Liu_LongPo的专栏

记录一个用OpenCv库实现的，基于图像HOG特征的行人检测算法#include #include using namespace std;int main(){ bool flag = false; /* if(argc==1) { cout<<"There is no input image!\n"; return 0; } */ const

前面我们在是实现K-means算法的时候，提到了它本身存在的缺陷： 1.可能收敛到局部最小值 2.在大规模数据集上收敛较慢对于上一篇博文最后说的，当陷入局部最小值的时候，处理方法就是多运行几次K-means算法，然后选择畸变函数J较小的作为最佳聚类结果。这样的说法显然不能让我们接受，我们追求的应该是一次就能给出接近最优的聚类结果。其实K-means的缺点的根本原因就是：对K个质心的初始选

介绍机器学习算法KNN，并提供matlab，python实例，提供手写识别系统matlab完整代码

【原创】Liu_LongPo 转载请注明出处 【CSDN】http://blog.csdn.net/llp1992最近在关注 crowd scene方面的东西，因为某些原因需要在crowd scene上实现 anomaly detection，所以看到了这篇论文，该论文是目前在crowd scene中进行abnormal detection做的最好的，记录下笔记当做学习资料。传统的 anomal

什么叫做回归呢？举个例子，我们现在有一些数据点，然后我们打算用一条直线来对这些点进行拟合（该曲线称为最佳拟合曲线），这个拟合过程就被称为回归。利用Logistic回归进行分类的主要思想是： 根据现有数据对分类边界线建立回归公式，以此进行分类。这里的”回归“一词源于最佳拟合，表示要找到最佳拟合参数集。训练分类器时的嘴阀就是寻找最佳拟合曲线，使用的是最优化算法。基于Logistic回归和Sigmo

神经网络神经网络模型前向传播反向传播Neural Networds Tips and TricksGradient CheckRegularization激活函数sigmoid 函数TanhRelu稀疏编码卷积神经网络卷积局部感知权值共享多通道卷积卷积输出大小计算公式池化pooling后的平移不变性DropoutLearning rateAdaGrad p

一CUDA Repository二CUDA Toolkit三Environment Variables四 安装CUDA SAMPLE五安装 Atlas六opencv 安装七python 安装 也可以使用自带python八安装其他依赖项九caffe安装更详细的caffe 安装参考其他 【原创】Liu_LongPo 转载请注明出处【CSDN】http://blog.csdn.ne

OpenCvPython 【原创】Liu_LongPo 转载请注明出处【CSDN】http://blog.csdn.net/llp1992 系统：Ubuntu 14.04 python : 2.7.10 opencv ： 2.4.9OpenCv1、下载 opencv 源码 下载2、解压到任意目录 unzip opencv-2.4.9.zip3、进入源码目录，创建rel

基于感知哈希算法计算出图片的指纹，根据不同图片的指纹计算汉明距离进行图像搜索

图解meanshift算法，方便理解。公式推导，总结meanshift算法在图像聚类中的应用,总结meanshift算法在目标跟踪的原理和应用

卡尔曼滤波器是一种利用线性系统状态方程，通过系统输入输出观测数据，对系统状态进行最优估计的算法。而且由于观测包含系统的噪声和干扰的影响，所以最优估计也可看做是滤波过程。卡尔曼滤波器的核心内容就是5条公式，计算简单快速，适合用于少量数据的预测和估计。下面我们用一个例子来说明一下卡尔曼算法的应用。假设我们想在有一辆小车，在 t 时刻其速度为 Vt ，位置坐标为 Pt，ut 表示 t 时刻的加速度，那么我

【原创】Liu_LongPo 转载请注明出处 【CSDN】http://blog.csdn.net/llp1992AdaBoost算法是基于单层决策树等弱分类算法的强学习分类算法。单层决策树算法也是一种分类算法，但是其分类效果较差，只根据一个特征进行数据划分，因此单层决策树算法被称为弱分类算法；而AdaBoost算法通过将多个弱分类算法串行训练而成，属于强分类算法。AdaBoost算法是boost

【原创】Liu_LongPo 转载请注明出处【CSDN】http://blog.csdn.net/llp1992GMM算法GMM ，Gaussian Mixture Model，顾名思义，就是说该算法由 多个高斯模型线性叠加 混合而成。每个高斯模型我们称之为 component 。GMM算法描述的是数据的本身存在的一种分布，如果component足够多的话，GMM可以逼近任意一种概率密度分布，但是此

K-means算法属于无监督学习聚类算法，其计算步骤还是挺简单的，思想也挺容易理解，而且还可以在思想中体会到EM算法的思想。K-means 算法的优缺点： 1.优点：容易实现 2.缺点：可能收敛到局部最小值，在大规模数据集上收敛较慢使用数据类型：数值型数据以往的回归算法、朴素贝叶斯、SVM等都是有类别标签y的，因此属于有监督学习，而K-means聚类算法只有x，没有y在聚类问题中，我们的

PCA 算法也叫主成分分析（principal components analysis），主要是用于数据降维的。为什么要进行数据降维？因为实际情况中我们的训练数据会存在特征过多或者是特征累赘的问题，比如：一个关于汽车的样本数据，一个特征是”km/h的最大速度特征“，另一个是”英里每小时“的最大速度特征，很显然这两个特征具有很强的相关性拿到一个样本，特征非常多，样本缺很少，这样的数据用回归去你和将

【原创】Liu_LongPo 转载请注明出处 【CSDN】http://blog.csdn.net/llp1992softmax 回归模型，是logistic 回归模型在多分类问题上的推广。关于logistic回归算法的介绍，前面博客已经讲得很清楚，详情可以参考博客机器学习实战ByMatlab（五）Logistic Regression 在logistic回归模型中，我们的激励函数sigmoid的

基于一个实现的基于OpenCv的运动物体检测算法，可以用于检测行人或者其他运动物体。 #include #include #include #include int main( int argc, char** argv ) { //声明IplImage指针 IplImage* pFrame = NULL; IplImag

介绍csdn博客快速编辑Latex的方法和一些常用的Latex公式汇总 一下内容摘自网上

以下内容摘自一篇硕士论文《视频序列中运动目标检测与跟踪算法的研究》：1950年Gibson首先提出了光流的概念，光流(optical flow)法是空间运动物体在观测成像面上的像素运动的瞬时速度。物体在运动的时候，它在图像上对应点的亮度模式也在做相应的运动，这种图像亮度模式的表观运动就是光流。光流的研究就是利用图像序列中像素的强度数据的时域变化和相关性来确定各自像素位置的“运动”。光流表达了图像的变

opencv 配置错误： fatal error LNK1104: 无法打开文件“opencv_calib3d2410.lib”查看一下 opencv D:\Prpgram Files\OpenCv\opencv\build\x86\vc10\lib 目录下的库文件，发信啊他们的版本号所对应的文件都是 248，而不是网上所说的2410，所以原因就是这个，网上搭配教程的版本可能不一样，修改一下就好，

【原创】Liu_LongPo 转载请注明出处 【CSDN】http://blog.csdn.net/llp1992在有监督学习中，训练样本是有类别标签的。现在假设我们只有一个没有带类别标签的训练样本集合 {x(1),x(2),x(3),...x^{(1)},x^{(2)},x^{(3)},...},其中 x(i)∈Rx^{(i)}\in R自编码神经网络是一种无监督学习算法，它使用了反向传

结合差分背景法和金字塔LK算法的运动物体检测跟踪。利用差分背景法寻找运动角点，利用金字塔LK计算光流。

附代码详细介绍OpenCv中是如何在Image和光流法中设置ROI区域

如果我们进行图像处理的目的不是用于识别特征点而是进行稽核测量，则通常需要更高的精度，而cvGoodFeatureToTrack()只能提供简单的像素坐标值，但有时候我们会需要实际坐标值而不是证书坐标值，例如，我们想要确定图形中一个尖锐的峰值点的位置，但是峰值点的位置一般都不会位于一个像素点的正中心，，这时候就可以使用亚像素检测方法。亚像素级角点的位置在社星际标定、跟踪并重建蛇形阿基的轨迹或者重建被跟

在OpenCv中提供了两种实现目标跟踪的关键算法，LK算法和HS算法，也就是通常所说的稀疏光流和稠密光流。寻找角点角点，其实也就是一幅图像中，容易被跟踪的特征点，通常来说，这个点在两个正交方向上都有明显的倒数，该点在图像中我们认为是独一无二的。 从直观上讲，角点是一类有足够信息并且能够从当前帧和下一帧都能提取出来的点。关于角点的定义，是由Harris提出的，其基础是图像灰度强度的二阶导数矩阵 。该

【原创】Liu_LongPo 转载请注明出处 【CSDN】http://blog.csdn.net/llp1992PCA算法前面在前面的博客中已经有介绍，这里简单在描述一下，更详细的PCA算法请参考我的博客： 机器学习实战ByMatlab（二）PCA算法 PCA 的主要计算步骤 1.数据预处理，使得每一维数据都有相同的均值0 2.计算数据的协方差矩阵，Σ=1m∑mi=1(x(i))(x(

【原创】Liu_LongPo 转载请注明出处 【CSDN】http://blog.csdn.net/llp1992最近由于毕业论文的原因搞得学习进度有点慢，过了5月份再加快进度。DeepLearning，也就是我们所说的深度学习。深度学习是机器学习的一个分支，属于无监督学习，近年来深度学习在语音识别和图像识别等领域取得了巨大的成功。深度学习的本质，就是通过构建具有很多隐层的机器学习模型和海量的训练

感知机感知机模型感知机的学习策略感知机的原始形式伪代码实现代码对线性可分数据集对线性不可分数据集感知机的对偶形式伪代码代码训练过程分类效果训练误差 【原创】Liu_LongPo 转载请注明出处【CSDN】http://blog.csdn.net/llp1992感知机感知机是二分类的线性分类模型，输入为实例的特征向量，输出为实例的类别（取+1和-1）。感知机对应于输入空间