点在图像问题上尤为突出,因为图像像素数太多,数据维度高,会产生维度灾难,所以原来一个思路是手工提取图像的一些关键特征,这实际就是就一个降维的过程。那么问题来了转载 2016-11-03 11:03:53 · 34817 阅读 · 4 评论 -
Caffe-Python接口常用API参考
本文整理了pycaffe中常用的APIPackages导入123import caffefrom caffe import layers as Lfrom caffe import params as PLayers定义Data层定义lmdb/leveldb Data层定义1234567原创 2016-11-08 15:27:55 · 23038 阅读 · 9 评论 -
计算机视觉的300多项优质资源
A curated collection of 300+ awesome computer vision resources including books, courses, papers, tutorials, software and more.Due to the size of this list, it can be hard to keep up with broken转载 2016-11-29 14:16:22 · 6414 阅读 · 0 评论 -
nvidia显卡驱动卸载和卸载后的问题
由于装了nvidia显卡驱动后开机一直处于循环登录界面,密码输入正确也是进不去,然后就决定卸载nvidia显卡驱动。首先是在能使用tty1登录的情况下,使用$ sudo apt-get autoremove --purge nvidia-*$ sudo reboot然后就发现开机能进去desktop了,很开心,结果就是切换到tty模式下是黑屏,其实不是黑屏,是由于卸载了nv原创 2015-07-10 13:26:35 · 17789 阅读 · 1 评论 -
极深网络(ResNet/DenseNet): Skip Connection为何有效及其它
转自:http://blog.csdn.net/malefactor/article/details/67637785感谢张俊林通俗的分析。================================================================================================================Residual N转载 2017-03-29 09:52:47 · 6439 阅读 · 0 评论 -
LBP+DLBP+STLBP+VLBP
纹理是物体表面的固有特征之一,可认为是灰度(颜色)在空间以一定的形式变化而产生的图案(模式).LBP(Local Binary Pattern, 局部二值模式)是一种用来描述图像局部纹理特征的算子;它的作用是进行特征提取,提取图像的局部纹理特征.原始的LBP算子定义为在3*3的窗口内,以窗口中心像素为阈值,将相邻的8个像素的灰度值与其进行比较,若周围像素值大于转载 2015-09-15 12:27:46 · 3606 阅读 · 1 评论 -
Latent Semantic Analysis
潜语义分析LSA介绍Latent Semantic Analysis (LSA), also known as Latent Semantic Indexing (LSI) literally means analyzing documents to find the underlying meaning or concepts of those documents. If each转载 2015-09-15 10:53:25 · 1699 阅读 · 0 评论 -
SIFT的思路整理笔记
尺度不变特征转换(Scale-invariant feature transform或SIFT)是一种计算机视觉的算法用来detect与describe local features,它在空间尺度中寻找极值点,并提取出其位置、尺度、旋转不变量,此算法由 David Lowe在1999年所发表,2004年完善总结。Applications includeobject recognition,原创 2015-06-24 14:02:28 · 2136 阅读 · 0 评论 -
Sparsity and Some Basics of L1 Regularization (学习Free Mind知识整理)
f(x)=∑j=1pwjxj=wTx阅读http://freemind.pluskid.org/machine-learning/sparsity-and-some-basics-of-l1-regularization/文章中的一些知识整理:==============================================================“因为如果用上所原创 2015-08-22 12:50:42 · 708 阅读 · 0 评论 -
Hierarchical Clustering(学习Free Mind知识整理)和Hungarian Algorithm
由上一篇K-medoids算法学完后,搜索到Hierarchical Clustering算法和上篇Free Mind的K-medoid讨论提到的Hungarian Algorithm算法,做一个简单学习。这篇文章的学习思路还是按照http://blog.pluskid.org/?p=407学习一下。=============================================原创 2015-08-24 14:28:02 · 1666 阅读 · 0 评论 -
Discriminative Modeling vs Generative Modeling(学习Free Mind知识整理)
阅读http://freemind.pluskid.org/machine-learning/discriminative-modeling-vs-generative-modeling/文章中的一些知识整理:=================================================================Discriminative Model维基原创 2015-08-22 16:45:57 · 1197 阅读 · 0 评论 -
k-medoids(学习Free Mind知识整理)
看到这里的k-medoids联想到聚类方法有哪些?http://blog.chinaunix.net/uid-10289334-id-3758310.html这k-medoids和k-means两者对比一下图:原创 2015-08-24 13:00:55 · 3249 阅读 · 0 评论 -
Spectral Clustering(学习Free Mind知识整理)
阅读http://blog.pluskid.org/?p=287文章中的一些知识整理:本文学习的知识点谱聚类。原创 2015-08-27 17:54:32 · 2477 阅读 · 0 评论 -
Regularized Gaussian Covariance Estimation(学习Free Mind知识整理)
阅读http://freemind.pluskid.org/machine-learning/regularized-gaussian-covariance-estimation/文章中的一些知识整理:====================================================================非常感谢Free Mind能够这么耐心的分析解原创 2015-08-27 20:17:33 · 993 阅读 · 0 评论 -
Gaussian Mixture Model(学习Free Mind知识整理)
这篇关于Gaussian Mixture Model(GMM)的文章:http://blog.pluskid.org/?p=39 http://blog.csdn.net/abcjennifer/article/details/8198352===============================================================“高斯分布原创 2015-08-27 16:30:07 · 1011 阅读 · 0 评论 -
Vector Quantization(学习Free Mind知识整理)
阅读http://blog.pluskid.org/?p=57文章中的一些知识整理:=====================================================================矢量量化(Vector Quantization)其实也就是逼近,VQ 是将一个向量空间中的点用其中的一个有限子集来进行编码的过程。Vector Quantization原创 2015-08-27 19:22:26 · 2491 阅读 · 3 评论 -
Principal Components Analysis
以前对PCA算法有过一段时间的研究,但没整理成文章,最近项目又打算用到PCA算法,故趁热打铁整理下PCA算法的知识。本文观点旨在抛砖引玉,不是权威,更不能尽信,只是本人的一点体会。主成分分析(PCA)是多元统计分析中用来分析数据的一种方法,它是用一种较少数量的特征对样本进行描述以达到降低特征空间维数的方法,它的本质实际上是K-L变换。PCA方法最著名的应用应该是在人脸识别中特征提取及数据维转载 2015-09-15 09:25:27 · 1790 阅读 · 0 评论